08 学生课程分数的Spark SQL分析
时间：2021-05-24 15:33:34
收藏：0
阅读：0
用DataFrame的操作或SQL语句完成以下数据分析要求，并和用RDD操作的实现进行对比：
- 每个分数+5分。
df_scs.select(‘name‘, ‘course‘, df_scs.score+5).show()
- 总共有多少学生？
- 总共开设了哪些课程？
df_scs.select(‘name‘).distinct().count() df_scs.select(‘course‘).distinct().show()
- 每个学生选修了多少门课？
df_scs.groupBy(‘name‘).count().show()
- 每门课程有多少个学生选？
df_scs.groupBy(‘course‘).count().show()
- 每门课程大于95分的学生人数？
df_scs.filter(df_scs.score>95).groupBy(‘course‘).count().show()
- Tom选修了几门课？每门课多少分？
df_scs.filter(df_scs[‘name‘]==‘Tom‘).show()
- Tom的成绩按分数大小排序。
df_scs.filter(df_scs[‘name‘]==‘Tom‘).sort(df_scs[‘score‘].desc()).show()
- Tom的平均分。
df_scs.filter(df_scs.name==‘Tom‘).agg({"score":"mean"}).show()
- 求每门课的平均分，最高分，最低分。
df_scs.groupBy(‘course‘).avg(‘score‘).show()
df_scs.groupBy(‘course‘).max(‘score‘).show()
df_scs.groupBy(‘course‘).min(‘score‘).show()
- 求每门课的选修人数及平均分，精确到2位小数。
- 每门课的不及格人数，通过率
df_scs.select(countDistinct(‘name‘).alias(‘学生人数‘),countDistinct(‘course‘).alias(‘课程数‘),round(mean(‘score‘),2).alias(‘所有课的平均分‘).alias(‘所有课的平均分‘)).show()
df_scs.filter(df_scs.score<60).groupBy(df_scs.course).count().show()
- 结果可视化。
评论（0）