一、词频统计：
1.读文本文件生成RDD lines
2.将一行一行的文本分割成单词 words flatmap()
3.全部转换为小写
4.去掉长度小于3的单词
5.去掉停用词
准备停用词文本
2.去除停用词：
6.转换成键值对 map()
7.统计词频 reduceByKey()
二、学生课程分数 groupByKey()
-- 按课程汇总全总学生和分数
先行代码：
lines = sc.textFile('file:///home/hadoop/chapter4-data01.txt')
lines.take(5)
1. 分解出字段 map()
代码：
lines.map(lambda line:line.split(',')).take(5)
2. 生成键值对 map()
代码：
lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).take(5)
3. 按键分组
代码：
lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).groupByKey().take(5)
4. 输出汇总结果
代码：
groupByCoure = lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).groupByKey()
for i in groupByCoure.first()[1]:
... print(i)
...
三、学生课程分数 reduceByKey()
-- 每门课程的选修人数
代码：
lines.map(lambda line:line.split(',')).map(lambda line:(line[1],1) ).take(5)
-- 每个学生的选修课程数
代码：
lines.map(lambda line:line.split(',')).map(lambda line:(line[1],1) ).reduceByKey(lambda a,b:a+b).take(5)
