6. RDD综合练习：更丰富的操作

集合运算练习

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

内连接与外连接

join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()

多个考勤文件，签到日期汇总，出勤次数统计

 

三、综合练习：学生课程分数

1、网盘下载sc.txt文件，通过RDD操作实现以下数据分析:

2、持久化 scm.cache()

3、总共有多少学生？map(), distinct(), count()

4、开设了多少门课程？

 

5、生成（姓名，课程分数）键值对RDD，观察keys(),values()

6、每个学生选修了多少门课？map(), countByKey()

7、每门课程有多少个学生选？map(), countByValue() 

8、有多少个100分？

9、Tom选修了几门课？每门课多少分？filter(), map() RDD

10、Tom选修了几门课？每门课多少分？map(),lookup()  list

11、Tom的成绩按分数大小排序。filter(), map(), sortBy()

12、Tom的平均分。map(),lookup(),mean()

（没有numpy库的可自行安装pip install numpy，安装成功后重进pyspark即可）

13、生成（课程，分数）RDD，观察keys(),values()

14、每个分数+5分。mapValues(func)

15、求每门课的选修人数及所有人的总分。combineByKey()

16、求每门课的选修人数及平均分，精确到2位小数。map()，round()

17、求每门课的选修人数及平均分。用reduceByKey()实现，并比较与combineByKey()的异同。

reduceByKey： 是对key的value进行merge操作，在一个(K,V)的RDD上调用，返回一个(K,V)的RDD，使用指定的reduce函数，将相同key的值聚合到一起，与groupByKey类似，reduce任务的个数可以通过第二个可选的参数来设置，最重要的是它能够在本地先进行merge操作，并且merge操作可以通过函数自定义；

CombineByKey： 是一个比较底层的算子（高阶函数），用法如下：
combineByKey(createCombiner,mergeValue,mergeCombiners,partitioner,mapSideCombine)。

createCombiner: V => C ，这个函数把当前的值作为参数，此时我们可以对其做些附加操作(类型转换)并把它返回 (这一步类似于初始化操作)
mergeValue: (C, V) => C，该函数把元素V合并到之前的元素C(createCombiner)上 (这个操作在每个分区内进行)
mergeCombiners: (C, C) => C，该函数把2个元素C合并 (这个操作在不同分区间进行)。

18、结果可视化。 pyecharts.charts,Bar()