读学生课程分数文件chapter4-data01.txt,创建DataFrame。
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
答:
二、用SQL语句完成以上数据分析要求,可叠加RDD操作。
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)
答:(1)求通过率
RDD:自定义匿名函数实现;
DataFrame:我觉得无法实现;
SQL:SQL的内置函数和运算符实现。
(2)求每门课均值,最大值,最小值
RDD:自定义很多匿名函数并创建新的RDD;
DataFrame:使用DataFrame对象的函数展示列,并制表;
SQL:SQL语句制表。
四、结果可视化。