1、检查基础环境hadoop,jdk
启动hdfs查看进程
2、下载spark（已完成，略）
3、解压，文件夹重命名、权限（已完成，略）
4、配置文件（已完成，略）
5、环境变量
6、试运行Python代码
二、Python编程练习：英文文本的词频统计
1、准备文本文件
2、读文件
path='/home/hadoop/wc/f1.txt'
with open(path) as f:
text=f.read()
3、预处理：大小写，标点符号，停用词
4、分词
步骤三+步骤四
words = text.split()
5、统计每个单词出现的次数
for word in words:
wc[word]=wc.get(word,0)+1
6、按词频大小排序
wclist=list(wc.items()) wclist.sort(key=lambda x:x[1],reverse=True)
7、结果写文件
print(wclist)
运行结果截图
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
