使用python编写一个 MapReduce 程序，用于访问所有空气质量数据 集，并从中筛选出“成都”和“广州”两个城市的 AQI，按照空气质量 为优、良来统计它们出现的次数，以及出现的概率

这里提供一个基于Python的MapReduce程序的实现，前提是需要安装Hadoop并配置好环境。

1. Mapper

#!/usr/bin/env python
import sys
import json

for line in sys.stdin:
    data = json.loads(line)
    city = data['city']
    aqi = data['AQI']
    if city == '成都' or city == '广州':
        if aqi <= 50:
            print(city + '\t' + '优' + '\t' + '1')
        elif aqi <= 100:
            print(city + '\t' + '良' + '\t' + '1')

2. Reducer

#!/usr/bin/env python
import sys

total_count = 0
city_count = {'成都': 0, '广州': 0}
quality_count = {'成都': {'优': 0, '良': 0}, '广州': {'优': 0, '良': 0}}

for line in sys.stdin:
    city, quality, count = line.strip().split('\t')
    count = int(count)
    total_count += count
    city_count[city] += count
    quality_count[city][quality] += count

for city in city_count:
    print('城市 ' + city + ' 出现的概率为：' + str(city_count[city]/total_count))
    for quality in quality_count[city]:
        print('城市 ' + city + ' 空气质量 ' + quality + ' 出现的次数为：' + str(quality_count[city][quality]))

3. 执行MapReduce

假设我们有一个名为`air_quality.json`的文件，其中包含了空气质量的数据集。

cat air_quality.json | ./mapper.py | sort | ./reducer.py

执行上述命令后，就会得到每个城市的空气质量为优、良的出现次数和出现概率。