印出單字出現頻率

把相同鍵（單字）的值（計數）合併之後，這個練習要你回傳前 10 個單字的出現頻率。你也可以用 collect() 一次取回所有元素，但這是不良做法且不建議。RDD 可能非常大：你可能會耗盡記憶體，導致電腦當機。

如果我們想回傳前 10 個單字呢？為此，你需要先把鍵（單字）和值（計數）對調，讓鍵是計數、值是單字。現在 result_RDD 的「鍵是第 0 個元素、值是第 1 個元素」。在你把 tuple 裡的鍵和值交換之後，接著要依鍵（計數）對成對 RDD 進行排序。如此一來，就能直接依鍵排序 RDD，而不必在 PySpark 使用 sortByKey。最後，從排序後的 RDD 依出現頻率回傳前 10 個單字。

你的工作空間中已提供 SparkContext sc 與 resultRDD。

本練習屬於課程

使用 PySpark 的 Big Data 基礎

檢視課程

練習說明

從 resultRDD RDD 印出前 10 個單字及其出現頻率。
將 resultRDD 中的鍵和值對調。
依鍵做遞減排序。
從排序後的 RDD 印出前 10 個最常見的單字及其出現頻率。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Display the first 10 words and their frequencies from the input RDD
for word in resultRDD.____(10):
	print(word)

# Swap the keys and values from the input RDD
resultRDD_swap = resultRDD.____(lambda x: (x[1], x[____]))

# Sort the keys in descending order
resultRDD_swap_sort = resultRDD_swap.____(ascending=False)

# Show the top 10 most frequent words and their frequencies from the sorted RDD
for word in resultRDD_swap_sort.____(____):
	print("{},{}". format(____, word[0]))

編輯並執行程式碼