08 学生课程分数的Spark SQL分析

08 学生课程分数的Spark SQL分析

一. 读学生课程分数文件chapter4-data01.txt，创建DataFrame。

1.生成“表头”

2.生成“表中的记录”

3.把“表头”和“表中的记录”拼装在一起

用DataFrame的操作或SQL语句完成以下数据分析要求，并和用RDD操作的实现进行对比：

• 每个分数+5分。
  • df_scs.select('name','cource',df_scs['score']+5).show()
  • 
• 总共有多少学生？
  • df_scs.select('name').distinct().count()
  • 
• 总共开设了哪些课程？
  • df_scs.select('cource').distinct().show()
  • 
• 每个学生选修了多少门课？
  • df_scs.groupBy('name').count().show()
  • 
• 每门课程有多少个学生选？
  • df_scs.groupBy('cource').count().show()
  • 
• 每门课程大于95分的学生人数？
  • df_scs.filter(df_scs['score']>95).groupBy('cource').count().show()
  • 
Tom选修了几门课？每门课多少分？
• df_scs.filter(df_scs['name']=='Tom').select('cource','score').show()
• 
• Tom的成绩按分数大小排序。
  • df_scs.filter(df_scs['name']=='Tom').sort(df_scs['score'].desc()).show()
  • 
• Tom的平均分

  • df_scs.filter(df_scs['name']=='Tom').groupBy('cource').avg('score').show()

  • 

• 求每门课的平均分，最高分，最低分。
  • df_scs.groupBy("cource").avg('score').show()
  • df_scs.groupBy("cource").max('score').show()
  • df_scs.groupBy("cource").min('score').show()
  • 
  • 

  •  

• 求每门课的选修人数及平均分，精确到2位小数。
  • df_scs.select(countDistinct('name').alias('学生人数'),countDistinct('cource').alias('课程数'),round(mean('score'),2).alias('所有课的平均分').alias('所有课的平均分')).show()
  • 
• 每门课的不及格人数，通过率
• 结果可视化。