6. RDD综合练习：更丰富的操作

集合运算练习

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

 

三、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()

每门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()

Tom的平均分。map(),lookup(),mean()

 

生成（课程，分数）RDD，观察keys(),values()

 

每个分数+20平时分。
分别用mapValues(func)和 map(func)实现。
并查看不及格人数的变化。
变化前不及格人数

 

 

求每门课的选修人数及平均分

lookup(),np.mean()实现

 

reduceByKey()和collectAsMap()实现

 

combineByKey()，map()，round()实现，确到2位小数

 

 

比较几种方法的异同。

前两种方法都需要多个函数运行才可以得出平均数，并且如果要得出所有科目的平均分需要进行循环运算。第三种方法更适用于数据量多时使用。第一种与其他两种不同的是可以直接使用numpy.mean()函数算出平均数。

多个考勤文件，签到日期汇总，出勤次数统计

 

 

 

 键值对RDD的内连接与外连接