完成以下算子的应用案例 （1）map(func) （2）flatMap(func) groupByKey() reduceByKey(func) distinct() union（） intersection（） subtract（） zip（）

完成以下算子的应用案例：

1. map(func): 这个函数常用于数据转换，例如在处理列表时，你可以对每个元素应用一个操作。比如在Python的Pandas库中，可以对一列数据进行数学运算、字符串处理等。例如：

   data = [1, 2, 3, 4]
   squared_data = list(map(lambda x: x**2, data))  # 输出：[1, 4, 9, 16]

2. flatMap(func): 主要在处理扁平化数据结构时使用，如流(Stream)处理中，将每个元素通过func转换为零个或多个新元素。例如在Spark中，过滤并合并文本行到单个单词流：

   words = sc.textFile("file.txt").flatMap(lambda line: line.split())

3. groupByKey(): 用于将数据按照键(key)分组，常用于统计分析，如计算每个城市的用户数：

   user_counts = data.groupByKey().mapValues(len)

4. reduceByKey(func): 合并具有相同键值的数据，通常用于求和、平均值等聚合操作：

   total_sales = sales_data.reduceByKey(lambda a, b: a + b)

5. distinct(): 返回集合中唯一的元素，去除重复项：

   unique_users = users.distinct()

6. union(), intersection(), subtract(): 分别表示集合的并集、交集和差集操作，适合数据去重或比较两个集合的相似度：

   set_a = {1, 2, 3}
   set_b = {2, 3, 4}
   combined = set_a.union(set_b)  # 结果：{1, 2, 3, 4}
   common_elements = set_a.intersection(set_b)  # 结果：{2, 3}
   diff = set_a.subtract(set_b)  # 结果：{1}

7. zip(): 把两个或更多的序列按相同索引打包成元组，适合合并数据：

   names = ['Alice', 'Bob']
   ages = [20, 25]
   pairs = list(zip(names, ages))