1、检查基础环境hadoop,jdk

　　启动hdfs查看进程

 

2、下载spark（省略，原来已下好Spark）

3、解压，文件夹重命名、权限（省略，原来已下好Spark）

 

4、配置文件

 　　配置Spark的classPath，并加上最后一行代码

 

 

 

 

 

 

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

 

 

 

标签：wc,Python,练习,wclist,词频,word,Spark
来源： https://www.cnblogs.com/gszzh/p/15957598.html