作业要求来自于:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3339
本次选取的是爬取歌曲《大碗宽面》的歌评数据
1.将爬虫大作业产生的csv文件上传到HDFS
2.对CSV文件进行预处理生成无标题文本文件
3.把hdfs中的文本文件最终导入到数据仓库Hive中
创建数据库:
创建comment表:
创建users表:
4.在Hive中查看并分析数据
查询comment表:
查询users表:
5.用Hive对爬虫大作业产生的进行数据分析,写一篇博客描述你的分析过程和分析结果。(10条以上的查询分析)
(1)查询点赞数前20的评论
分析:在点赞最多的评论中,有对这首歌进行科普的,也有对这首歌以及歌手表示称赞的,可以看出网友对这个作品的评价还可以。
(2)查询点赞数前10的用户信息
(3)查询男女数量比例
分析:其中0表示没有设置性别,1表示性别为男,2表示性别为女,从数量上可以看出男性对这首歌更感兴趣一些。
(4)男性点赞数前20的评论
分析:在男性点赞前20的评论中,可以看出对歌手的评价比较多,也有喜欢吃面而来的。
(5)女性点赞数前20的评论
分析:在女性点赞前20的评论中,出现最多的词汇是哈哈哈,可以看出这首歌还挺逗。
(6)评论用户中的平均等级
分析:在这首歌的评论中,用户的平均等级为六点多,从用户等级制度来看,评论的用户使用这个平台时间挺长的。
(7)评论用户的等级分布
分析:在等级分布来看,用户等级在6、7、8级的比较多,可以看出大部分都是音乐爱好者。
(8)评论用户中的平均年龄
(9)评论用户的城市前十分布
分析:根据城市编号和用户的城市分布来看,用户主要分布在北京、广东、四川等地区。
(10)粉丝数前25的用户的评论
分析:一些粉丝数较多的用户也对这首歌的评价不低,说明这首歌确实很不错吧。
(11)关注数前25的用户评论
分析:在关注数前25的用户评论中,出现了相同的用户评论了多条评论,说明这些用户热衷于评论音乐;
(12)评论用户中平均听歌数量
分析:在评论用户中,平均听歌数量接近三千。