随笔分类 - 大数据
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。 将小说利用vb共享文件夹传到虚拟机 启动hive 将小说上传到hdfs 中间出现“Parent path is not a directory: /user/admini”错误，后将/user/hadoop
阅读全文
摘要：编写程序求每日最高最低气温，区间最高最低气温 1 2 3 4 5 6 7 8 9 cd /usr/hadoop sodu mkdir qx cd /usr/hadoop/qx wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa
阅读全文
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
摘要：1、选一个自己感兴趣的主题。 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、爬虫及数据分析源代
阅读全文
摘要：编程实现以下指定功能，并利用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. 在本地查看文件位置（ls） 在本地显示文件内容 cd /usr/local/hadoop touch test1.
阅读全文
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
摘要：1.取出一个新闻列表页的全部新闻 包装成函数。 2.获取总的新闻篇数，算出新闻总页数。 3.获取全部新闻列表页的全部新闻详情。 4.找一个自己感兴趣的主题，进行数据爬取，并进行分词分析。不能与其它同学雷同。
阅读全文
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、show-info。 2. 分析info字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。 3. 将字符串格式的发布时间转换成datetime类型 4. 使用正则表达式取得新闻编号 5. 生成点击
阅读全文
摘要：0.可以新建一个用于练习的html文件，在浏览器中打开。 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(
阅读全文
摘要：下载一长篇中文文章。 从文件读取待分析文本。 news = open('gzccnews.txt','r',encoding = 'utf-8') 安装与使用jieba进行中文分词。 pip install jieba import jieba list(jieba.lcut(news)) 生成词频
阅读全文
摘要：综合练习：英文词频统计 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TOP10 word = ''' Lately, I've been, I've been
阅读全文
摘要：字符串练习： http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1027/8443.html 取得校园新闻的编号 https://docs.python.org/3/library/turtle.html 产生python文档的网址 http://news.g
阅读全文
摘要：Pycharm开发环境设置与熟悉。 练习基本输入输出： print('你好,{}.'.format(name)) uprint(sys.argv) 库的使用方法： import ... from ... import ... 条件语句： if (abs(pos()))<1: break 循环语句：
阅读全文
摘要：1.试述大数据对思维方式的重要影响。 当今，互联网飞快发展，我们也已步入了信息化社会。信息并不匮乏，匮乏的是我们处理信息的能力，我们有限的注意力是组织活动的主要瓶颈。通过大数据来辅助决策，人类理性的范围将会扩大，决策的质量就能提高。如果将传统的思维模式——精确性运用于数据化、网络化的21世纪，就会错
阅读全文
