如何使用python中的mapreduce计算单词序列在文件中出现的次数？

tpgth1q7 于 2021-07-13 发布在 Hadoop

关注(0)|答案(1)|浏览(497)

考虑一个包含用空格分隔的单词的文件；用python编写mapreduce程序，计算每个3字序列出现在文件中的次数。
例如，考虑以下文件：

one two three seven one two three
three seven one
seven one two

此文件中每个3字序列出现的次数为：

"three seven one" 2
"four seven one two" 1
"one two three" 2
"seven one two" 2
"two three seven" 1

代码格式：

from mrjob.job import MRJob

class MR3Nums(MRJob):

    def mapper(self,_, line):
        pass

    def reducer(self,key, values):
        pass

if __name__ == "__main__":
    MR3Nums.run()

hadoop mapreduce python mrjob oop

来源：https://stackoverflow.com/questions/67036479/how-to-count-the-number-of-times-a-word-sequence-appears-in-a-file-using-mapred

1条答案

按热度按时间

ctrmrzij1#

Map器应用于每一行，并且应该对每个3字序列进行计数，即产生3字序列，同时计数为1。
减速器称为 key 以及 values ，在哪里 key 是一个3字序列 values 是一个计数列表（应该是一个1的列表）。reducer可以简单地返回3字序列的一个元组和出现的总次数，后者通过sum获得。

class MR3Nums(MRJob):

    def mapper(self, _, line):
        sequence_length = 3
        words = line.strip().split()
        for i in range(len(words) - sequence_length + 1):
            yield " ".join(words[i:(i+sequence_length)]), 1

    def reducer(self, key, values):
        yield key, sum(values)

赞(0）回复(0）举报 2021-07-13

我来回答

如何使用python中的mapreduce计算单词序列在文件中出现的次数？

1条答案

相关问题

热门标签

最新问答