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
总共有多少学生?df_scs.select('name').distinct().count()
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?
Tom的成绩按分数大小排序。
Tom的平均分。df_scs.filter(df_scs['name']=='Tom').agg({'score':'mean'}).show()
求每门课的平均分,最高分,最低分。
每门课的平均分:df_scs.groupBy("cource").avg('score').show()
每门课的不及格人数,通过率