6. RDD综合练习：更丰富的操作

一、集合运算练习

union()， intersection()，subtract(), cartesian()

二、内连接与外连接

join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()

多个考勤文件，签到日期汇总，出勤次数统计

三、综合练习：学生课程分数

网盘下载sc.txt文件，通过RDD操作实现以下数据分析:

    持久化 scm.cache

 总共有多少学生？map() , distinct() , count()

 开设了多少门课程？

生成（姓名，课程分数）键值对RDD，观察keys() ， values（）

每个学生选修了多少门课？map（），countBykey（）

每个课程有多少个学生选？map（），countByValue（）

有多少个100分？

 

 Tom选修了几门课？每门课多少分？filter（），map（）RDD

 

Tom选修了几门课？每门课多少分？map（），lookup（） list

 

Tom的成绩按分数大小排序。filter(), map(), sortBy()

>>> scm.filter(lambda a:a[0]=='Tom').sortBy(lambda line:line[2]).collect()

 

 

Tom的平均分。map(),lookup(),mean()

>>>import numpy as np
>>> np.mean(scm.filter(lambda a:a[0]=='Tom').map(lambda a:a[2]).collect())

生成（姓名课程，分数）RDD，观察keys(),values()

每个分数+5分。mapValues(func)

combineByKey()，map()，round()实现，确到2位小数

使用reduceByKey实现

比较几种方法的异同