百木园-与人分享,
就是让自己快乐。

2.安装Spark与Python练习

一、安装Spark

  1. 检查基础环境hadoop,jdk
  2. 配置文件
  3. 环境变量
  4. 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
  3. 预处理:大小写,标点符号,停用词
  4. 分词
  5. 统计每个单词出现的次数
  6. 按词频大小排序
  7. 结果写文件
with open(\"Under the Red Dragon.txt\", \"r\") as f:
    text=f.read()
    text = text.lower()
    for ch in \'!@#$%^&*(_)-+=\\\\[]}{|;:\\\'\\\"`~,<.>?/\':
        text=text.replace(ch,\" \")
    
    
words = text.split() # 以空格分割文本
stop_words = []
with open(\'stop_words.txt\',\'r\') as f: # 读取停用词文件
    for line in f:
        stop_words.append(line.strip(\'\\n\'))
afterwords=[]


for i in range(len(words)):
    z=1
    for j in range(len(stop_words)):
    
        if words[i]==stop_words[j]:
            continue
        else:
            if z==len(stop_words):
                afterwords.append(words[i])
                break
            z=z+1
            continue
            

counts = {}
for word in afterwords:
    counts[word] = counts.get(word,0) + 1
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
# 输出前10
for i in range(10):
    word, count = items[i]
    print(\"{0:<10}{1:>5}\".format(word, count))  # 打印前十个元素

 

 

 

 


来源:https://www.cnblogs.com/llw1/p/15954928.html
本站部分图文来源于网络,如有侵权请联系删除。

未经允许不得转载:百木园 » 2.安装Spark与Python练习

相关推荐

  • 暂无文章