2.安装Spark与Python练习

一、安装Spark

检查基础环境hadoop,jdk

下载spark

 配置相关文件

 配置环境变量

 启动spark并运行python代码

def load_file(word_freq):     # 读文件到缓冲区
    try:     # 打开文件
        f = open(intext, \'r\')
    except IOError as s:
        print(s)
        return None
    try:     # 读文件到缓冲区
        bvffer = f.read()
    except:
        print(\"ERROR!!\")
        return None
    f.close()
    
    if bvffer:
        # 下面添加处理缓冲区 bvffer代码，统计每个单词的频率，存放在字典word_freq
        bvffer = bvffer.lower()
        for ch in \'“‘!;,.?”\':
            bvffer = bvffer.lower().replace(ch, \" \")  #将所有字母转换成小写，便于统计
        words = bvffer.strip().split()         #strip消除空白符，split以空格作为单词分界
        for word in words:
            word_freq[word] = word_freq.get(word, 0)+1  #读取到的单词存放到字典

    return word_freq

def output_result(word_freq):
    if word_freq:
        sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)
        for item in sorted_word_freq[:10]:  # 输出 Top 10 的单词
            print(item[0], item[1])

            f = open(outtext, \'a\')
            f.write(str(item[0]) + \' \' +str(item[1]))
            f.write(\'\\n\')
            f.close()

if __name__ == \"__main__\":
    word_freq = {}
    intext = \"text.txt\"
    outtext = \'outtext.txt\'
    a = load_file(word_freq)
    output_result(a)

 二、Python编程练习：英文文本的词频统计

1、准备文本

2、预处理：大小写，标点符号，停用词

3、统计每个单词出现的次数

4、结果写文件

来源：https://www.cnblogs.com/144lqf/p/15970113.html
本站部分图文来源于网络，如有侵权请联系删除。