给定一个地震前兆台网水位观测数据文件，给出利用Spark求取每天平均水位（忽略缺数的记录）的程序代码（在Spark Shell中完成即可）。

假设地震前兆台网水位观测数据文件为`water_levels.txt`，每行包含日期、站点编号和水位数据，用逗号分隔。可以按照以下步骤在Spark Shell中完成每天平均水位的计算：

1. 读取数据文件并创建RDD：

scala> val data = sc.textFile("water_levels.txt")

2. 将每行数据按照逗号分隔，并过滤掉缺数的记录：

scala> val filtered = data.map(line => line.split(","))
                          .filter(fields => fields(2) != "缺数")

3. 将每条记录转换为二元组，其中第一个元素为日期，第二个元素为水位数据：

scala> val pairs = filtered.map(fields => (fields(0), fields(2).toDouble))

4. 对每个日期的水位数据求和，并统计每个日期的记录数：

scala> val sums = pairs.reduceByKey(_ + _)
scala> val counts = pairs.mapValues(_ => 1L).reduceByKey(_ + _)

5. 将每个日期的水位总和除以记录数，得到每天平均水位：

scala> val averages = sums.join(counts).mapValues { case (sum, count) => sum / count }

6. 按照日期排序并打印出结果：

scala> averages.sortByKey().collect().foreach(println)

完整的代码如下：

val data = sc.textFile("water_levels.txt")
val filtered = data.map(line => line.split(",")).filter(fields => fields(2) != "缺数")
val pairs = filtered.map(fields => (fields(0), fields(2).toDouble))
val sums = pairs.reduceByKey(_ + _)
val counts = pairs.mapValues(_ => 1L).reduceByKey(_ + _)
val averages = sums.join(counts).mapValues { case (sum, count) => sum / count }
averages.sortByKey().collect().foreach(println)

这段代码将每天平均水位计算出来并按照日期排序输出。注意，这里假设水位数据都是合法的浮点数，如果数据中可能存在非法值，还需要进行一些额外的过滤和异常处理。