08 学生课程分数的Spark SQL分析

读学生课程分数文件chapter4-data01.txt，创建DataFrame。

一、用DataFrame的操作完成以下数据分析要求

• 每个分数+5分。
@H_502_7@



 



• 总共有多少学生？
@H_502_7@



• 总共开设了哪些课程？
@H_502_7@



• 每个学生选修了多少门课？
@H_502_7@



• 每门课程有多少个学生选？
@H_502_7@



• 每门课程大于95分的学生人数？
@H_502_7@







• Tom选修了几门课？每门课多少分？
@H_502_7@



• Tom的成绩按分数大小排序。
@H_502_7@



• Tom的平均分。
@H_502_7@



• 求每门课的平均分，最高分，最低分。
@H_502_7@





• 求每门课的选修人数及平均分，精确到2位小数。
@H_502_7@



 



• 每门课的不及格人数，通过率
@H_502_7@



 



 

 

二、用sql语句完成以上数据分析要求 

 

三、对比分别用RDD操作实现、用DataFrame操作实现和用sql语句实现的异同。(比较两个以上问题)

 1.每个分数+5分.

rdd:

 　　rdd = sc.textFile(url).map(lambda s : s.split(',')).map(lambda s : int(s[2])+5).collect()

DataFrame:

　　stu.select('grade',stu.grade+5).show()

sql:

 

2.每门课程大于95分的学生人数?

rdd:

 

DataFrame:

　　stu.select(stu.grade > 95).count()

sql:

　　stu.createOrReplaceTempView("students")
　　spark.sql("select * from students where grade > 95").show()

 

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。