python数据分析用什么框架（Python脚本实现数据处理）
python数据分析用什么框架（Python脚本实现数据处理）解压数据yum install -y unzipwget我们下载好数据安装unzip
官网示例
官网地址：
下载数据
wget
我们下载好数据
安装unzip
yum install -y unzip
解压数据
创建库
创建表
CREATE TABLE u_data (
userid INT
movieid INT
rating INT
Unixtime STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE;
加载数据
LOAD DATA LOCAL INPATH '/data/ml-100k/u.data' OVERWRITE INTO TABLE u_data;
查看下数据
SELECT * from u_data limit 10;
编写python脚本，创建文件weekday_mapper.py，编写下面代码
import sys
import datetime
for line in sys.stdin:
line = line.strip()
userid movieid rating unixtime = line.split('\t')
weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
print '\t'.join([userid movieid rating str(weekday)])
创建结果表
CREATE TABLE u_data_new (
userid INT
movieid INT
rating INT
weekday INT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t';
添加文件
add FILE /data/weekday_mapper.py;
插入数据
INSERT OVERWRITE TABLE u_data_new
SELECT
TRANSFORM (userid movieid rating unixtime)
USING 'python weekday_mapper.py'
AS (userid movieid rating weekday)
FROM u_data;
查询结果
SELECT weekday COUNT(*)
FROM u_data_new
GROUP BY weekday;
就可以看到结果了，周一评论量12254，后面依次类推得到信息
再看下常见的时间格式
Hive的自带的时间函数，利用show functions;
查看下面两个函数：
unix_timestamp（转换为时间戳）unix_timestamp，以格林威治时间为基准
from_unixtime （转换为标准时间格式）
这些时间准确表达可以分析网站后台日志数据，统计用户停留时间等。比如查看两条时间的时间差，先转换为统一unix时间戳，再相减就能得到
测试
select unix_timestamp("2015-08-31 00:04:37");
如果使用下面
select unix_timestamp("20150831000437");
select unix_timestamp("20150831 000437");
运行之后null，无法识别格式
指定格式进行转换，
select unix_timestamp("20150831000437" "yyyyMMddHHmmss");
select unix_timestamp("20150831000437" "yyyyMMdd HHmmss");这样也不可以
将Unix时间戳转换为标准时间格式
select from_unixtime(1440950677);
这次就可以
select from_unixtime(1440950677 "yyyyMMdd HHmmss");
