2.安装Spark与Python练习

一、安装Spark

1.检查基础环境hadoop和jdk

2.下载spark（已完成，略）

3.解压，文件夹重命名、权限(已完成，略）

4.配置文件（已完成，略）

5.环境变量

 

 6.试运行Python代码

 

 二、Python编程练习：英文文本的词频统计

1.准备文本文件

 

 

2.读文件

path='/home/hadoop/text.txt'
with open(path) as f:
    text=f.read()

3.预处理：大小写，标点符号，停用词，分词

words = text.lower().split()
for c in '!"#$%^&*()_+-=@[]{}|\?/<>,.:;~·`、“”‘’':
      text = text.replace(c, " ")

4.统计每个单词出现的次数，词频大小排序

for word in words:
    t[word]=t.get(word,0)+1
tlist=list(t.items())
tlist.sort(key=lambda x:x[1],reverse=True)

5.结果写文件

text = open("ttest.txt", "w", encoding='UTF-8')
text.write(str(tlist))

6.输出