一、词频统计

A. 分步骤实现

1.准备文件

1. 下载小说或长篇新闻稿

         2.上传到hdf

2.读文件创建RDD

 

 3.分词

 

 4.排除大小写lower()，map()
   标点符号re.split(pattern,str)，flatMap(),
   停用词,可网盘下载stopwords.txt,filter()，
   长度小于2的词filter()

5.统计词频

 

 6.按词频排序

 

 7.输出到文件

 

 8.查看结果

 

 B. 一句话实现：文件入文件出

 

 

 

 

二、求Top值

网盘下载payment.txt文件，通过RDD操作实现选出最大支付额的用户。

 

 

 

 

标签：文件,网盘,filter,RDD,实例,词频,操作,txt
来源： https://www.cnblogs.com/quanhua/p/16135906.html