8
一、用DataFrame的操作完成以下数据分析要求
- 每个分数+5分。
- 总共有多少学生？
- 总共开设了哪些课程？
- 每个学生选修了多少门课？
- 每门课程有多少个学生选？
- 每门课程大于95分的学生人数？
- Tom选修了几门课？每门课多少分？
- Tom的成绩按分数大小排序。
- Tom的平均分。
- 求每门课的平均分，最高分，最低分。
- 求每门课的选修人数及平均分，精确到2位小数。
- 每门课的不及格人数，通过率
二、用SQL语句完成以上数据分析要求
具体代码分析见上述实现
三、对比分别用RDD操作实现、用DataFrame操作实现和用SQL语句实现的异同。(比较两个以上问题)
1.每个分数+5分.
rdd:
rdd = sc.textFile(url).map(lambda s : s.split(',')).map(lambda s : int(s[2])+5).collect()
DataFrame:
stu.select('grade',stu.grade+5).show()
SQL:
stu.createOrReplaceTempView("students")
spark.sql("select * from students where grade > 95").show()
2.每门课程大于95分的学生人数?
rdd:
rdd = sc.textFile(url).map(lambda s : s.split(',')).map(lambda s : int(s[2])>95).collect()
DataFrame:
stu.select(stu.grade > 95).count()
SQL:
stu.createOrReplaceTempView("students")
spark.sql("select grade+5 as grade from students").show()
