1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的 Spark SQL 入门
Connected

道练习

查找常见的词序列

此前我们演示了如何编写查询来查找长度为 3 的词序列（"3-tuples"）。 我们将该查询作为子查询，配合传统 SQL 查询，从文本中找出最常见的 3-tuples。 现在，您将做类似的事情，找出最常见的 5-tuples。

已提供 DataFrame text_df。它包含《福尔摩斯》文本的前 5 章，列为：word、id、part、title。id 列为整数，文档中位置更靠后的词具有更大的 id，位置更靠前的词 id 更小。part 列用于按章节分隔数据。DataFrame text_df 也已注册为名为 text 的临时表。我们的目标是创建一个数据集，其中每一行对应一个 5-tuple，并带有 count，表示该元组在数据集中出现的次数。

说明

100 XP
  • 创建查询 query，找出数据集中最常见的 10 个 5-tuples。