实验内容：统计timemachine.txt文件里的所有单词出现的次数，将统计结果写入到mysql中的wordCount表中。wordCount表结构为id word count，其中id为主键，word为单词，count为出现次数。 具体内容： 在mysql中新建spark数据库，在spark数据库中创建表wordCount 在wordCount表中插入一条标记数据(如下图) 编写代码，并运行编写的代码，将统计数据写入数据库 在mysql命令行查询wordCount表中的数据数量 在mysql命令行中验证是否有非法单词（select * from wordCount where word like '%'%'） 使用pyspark，连接数据库，完成下列操作 timemachine.txt中一共有多少个单词(参考课本106页) timemachine.txt中一共出现过多少个单词 timemachine.txt中出现次数最多的10个单词 timemachine.txt中出现次数超过200次的单词 timemachine.txt中平均每个单词出现的次数

好的，我明白了。让我逐一回答你的问题：

1. timemachine.txt中一共有多少个单词？

可以使用以下代码实现：

   # 读取文件
   rdd = sc.textFile("timemachine.txt")
   # 切割单词
   words = rdd.flatMap(lambda line: line.strip().split(" "))
   # 统计单词个数
   count = words.count()
   print("timemachine.txt中一共有%s个单词" % count)

2. timemachine.txt中一共出现过多少个单词？

可以使用以下代码实现：

   # 读取文件
   rdd = sc.textFile("timemachine.txt")
   # 切割单词
   words = rdd.flatMap(lambda line: line.strip().split(" "))
   # 统计单词个数
   count = words.distinct().count()
   print("timemachine.txt中一共出现过%s个单词" % count)

3. timemachine.txt中出现次数最多的10个单词？

可以使用以下代码实现：

   # 读取文件
   rdd = sc.textFile("timemachine.txt")
   # 切割单词
   words = rdd.flatMap(lambda line: line.strip().split(" "))
   # 统计单词个数，按照出现次数降序排列，取前10个
   top10 = words.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b).sortBy(lambda x: x[1], False).take(10)
   print("timemachine.txt中出现次数最多的10个单词为：")
   for (word, count) in top10:
       print(word, count)

4. timemachine.txt中出现次数超过200次的单词？

可以使用以下代码实现：

   # 读取文件
   rdd = sc.textFile("timemachine.txt")
   # 切割单词
   words = rdd.flatMap(lambda line: line.strip().split(" "))
   # 统计单词个数，过滤出现次数大于200的单词
   result = words.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b).filter(lambda x: x[1] > 200).collect()
   print("timemachine.txt中出现次数超过200次的单词为：")
   for (word, count) in result:
       print(word, count)

5. timemachine.txt中平均每个单词出现的次数？

可以使用以下代码实现：

   # 读取文件
   rdd = sc.textFile("timemachine.txt")
   # 切割单词
   words = rdd.flatMap(lambda line: line.strip().split(" "))
   # 统计单词个数，求出现次数的总和
   count_sum = words.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b).map(lambda x: x[1]).sum()
   # 统计单词个数
   word_count = words.distinct().count()
   # 计算平均出现次数
   avg_count = count_sum / word_count
   print("timemachine.txt中平均每个单词出现的次数为：%s" % avg_count)