spark 9个题3种方法rdd； df；scs 已建好RDD，DataFrame和临时表，直接写抽到题的分析代码： (1)大于95分的得分人次？ (2)Tom选修的科目和考分？ (3)有哪些选修课？ (4)调整20%平时分 (5)每门课的选修人数，按选修人数排序 (6)每门课的平均分，按平均分排序。 (7)每个人的选修课数，平均分，总分 (8)Python考试的前10名 (9)Python课程80分以上的学生人数

1. RDD方法：

# 大于95分的得分人次
rdd.filter(lambda x: x[1] > 95).count()

2. DF方法：

# Tom选修的科目和考分
df.filter(df.name == 'Tom').select('subject', 'score').show()

3. Spark SQL方法：

# Tom选修的科目和考分
spark.sql("SELECT subject, score FROM temp_table WHERE name = 'Tom'").show()

4. RDD方法：

# 调整20%平时分
rdd.map(lambda x: (x[0], x[1]*0.8 + x[2]*0.2, x[3])).collect()

5. DF方法：

# 每门课的选修人数，按选修人数排序
df.groupBy('subject').count().orderBy('count', ascending=False).show()

6. Spark SQL方法：

# 每门课的平均分，按平均分排序
spark.sql("SELECT subject, AVG(score) as avg_score FROM temp_table GROUP BY subject ORDER BY avg_score DESC").show()

7. DF方法：

# 每个人的选修课数，平均分，总分
df.groupBy('name').agg({'subject':'count', 'score':'mean', 'score':'sum'}).show()

8. RDD方法：

# Python考试的前10名
rdd.filter(lambda x: x[0] == 'Python').sortBy(lambda x: -x[1]).take(10)

9. Spark SQL方法：

# Python课程80分以上的学生人数
spark.sql("SELECT COUNT(DISTINCT name) FROM temp_table WHERE subject = 'Python' AND score >= 80").show()