educoder大数据作业答案_任务描述 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 b

第1关：第一题

• 任务描述
• 编程要求
• 测试说明

---

任务描述

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 区域补充代码，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......
1

合并结果按首列升序进行排列。

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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 ################

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

第2关：第二题

• 任务描述
• 编程要求
• 测试说明

---

任务描述

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 区域补充代码，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组成，第一个是学生名字，第二个是学生的成绩。

请你读取这三个文件的内容，计算各个学生的平均成绩（保留两位小数），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......
1

输出示例：

('小红'，82.88)('小明'，81.23)......
1

输出结果按平均分成绩降序进行排列。

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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()[0], float(line.split()[1])))

# 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[1], ascending=False)

# 保存结果
result_path = "/root/result2/"
sorted_scores.saveAsTextFile(result_path)

# 关闭SparkContext对象
sc.stop()

################ End ################
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

第二关

第2关：第一题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

统计该系总共有多少名学生，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
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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[0])
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################

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

第2关：第二题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

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
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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(",")[1]).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 ################

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

第2关：第三题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

计算 Tom 同学的总成绩平均分是多少（保留一位小数），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
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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(",")[2]))
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 ################
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

第2关：第四题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

求每名同学选修的课程门数，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)……
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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[0],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 ################ 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

第2关：第五题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

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
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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[1]=="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 ################
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

第2关：第六题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

统计该系各门课程的平均分是多少（保留一位小数），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)......
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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[1], (int(x[2]), 1)))
temp = res.reduceByKey(lambda x, y: (x[0] + y[0], x[1] + y[1]))  # 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[0], round(x[1][0] / x[1][1], 1)))

# 打印结果
avg.foreach(print)

# 关闭SparkContext对象
sc.stop()

################ End ################

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

第2关：第七题

任务描述

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 区域补充代码，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成绩，数据格式如下所示：

Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStructure,80……
1

第一列为学生姓名，第二列为课程名称，第三列为课程成绩。

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
1

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，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(",")[1] == "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 ################
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

如有侵权请联系删除