RDD编程练习

一、filter,map,flatmap练习：

1.读文本文件生成RDD lines

代码：lines = sc.textFile('file:///home/hadoop/word.txt')

2.将一行一行的文本分割成单词 words

代码：words=lines.flatMap(lambda line:line.split())

　　　words.collect()

3.全部转换为小写

代码：#lines.flatMap(lambda line:line.lower().split()).collect()

　　　words=lines.flatMap(lambda line:line.lower().split()).collect()

4.去掉长度小于3的单词

5.去掉停用词

 准备停用词文本

代码：

1.准备停用词文本：

lines = sc.textFile('file:///home/hadoop/stopwords.txt')
stop = lines.flatMap(lambda line : line.split()).collect()

 

 2.去除停用词：

words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word : word not in stopword.txt)
words.collect()

二、groupByKey练习

6.练习一的生成单词键值对

代码：words.map(lambda word : (word,1))

7.对单词进行分组

代码：words.map(lambda word : (word,1)).groupByKey()

8.查看分组结果

代码：

for i in words.map(lambda word : (word,1)).groupByKey().collect()[1][1]:
print (i)

 

学生科目成绩文件练习：

0.数据文件上传

 

1.读大学计算机系的成绩数据集生成RDD

代码：

lines = sc.textFile('file:///home/hadoop/chapter4-data01.txt')

lines.take(5)

2.按学生汇总全部科目的成绩

代码：

lines.map(lambda line : (line.split(',')[0],line.split(',')[2])).groupByKey()

for i in lines.map(lambda line : (line.split(',')[0],line.split(',')[2])).groupByKey().take(5):
... for j in i[1]:
... print(j)
...

 

 

3.按科目汇总学生的成绩