用DataFrame的操作或SQL语句完成以下数据分析要求，并和用RDD操作的实现进行对比：
每个分数+5分。
2.总共有多少学生？
3.总共开设了哪些课程？
4.每个学生选修了多少门课？
5.每门课程有多少个学生选？
6.每门课程大于95分的学生人数？
7.Tom选修了几门课？每门课多少分？
8.Tom的成绩按分数大小排序。
9.Tom的平均分。
10.求每门课的平均分，最高分，最低分。
11.求每门课的选修人数及平均分，精确到2位小数。
12.每门课的不及格人数，通过率
二、用SQL语句完成以上数据分析要求
1.每个分数+5分。
2.总共有多少学生？
3.总共开设了哪些课程？
4.每个学生选修了多少门课？
5.每门课程有多少个学生选？
6.每门课程大于95分的学生人数？
7.Tom选修了几门课？每门课多少分？
8.Tom的成绩按分数大小排序。
9.Tom的平均分。
10.求每门课的平均分，最高分，最低分。
11.求每门课的选修人数及平均分，精确到2位小数。
12.每门课的不及格人数，通过率
结果可视化
rates=spark.sql("SELECT cource,SUM(failed) AS failedNumber,CAST(SUM(passNumber) / COUNT(1) AS DECIMAL(5,2)) AS passRate FROM (SELECT cource,(CASE WHEN score>=60 THEN 1 ELSE 0 END) AS passNumber,(CASE WHEN score<60 THEN 1 ELSE 0 END) AS failed FROM scs) group by cource")
from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
bar.add_xaxis([row.cource for row in rates.collect()])
bar.add_yaxis('rate(%)',[row.passRate*100 for row in rates.collect()])
bar.set_global_opts(title_opts=opts.TitleOpts(title="各课程", subtitle="通过率"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(max_=100))
bar.render()
