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

 

 

 

标签：wc,Python,text,练习,wclist,词频,word,Spark
来源： https://www.cnblogs.com/n1254088/p/15972897.html