Spark 分层抽样与求最大值最小值
2017-08-21 16:05
405 查看
详见注释
package com.beagledata.spark import org.apache.spark.{SparkConf, SparkContext} /** * 分层抽样 * * Created by drguo on 2017/8/21. * blog.csdn.net/dr_guo */ object PCSStratifiedSampling { val conf = new SparkConf().setAppName("pcs_sampling") .set("spark.jars.packages", "io.netty:netty-common:4.1.8.Final") .set("spark.jars.exclude", "io.netty:netty-common") //.setMaster("local") val sc = new SparkContext(conf) def main(args: Array[String]): Unit = { //val pcs = sc.textFile("src/main/resources/part-00000") //val pcs = sc.textFile("hdfs://xxxx:8020/data1/Data/NewPCSData") val pcs = sc.textFile(args(0)) //设定抽样格式 double类型变量为抽取每层的比例,所有类别都要写上,不抽取的类别比例设为0 val fractions: Map[Int, Double] = (List((-1, 1.0), (5, 1.0), (6, 1.0), (13, 1.0), (0, 0.066046), (3, 0.382914), (7, 0.357202), (8, 0.043421), (11, 0.69958), (1, 0.0), (2, 0.0), (4, 0.0), (-2, 0.0), (14, 0.0))).toMap val pcsKV = pcs.map(_.split(";")).map{x => val key = x(0).toInt val value = x(1)+";"+x(2)+";"+x(3)+";"+x(4) (key, value) } val pcsSample = pcsKV.sampleByKey(withReplacement = false, fractions, 0)//0为种子,种子数相同保证每次抽样相同 .map(x => x._1 + ";" + x._2) pcsSample.take(5).foreach(println) //pcsSample.saveAsTextFile("/data1/Data/PCSSample") pcsSample.saveAsTextFile(args(1)) } }
参考链接: http://www.cnblogs.com/skyEva/p/5554130.html http://blog.csdn.net/xubo245/article/details/51485443 https://github.com/endymecy/spark-ml-source-analysis/blob/master/%E5%9F%BA%E6%9C%AC%E7%BB%9F%E8%AE%A1/tratified-sampling.md
package com.beagledata.spark import org.apache.spark.{SparkConf, SparkContext} /** * pcs数据统计:按类别,x最大值,x最小值,y最大值,y最小值,x个数,y个数统计 * * Created by drguo on 2017/8/21. * blog.csdn.net/dr_guo */ object PCSDataCount { val conf = new SparkConf().setAppName("pcscount") .set("spark.jars.packages", "io.netty:netty-common:4.1.8.Final") .set("spark.jars.exclude", "io.netty:netty-common") //.setMaster("local") val sc = new SparkContext(conf) def main(args: Array[String]): Unit = { //val pcs = sc.textFile("src/main/resources/part-00000") //val pcs = sc.textFile("hdfs://xxxx:8020/data1/Data/NewPCSData") val pcs = sc.textFile(args(0)) //按类别,x最大值,x最小值,y最大值,y最小值,x个数,y个数统计 val labelxy = pcs.map(_.split(";")) .map(x => "label:"+x(0)+"\tx_max:"+x(1).split(",").max+"\tx_min:"+x(1).split(",").min+"\ty_max:"+x(2).split(",").max+"\ty_min:"+x(2).split(",").min+"\tx_length:"+x(1).split(",").length+"\ty_length:"+x(2).split(",").length)//.take(10).foreach(println) labelxy.saveAsTextFile("/data1/Data/PCSDataCount") //类别统计:统计每类有多少元素(类似wordcount) pcs.map(_.split(";")).map(x => x(0)).map((_, 1)).reduceByKey(_+_).collect().foreach(println) } }
相关文章推荐
- Spark经典案例5-求最大最小值
- 求int类型最大最小值
- 用分治法查找数组元素的最大值和最小值
- HDU - 3374 String Problem (最大最小值表示法+kmp)
- 华为 去掉最大最小值
- C/C++中各种类型int、long long、double表示范围(最大最小值)
- c#方法 最大值我最小值
- 寻找数组中 的最大值最小值
- JS获取随机数函数可自定义最小值最大值
- JS中如何快速获取数组中的最大值最小值
- 分而治之算法——找最大值最小值
- 计算三个数的最大值与最小值
- 分组求最大最小值
- 关于二维矩阵的最大最小值的询问
- 素数,最大公约数与最小公倍数,最大值与最小值
- PHP求某二维数组,某一列元素的最大最小值
- int型整数的最大值和最小值
- Oracle求连续区间内的最大最小值
- 二维数组中行最大值中的最小值
- 算法提高 题目1 最大最小值