educoder大数据作业答案
第1关：第一题[*]任务形貌
[*]编程要求
[*]测试说明
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在本地目录 /data/bigfiles 中有两个文件 a.txt 与 b.txt，现在需要对这两个文件进行合并，并剔除其中重复的内容，将合并结果存储到 /root/result/ 目录下。
下面是 a.txt 与 b.txt存储的内容示例：
20170101 x20170102 y20170103 x20170104 y20170105 z20170106 z......
合并结果按首列升序进行分列。
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
代码文件：
from pyspark import SparkContext, SparkConf
################ Begin ################
# 创建SparkContext对象
sc = SparkContext('local','remdup')
# 加载两个文件
lines1 = sc.textFile("file:///data/bigfiles/a.txt")
lines2 = sc.textFile("file:///data/bigfiles/b.txt")
# 合并两个文件的内容
lines = lines1.union(lines2)
# 去重操作
distinct_lines = lines.distinct()
# 排序操作
res = distinct_lines.sortBy(lambda x:x)
# 保存结果
res.repartition(1).saveAsTextFile("file:///root/result")
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第二题
[*]任务形貌
[*]编程要求
[*]测试说明
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在本地目录 /data/bigfiles 中有三个文件 Algorithm.txt、Database.txt 和 Python.txt。其中每行存储的内容由两个字段构成，第一个是学生名字，第二个是学生的结果。
请你读取这三个文件的内容，计算各个学生的平均结果（保存两位小数），将输出结果存储到 /root/result2/ 目录下。
下面是上述文件一个样例，供参考。
小明 92小红 87小新 82小丽 90......
输出示例：
('小红'，82.88)('小明'，81.23)......
输出结果按平均分结果降序进行分列。
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
代码文件：
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext('local', 'average_score')
# 加载三个文件
file_path_algorithm = "/data/bigfiles/Algorithm.txt"
file_path_database = "/data/bigfiles/Database.txt"
file_path_python = "/data/bigfiles/Python.txt"
data_algorithm = sc.textFile(file_path_algorithm)
data_database = sc.textFile(file_path_database)
data_python = sc.textFile(file_path_python)
# 合并三个文件的内容
merged_data = data_algorithm.union(data_database).union(data_python)
# 完成数据聚合
student_scores = merged_data.map(lambda line: (line.split(), float(line.split())))
# 求平均分并排序
average_scores = student_scores.groupByKey().mapValues(lambda scores: round(sum(scores) / len(scores), 2))
sorted_scores = average_scores.sortBy(lambda x: x, ascending=False)
# 保存结果
result_path = "/root/result2/"
sorted_scores.saveAsTextFile(result_path)
# 关闭SparkContext对象
sc.stop()
################ End ################
第二关
第2关：第一题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
统计该系统共有多少名学生，直接打印输出统计的结果。
输出示例如下：
该系共有学生：n 人
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
###############Begin##############
# 创建SparkContext对象
sc = SparkContext("local", "Student Count")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 统计学生人数
arr = lines.map(lambda x:x.split(",")).map(lambda x: x)
distinct_res = arr.distinct()
res=distinct_res.count()
# 打印结果
print("\n该系共有学生：%d 人"%res)
# 关闭SparkContext对象
sc.stop()
###############End################
第2关：第二题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
统计该系共开设了多少门课程，直接打印输出统计的结果。
输出示例如下：
该系共有 n 门课程
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "Course Count")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 统计课程数量
course_count = lines.map(lambda x: x.split(",")).distinct().count()
# 打印结果
print("\n该系共有 %d 门课程" % course_count)
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第三题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
计算 Tom 同砚的总结果平均分是多少（保存一位小数），直接打印输出计算的结果。
输出示例如下：
Tom 同学的总成绩平均分为：xx.x 分
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "Tom Average Score")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 计算 Tom 同学的平均分
tom_scores = lines.filter(lambda x: x.startswith("Tom")).map(lambda x: float(x.split(",")))
average_score = tom_scores.mean()
# 打印结果
print("\nTom 同学的总成绩平均分为：%.1f 分" % average_score)
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第四题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
求每名同砚选修的课程门数，直接打印输出计算的结果。
输出示例如下：
('Lewis', 4)('Mike', 3)('Walter', 4)('Conrad', 2)('Borg', 4)……
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "Courses Count")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 统计各个同学选修课程数量
res = lines.map(lambda x:x.split(",")).map(lambda x:(x,1)) #学生每门课程都对应
each_res = res.reduceByKey(lambda x,y: x+y) #按学生姓名获取每个学生的选课总数
# 打印结果
each_res.foreach(print)
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第五题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
统计该系 DataBase 课程共有多少人选修，直接打印输出计算的结果。
输出示例如下：
选修 DataBase 课程的同学共有 n 位
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "DataBase Students Count")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 统计选修 DataBase 课程的人数
arr = lines.map(lambda x:x.split(",")).filter(lambda x:x=="DataBase")
res = arr.count()
# 打印结果
print("\n选修 DataBase 课程的同学共有 %d 位" % res)
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第六题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
统计该系各门课程的平均分是多少（保存一位小数），直接打印输出计算的结果。
输出示例如下：
('ComputerNetwork', 51.9)('Software', 50.91)('DataBase', 50.54)......
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "Courses Average")
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 统计该系各门课程的平均分
res = lines.map(lambda x: x.split(",")).map(lambda x: (x, (int(x), 1)))
temp = res.reduceByKey(lambda x, y: (x + y, x + y))# 按课程名聚合课程总分和选课人数
# 课程总分/选课人数 = 平均分，保留一位小数
avg = temp.map(lambda x: (x, round(x / x, 1)))
# 打印结果
avg.foreach(print)
# 关闭SparkContext对象
sc.stop()
################ End ################
第2关：第七题
任务形貌
本关任务：根据编程要求，完成任务。
编程要求
打开右侧代码文件窗口，在 Begin 至 End 区域增补代码，完成任务。
在 pyspark 中读取 Linux 系统本地文件 /data/bigfiles/data.txt，该数据集包含了某大学计算机系的结果，数据格式如下所示：
Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
第一列为学生姓名，第二列为课程名称，第三列为课程结果。
使用累加器计算共有多少人选了 DataBase 这门课，直接打印输出计算的结果。
输出示例如下：
共有 n 名同学选修了 DataBase 课程
测试说明
平台将对你编写的代码进行评测，假如与预期结果一致，则通关，否则测试失败。
from pyspark import SparkContext
from pyspark.accumulators import AccumulatorParam
################ Begin ################
# 创建SparkContext对象
sc = SparkContext("local", "DataBase Students Count")
# 创建累加器
data_base_students_count = sc.accumulator(0)
# 定义累加器参数
class MyAccumulatorParam(AccumulatorParam):
def zero(self, value):
return value
def addInPlace(self, acc1, acc2):
return acc1 + acc2
# 读取文本文件
lines = sc.textFile("file:///data/bigfiles/data.txt")
# 使用累加器统计选修 DataBase 课程的人数
def count_data_base_students(line):
global data_base_students_count
if line.split(",") == "DataBase":
data_base_students_count += 1
# 使用 foreach 方法遍历 RDD 并应用累加器
lines.foreach(count_data_base_students)
# 打印结果
print("\n共有 %d 名同学选修了 DataBase 课程" % data_base_students_count.value)
# 关闭SparkContext对象
sc.stop()
################ End ################
如有侵权请接洽删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]