为了账号安全,请及时绑定邮箱和手机立即绑定

Python模拟大数据中的Mapreduce过程

标签:
Python 大数据

Demo1:最简易的模拟Mapreduce过程

from functools import reduce

words = ['a','bb','ccc','dddd']

#map方法:取每一个元素的长度
word_count = map(len,words)

print("map: ",list(word_count))

#reduce方法:取所有长度的总和
word_sum = reduce(lambda x,y:x+y,[1, 2, 3, 4])
print("reduce: ",word_sum)

运行结果:
图片描述

Demo2:稍微详细点的:

map:逐一读出来

import sys 


def read_input(file):
    for line in file:
        yield line.split()

def main():
    data = read_input(sys.stdin)

    for words in data:
        for word in words:
            print("%s%s%d" % (word,'\t',1))

if __name__ == '__main__':
    main()

reduce:对相同的进行累加

import sys 
from operator  import itemgetter 
from itertools import groupby

def read_mapper_output(file,separator = '\t'):
    for line in file:
        yield line.rstrip().split(separator,1)

def main():
    data = read_mapper_output(sys.stdin)
    for current_word,group in groupby(data, itemgetter(0)):
        total_count = sum(int(count) for current_word,count in group)
        print("%s%s%d" % (current_word, '\t' ,total_count))

if __name__ == '__main__':
    main() 

关于itemgetter 和groupby:

groupby 用于对序列进行分组
使用方式:
groupby(iterable[, keyfunc])
iterable 是一个可迭代对象,keyfunc 是分组函数。
用于对 iterable 的连续项进行分组,如果不指定,则默认对 iterable 中的连续相同项进行分组,返回一个 (key, sub-iterator) 的迭代器。

groupby()创建了一个迭代器,而在每次迭代时都会返回一个值(value)和一个子迭代器。value可以理解为groupby(iterable[, keyfunc])中,分组函数keyfunc的运行结果

Demo1:

from itertools import groupby 

for key,value_iter in groupby('aaaabbbccddsscccddd'):
    print(key,':',list(value_iter))

图片描述

Demo2:使用 len 函数作为分组函数

from itertools import groupby 

for key,value_iter in groupby(['aaaa','bbb','cc','dd','ss','ccc','ddd'],len):
    print(key,':',list(value_iter))

图片描述

Demo3:
对比groupby和defaultdict

from operator import itemgetter
from itertools import groupby

rows=[

    {'name':'mark','age':18,'uid':'110'},
    {'name':'miaomiao','age':28,'uid':'160'},
    {'name':'xiaohei','age':38,'uid':'130'},
    {'name':'miaomiao2','age':28,'uid':'150'},
]

#首先根据age排序
print("排序前 \n")
for i in range(len(rows)):
    print(rows[i])
rows.sort(key=itemgetter('age'))
print("排序后 \n")
for i in range(len(rows)):
    print(rows[i])
 
for age,items in groupby(rows,key=itemgetter('age')):
    print(age)
    print(list(items))

图片描述

利用defaultdict生成的一键多值进行分类

from collections import defaultdict

rows=[

    {'name':'mark','age':18,'uid':'110'},
    {'name':'miaomiao','age':28,'uid':'160'},
    {'name':'xiaohei','age':38,'uid':'130'},
    {'name':'miaomiao2','age':28,'uid':'150'},
]

rows_by_age=defaultdict(list)

for row in rows:
    rows_by_age[row['age']].append(row)

for a in rows_by_age:
    print(a)  #访问键
for a in rows_by_age[28]:
    print(a)  #访问键对应的值

图片描述

点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消