如何解决如何在Python mapreduce reducer部分中使用多个键聚合输出
我在进行mapreduce方面还很陌生,我正在尝试执行以下操作:
我创建了一个映射器,它产生以下结果:
12,United Kingdom:17850 15.3
12,United Kingdom:17850 20.34
12,United Kingdom:17850 22.0
12,United Kingdom:17850 25.5
12,United Kingdom:17850 11.1
12,United Kingdom:13047 54.08
12,United Kingdom:13047 12.6
12,United Kingdom:13047 30.0
12,United Kingdom:13047 9.9
结果包含月份,国家/地区:客户花费的客户
我的mapper.py如下所示:
#!/usr/bin/env python
import sys
import re
from datetime import datetime
infile = sys.stdin
next(infile)
for line in infile:
line = line.strip()
columns = line.split(',')
cust_ID = columns[6]
country = columns[7]
date = columns[4]
date = datetime.strptime(date,'%m/%d/%Y %H:%M')
M = '%02d' % date.month
price = float(columns[5])
qty = int(columns[3])
print '%s,%s:%s\t%s' % (M,country,cust_ID,(price*qty))
由于我的最终目标是按月和国家/地区汇总结果,因此该值将成为每个月和国家/地区组合的最大支出客户,因此我在减速器部分上非常棘手。最终结果如下所示: Month,Country:Customer 。
我当前的reducer.py如下所示:
#!/usr/bin/env python
import sys
import re
current_key = None
current_value = 0
key = None
cur_month_country_key = None
cur_cust_id = None
for line in sys.stdin:
line = line.strip()
key,value = line.split('\t',1)
month_country_key,cust_id = key.split(':')
value = float(value)
if current_key == key:
current_value += value
else:
if current_key:
print('%s:%f' % (current_key,current_value))
current_value = value
current_key = key
if current_key == key:
print('%s:%f' % (current_key,current_value))
从中我可以得到以下结果:
01,Australia:12386:143.000000 01,Australia:12388:431.300000 01,Australia:12393:639.500000 01,Australia:12415:7092.980000 01,Australia:12422:238.500000 01,Australia:12431:384.680000 01,Australia:16321:87.750000 01,Belgium:12383:651.160000
结果为月,country:customer:customerTotal
但是,这并不是我的期望输出,因为我一直坚持如何进一步整合减速器,以便按月(国家/地区为关键)进行聚合,按花费的最高客户排序,然后得出月份,国家/地区:客户。
任何对如何进行我的减速器的投入将不胜感激。我虽然创建了一个字典来存储键-值对,但是由于我需要两个字典,因此被卡住了。一个用于当前月份,国家:客户密钥,另一个用于客户和总支出。任何建议将不胜感激。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。