2018年5月25日

Hadoop综合大作业

摘要： 1.用Hive对爬虫大作业产生的文本文件（或者英文词频统计下载的英文长篇小说）进行词频统计。载入数据创建查表查看表是否创建成果 2.用Hive对爬虫大作业产生的csv文件进行数据分析，写一篇博客描述你的分析过程和分析结果。将数据以csv格式上传到hdfs 将文件上传到HDFS上查看上传成功阅读全文

posted @ 2018-05-25 21:55 101陈瑾阅读(139) 评论(0) 推荐(0)

2018年5月14日

理解MapReduce

摘要： 1. 用Python编写WordCount程序并提交任务程序 WordCount 输入一个包含大量单词的文本文件输出文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔 2. 用mapreduce 处理气象数据集编写程序求每日最高最低气温阅读全文

posted @ 2018-05-14 09:06 101陈瑾阅读(165) 评论(0) 推荐(0)

2018年5月4日

熟悉常用的Hbase操作

摘要： 1. 以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据：学生表（Student）（不包括最后一列）学号（S_No）姓名（S_Name）性别（S_Sex）年龄（S_Age）课程（course） 2015001 Zhangsan male 23 2015003 阅读全文

posted @ 2018-05-04 21:38 101陈瑾阅读(96) 评论(0) 推荐(0)

2018年4月27日

第三章熟悉常用的HDFS操作

摘要：一、Hadoop提供的Shell命令完成相同任务：在本地Linux文件系统的“/home/hadoop/”目录下创建一个文件txt，里面可以随意输入一些单词. cd /usr/local/hadoop touch text.txt 在本地查看文件位置（ls） ls -al 在本地显示文件内容 ca 阅读全文

posted @ 2018-04-27 20:56 101陈瑾阅读(113) 评论(0) 推荐(0)

2018年4月24日

爬虫大作业

摘要：选一个自己感兴趣的主题或网站。 2.用python 编写爬虫程序，从网络上爬取相关主题的数据。 3.对爬了的数据进行文本分析，生成词云。 4.对文本分析结果进行解释说明。 5.写一篇完整的博客，描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。 6.最后提交爬取的全部数据、爬虫及数据分析源阅读全文

posted @ 2018-04-24 21:58 101陈瑾阅读(151) 评论(0) 推荐(0)

2018年4月16日

数据结构化与保存

摘要： 1. 将新闻的正文内容保存到文本文件。 2. 将新闻数据结构化为字典的列表: 单条新闻的详情-->字典news 一个列表页所有单条新闻汇总-->列表newsls.append(news) 所有列表页的所有新闻汇总列表newstotal.extend(newsls) 3. 安装pandas，用pand 阅读全文

posted @ 2018-04-16 20:15 101陈瑾阅读(139) 评论(0) 推荐(0)

2018年4月11日

使用正则表达式，取得点击次数，函数抽离

摘要： 1. 用正则表达式判定邮箱是否输入正确。 2. 用正则表达式识别出全部电话号码。 3. 用正则表达式进行英文分词。re.split('',news) 4. 使用正则表达式取得新闻编号 5. 生成点击次数的Request URL 6. 获取点击次数 7. 将456步骤定义成一个函数 def getCl 阅读全文

posted @ 2018-04-11 11:21 101陈瑾阅读(144) 评论(0) 推荐(0)

2018年4月3日

爬取校园新闻首页的新闻

摘要： 1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。 2. 分析字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。 3. 将其中的发布时间由str转换成datetime类型。 4. 将完整的代码及运行结果截图发布在作业上。阅读全文

posted @ 2018-04-03 20:05 101陈瑾阅读(226) 评论(0) 推荐(0)

2018年3月30日

网络爬虫基础练习

摘要： 1.利用requests.get(url)获取网页页面的html文件 import requests newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get(newsurl) #返回response对象 res.en 阅读全文

posted @ 2018-03-30 13:07 101陈瑾阅读(183) 评论(0) 推荐(0)

2018年3月26日

综合练习：词频统计

摘要：综合练习词频统计预处理下载一首英文的歌词或文章将所有,.？！’:等分隔符全部替换为空格将所有大写转换为小写生成单词列表生成词频统计排序排除语法型词汇，代词、冠词、连词输出词频最大TOP20 将分析对象存为utf-8编码的文件，通过文件读取的方式获得词频分析内容。阅读全文

posted @ 2018-03-26 20:32 101陈瑾阅读(141) 评论(0) 推荐(0)