一、词频统计：
读文本文件生成RDD lines
将一行一行的文本分割成单词 words flatmap()
全部转换为小写 lower()
去掉长度小于3的单词 filter()
去掉停用词
1.准备停用词文本：
2.去除停用词：
转换成键值对 map()
统计词频 reduceByKey()
按字母顺序排序 sortBy(f)
截图:
按词频排序 sortByKey()
行动操作练习：
|
first() |
返回第一个元素 |
|
take(n) |
返回前n个元素 |
|
takeOrdered(n) |
返回排序后的前n个元素 |
|
top(n) |
返回最大的n个元素 |
|
collect() |
返回所有元素,列表 |
|
collectAsMap() |
返回所有元素的字典，MAP形式的串行化 |
|
count() |
返回元素个数 |
|
countByValue() |
返回每个元素重复个数，字典 |
|
countByKey() |
返回的是每一键组内的记录数，字典 |
|
lookup(key) |
返回某键值下的所有值，列表 |
二、学生课程分数案例
- 总共有多少学生？map(), distinct(), count()
- 开设了多少门课程？
- 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()
- Leo选修了几门课？每门课多少分？filter(), map() RDD
- Leo选修了几门课？每门课多少分？map(),lookup() list
- Leo的成绩按分数大小排序。filter(), map(), sortBy()
- Leo的平均分。map(),lookup(),mean()
