统计全球每年的最高/最低气温

已于 2022-12-21 12:08:01 修改
阅读量4.2k 收藏 48
点赞数 12
分类专栏： MapReduce 文章标签： hadoop mapreduce linux centos
于 2022-05-16 12:18:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BIPT919/article/details/124796189
版权

文章目录

数据准备

先启动hadoop，然后打开eclipse

1.下载数据

打开虚拟机从：ftp://ftp.ncdc.noaa.gov/pub/data/gsod 上下载2014~2016年的数据
在这里插入图片描述

2.处理数据

1.在linux本地目录中创建一个文件夹ncdc

cd /usr/loacl
madir /data
cd /usr/loacl/data
mkdir /ncdc

2.去下载的目录，然后把数据复制到ncdc中

在这里插入图片描述

3.解压文件gzip -d *.op.gz

在这里插入图片描述

4.输出数据到data.txt

在/usr/local/data目录下创建一个文件data.txt
cd /usr/local/data
vim data.txt
在这里插入图片描述
cd /usr/local/data/ncdc
回到ncdc目录执行命令 来删除所有文件的首行字段sed -i ‘1d’ *
在这里插入图片描述
将内容写入data.txt文件当中
cat *>>…/data.txt
在这里插入图片描述
查看了一下数据
在这里插入图片描述

5.上传到hdfs中

hdfs dfs -put data.txt /user/temperature
在这里插入图片描述

一、统计全球每年的最高气温和最低气温

实现思路

(1)自定义一个数据类型YearMaxTAndMinT来继承Writable接口，在这个类里定义字符串类型的变量year，定义double类型的变量maxTemp和minTemp，获取get()和set()方法。
(2)创建一个Mapper，命名为MaxTAndMinTMapper，获取年份和气温,年份为key，气温为value输出
(3)创建一个Combiner,命名为MaxTAndMinTCombiner，获取年份最高气温和最低气温,年份为key，气温为value输出
(4)创建一个Reducer,命名为MaxTAndMinTReducer，也是获取年份最高气温和最低气温,并创建一个YearMaxTAndMinT对象，按最高气温和最低气温分别设置maxTemp和minTemp的值。将YearMaxTAndMinT最为value,NullWritable.get()作为key输出
(5)创建运行代码，创建一个驱动类MaxTAndMinT.java
代码如下：

1.YearMaxTAndMinT

package temperature;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.Writable;
public class YearMaxTAndMinT implements Writable{
         private String year;
         private double maxTemp;
         private double minTemp;
         public YearMaxTAndMinT() {
                 
         }

         public String getYear() {
                   return year;

         }

         public void setYear(String year) {
                   this.year = year;

         }

         public double getMaxTemp() {
                   return maxTemp;

         }

         public void setMaxTemp(double maxTemp) {
                   this.maxTemp = maxTemp;

         }

         public double getMinTemp() {
                   return minTemp;

         }

         public void setMinTemp(double minTemp) {
                   this.minTemp = minTemp;
         }

         @Override

         public void readFields(DataInput in) throws IOException {
                   this.year=in.readUTF();
                   this.maxTemp=in.readDouble();
                   this.minTemp=in.readDouble();     
         }

         @Override

         public void write(DataOutput out) throws IOException {
                   out.writeUTF(year);
                   out.writeDouble(maxTemp);
                   out.writeDouble(minTemp); 
         }

    @Override
    public String toString() {
   	 return this.year+"\t"+this.maxTemp+"\t"+this.minTemp;
    }
}

2.Mapper:MaxTAndMinTMapper

package temperature;
import java.io.IOException;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class MaxTAndMinTMapper extends Mapper<LongWritable, Text, Text, DoubleWritable> {
        @Override
         protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, DoubleWritable>.Context context)
                            throws IOException, InterruptedException {
                   String line = value.toString().trim();
    int[] indexs = getIndexs(line);// 获取年份和气温数据的索引范围
    String year = getYear(line, indexs);// 获取年份
        double airTemperature;
        String temperature = getTemperature(line, indexs);
        if (temperature.charAt(0) == '-') { // 每行数据中带 - 号的气温数据做负数处理
            airTemperature = 0-Double.parseDouble(temperature.substring(1));// 获取气温数值
        } else {
            airTemperature = Double.parseDouble(temperature);// 获取气温数值
        }
        context.write(new Text(year), new DoubleWritable(airTemperature));
         }
     //获取年份
   

    public String getYear(String line,int[] indexs){

    return line.substring(indexs[1], indexs[2]).replace(" ", "").substring(0, 4);

    }

      //获取气温
    public String getTemperature(String line,int[] indexs){
    return line.substring(indexs[2],indexs[3]).replace(" ", "");

    }

   //获取年份和气温的索引范围

    
    public int[] getIndexs(String line){

    int[] indexs = new int[4];

    int n=0;

    for(int i=0;i < line.length();i++){

               if(line.charAt(i) == ' '){

                        if(line.charAt(i+1) != ' '){

                                 indexs[n++]=i+1;

                        }

                        if(n == 4){

                                 break;
                        }
               }
    }

    return indexs;

    }

}

3.Combiner:MaxTAndMinTCombiner

package temperature;

import java.io.IOException;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class MaxTAndMinTCombiner extends Reducer<Text, DoubleWritable, Text, DoubleWritable> {
         @Override
         protected void reduce(Text key, Iterable<DoubleWritable> values,
                            Reducer<Text, DoubleWritable, Text, DoubleWritable>.Context context) throws IOException, InterruptedException {
                   double maxValue = Double.MIN_VALUE;// 获取整形最大值
                   double minValue=Double.MAX_VALUE;// 获取最小值
        for (DoubleWritable value : values) {
            maxValue = Math.max(maxValue, value.get());// 获取最高温度
            minValue=Math.min(minValue, value.get());// 获取最低温度
        }
        context.write(key, new DoubleWritable(maxValue));
        context.write(key, new DoubleWritable(minValue));

         }
}

4.Reducer:MaxTAndMinTReducer

package temperature;

import java.io.IOException;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class MaxTAndMinTReducer extends Reducer<Text, DoubleWritable, NullWritable,YearMaxTAndMinT> {
         private YearMaxTAndMinT year_max_min=new YearMaxTAndMinT();
         @Override
         protected void reduce(Text key, Iterable<DoubleWritable> values,
                            Reducer<Text, DoubleWritable, NullWritable,YearMaxTAndMinT>.Context context)
                                               throws IOException, InterruptedException {
                   double maxValue = Double.MIN_VALUE;// 获取整形最大值

                   double minValue=Double.MAX_VALUE;// 获取最小值
        for (DoubleWritable value : values) {
            maxValue = Math.max(maxValue, value.get());// 获取最高温度
            minValue=Math.min(minValue, value.get());
        }
       year_max_min.setYear(key.toString());
       year_max_min.setMaxTemp(maxValue);
       year_max_min.setMinTemp(minValue);    
        context.write(NullWritable.get(),year_max_min);
         }
}

5.运行代码:MaxTAndMinT.java

package temperature;


import java.io.IOException;
import java.nio.file.FileSystem;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import test.JarUtil;

public class MaxTAndMinT extends Configured implements Tool{

	public int run(String[] args) throws Exception {
		Configuration conf = getConf();		
	
        Job MaxTAndMinTJob = Job.getInstance(conf,"max min");
		
		//重要：指定本job所在的jar包
        MaxTAndMinTJob.setJarByClass(MaxTAndMinT.class);
		
		//设置wordCountJob所用的mapper逻辑类为哪个类
		MaxTAndMinTJob.setMapperClass(MaxTAndMinTMapper.class);
		//设置wordCountJob所用的reducer逻辑类为哪个类
		MaxTAndMinTJob.setReducerClass(MaxTAndMinTReducer.class);
		
		//设置map阶段输出的kv数据类型
		MaxTAndMinTJob.setMapOutputKeyClass(Text.class);
		MaxTAndMinTJob.setMapOutputValueClass(DoubleWritable.class);
		
		//设置最终输出的kv数据类型
		MaxTAndMinTJob.setOutputKeyClass(NullWritable.class);
		MaxTAndMinTJob.setOutputValueClass(YearMaxTAndMinT.class);
		MaxTAndMinTJob.setCombinerClass(MaxTAndMinTCombiner.class);
		//设置要处理的文本数据所存放的路径
		FileInputFormat.setInputPaths(MaxTAndMinTJob, new Path("hdfs://master:8020/user/temperature/data.txt"));
		FileOutputFormat.setOutputPath(MaxTAndMinTJob, new Path("hdfs://master:8020/user/output/temperature"));
		
		//提交job给hadoop集群
		MaxTAndMinTJob.waitForCompletion(true);
        return 0;
    }

    public static void main(String[] args) throws Exception {
        //获取当前环境变量
    	Configuration conf =  new Configuration();
    	conf.set("fs.defaultFS", "hdfs://master:8020");// 指定namenode
    	
    	//使用ToolRunner的run方法对自定义的类型进行处理
    	conf.set("mapreduce.job.jar",JarUtil.jar(MaxTAndMinT.class));
          	
    	try {
    	   ToolRunner.run(conf, new MaxTAndMinT(), args);
    	} catch (Exception e) {
			e.printStackTrace();
		}	
    }
}

6.输出结果

在这里插入图片描述

二、筛选气温在15~25°C之间的数据

一般来说，最适合人类生存的温度是15~25°C，所以我们要筛选出这些数据
代码如下：

1.MTAMTMapper类

package between;
import java.io.IOException;

import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Mapper.Context;


public class MTAMTMapper extends Mapper<LongWritable, Text, Text, DoubleWritable> {
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, DoubleWritable>.Context context)
                       throws IOException, InterruptedException {
              String line = value.toString().trim();
int[] indexs = getIndexs(line);// 获取年份和气温数据的索引范围
String year = getYear(line, indexs);// 获取年份
   double airTemperature;
   String temperature = getTemperature(line, indexs);
   if (temperature.charAt(0) == '-') { // 每行数据中带 - 号的气温数据做负数处理
       airTemperature = 0-Double.parseDouble(temperature.substring(1));// 获取气温数值
   } else {
       airTemperature = Double.parseDouble(temperature);// 获取气温数值
   }
   context.write(new Text(year), new DoubleWritable(airTemperature));
    }
//获取年份


public String getYear(String line,int[] indexs){

return line.substring(indexs[1], indexs[2]).replace(" ", "").substring(0, 4);

}

 //获取气温


public String getTemperature(String line,int[] indexs){
return line.substring(indexs[2],indexs[3]).replace(" ", "");

}

//获取年份和气温的索引范围


public int[] getIndexs(String line){

int[] indexs = new int[4];

int n=0;

for(int i=0;i < line.length();i++){

          if(line.charAt(i) == ' '){

                   if(line.charAt(i+1) != ' '){

                            indexs[n++]=i+1;

                   }

                   if(n == 4){

                            break;

                   }

          }
}

return indexs;

     }

}

2.MTAMTReducer类

package between;
import java.io.IOException;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.Reducer.Context;

public class MTAMTReducer extends Reducer<Text,DoubleWritable,Text,DoubleWritable>{
	

	protected void reduce(Text key, Iterable<DoubleWritable> values,Context context) throws IOException, InterruptedException {
		String date=key.toString();

		for(DoubleWritable value:values) {
			if(value.get()>=15 && value.get()<=25) {
		if(date.contains("2014")|| date.contains("2015")|| date.contains("2016")) {
				context.write(key,new DoubleWritable(value.get()));
			}
			}
			}
	}
	}

3.MTAMT类

package between;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import test.JarUtil;
public class MTAMT extends Configured implements Tool{
	@Override
    public int run(String[] args) throws Exception {
		Configuration conf = getConf();		
	
        Job MTAMTJob = Job.getInstance(conf,"15~25°C");
		
		//重要：指定本job所在的jar包
        MTAMTJob.setJarByClass(MTAMT.class);
		//设置wordCountJob所用的mapper逻辑类为哪个类
		MTAMTJob.setMapperClass(MTAMTMapper.class);
		//设置wordCountJob所用的reducer逻辑类为哪个类
		MTAMTJob.setReducerClass(MTAMTReducer.class);
		//设置map阶段输出的kv数据类型
		MTAMTJob.setMapOutputKeyClass(Text.class);
		MTAMTJob.setMapOutputValueClass(DoubleWritable.class);
		
		//设置最终输出的kv数据类型
		MTAMTJob.setOutputKeyClass(Text.class);
		MTAMTJob.setOutputValueClass(DoubleWritable.class);
		
		MTAMTJob.setNumReduceTasks(2);
		//设置要处理的文本数据所存放的路径
		FileInputFormat.setInputPaths(MTAMTJob, new Path("hdfs://master:8020/user/temperature/data.txt"));
		FileOutputFormat.setOutputPath(MTAMTJob, new Path("hdfs://master:8020/user/output/temperature2"));
		
		//提交job给hadoop集群
		MTAMTJob.waitForCompletion(true);
        return 0;
    }

    public static void main(String[] args) throws Exception {
        //获取当前环境变量
    	Configuration conf =  new Configuration();
    	conf.set("fs.defaultFS", "hdfs://master:8020");
    	
    	//使用ToolRunner的run方法对自定义的类型进行处理
    	conf.set("mapreduce.job.jar",JarUtil.jar(MTAMT.class));
          	
    	try {
    	   ToolRunner.run(conf, new MTAMT(), args);
    	} catch (Exception e) {
			e.printStackTrace();
		}	
    }

}

4.输出结果

在这里插入图片描述

补充：JarUtil代码

package test;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.jar.JarEntry;
import java.util.jar.JarOutputStream;
public class JarUtil {
    public static String jar(Class<?> cls){
        String outputJar =cls.getName()+".jar";
        String input = cls.getClassLoader().getResource("").getFile();
        input= input.substring(0,input.length()-1);
        input = input.substring(0,input.lastIndexOf("/")+1);
        input =input +"bin/";
        jar(input,outputJar);
        return outputJar;
    }
    private static void jar(String inputFileName, String outputFileName){
        JarOutputStream out = null;
        try{
            out = new JarOutputStream(new FileOutputStream(outputFileName));
            File f = new File(inputFileName);
            jar(out, f, "");
        }catch (Exception e){
            e.printStackTrace();
        }finally{
            try {
                out.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }

    }
    private static void jar(JarOutputStream out, File f, String base) throws Exception {
        if (f.isDirectory()) {
            File[] fl = f.listFiles();
            base = base.length() == 0 ? "" : base + "/"; // 注意，这里用左斜杠
            for (int i = 0; i < fl.length; i++) {
                jar(out, fl[ i], base + fl[ i].getName());
            }
        } else {
            out.putNextEntry(new JarEntry(base));
            FileInputStream in = new FileInputStream(f);
            byte[] buffer = new byte[1024];
            int n = in.read(buffer);
            while (n != -1) {
                out.write(buffer, 0, n);
                n = in.read(buffer);
            }
            in.close();
        }
    }
}

总结

以上就是全部内容，欢迎大家在评论区讨论

不太聪明的学渣
关注
  • 12
    点赞
  • 踩
  • 48
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
专栏目录
hadoop统计全球每年的最高气温和最低气温
weixin_46034600的博客
12-11 4882
1、课程设计题目及要求 （1）从ftp://ftp.ncdc.noaa.gov/pub/data/gsod下载2014到2018年的天气数据，然后对数据进行清洗，仅保留日期和当天的气温，数据文件保存为temperature.txt； （2）根据temperature.txt，统计全球每年的最高气温和最低气温；要求：按每年每月统计最高和最低气温；按每年每月统计平均气温，并按年月由近到远排序；按年月筛选15-25度之间的气温数据，并按2014到2016年分别存储到3个文件中。 （3）需要提交纸质作业报告，以及程
2021年南非经济发展研究报告
tigermantom2的博客
07-12 818
一、地域发展状况1.1 地理和人口发展状况南非共和国（英语：The Republic of South Africa），简称“南非”。地处南半球，有“彩虹之国”之美誉，位于非洲大陆的最南端，陆地面积为1219090平方公里，其东、南、西三面被印度洋和大西洋环抱，陆地上与纳米比亚、博茨瓦纳、莱索托、津巴布韦、莫桑比克和斯威士兰接壤。东面隔印度洋和澳大利亚相望，西面隔大西洋和巴西、阿根廷相望。南非拥有三个首都：行政首都（中央政府所在地）为茨瓦内，立法首都（议会所在地）为开普敦，司法首都（最高法院所在地）为布隆方
程序员地理系列知识点总结
s13596191285的博客
06-24 4957
目录：新高考地理备考系列（一）中国地理记忆口诀、地理界线和综合地理界线新高考地理备考系列（二）区域经纬线定位新高考地理备考系列（三）突破量化计算18类瓶颈新高考地理备考基础（四）等值线地图综合分析和判读新高考地理备考系列（五）区域地理宏观把握法新高考地理备考系列（六）地理高考题型分类归纳新高考地理备考系列（七）高考地理690个知识点（上）新高考地理备考系列（八）高考地理690个知识点（下）新高考地理备考系列（九）区域地理经纬网空间定位考点总览新高考地理备考系列（十）19个经典高考专题主观题答题要点新高考地理
文献汇总---降尺度方法在气候研究中的应用
辛宣的博客
10-17 183
地球系统模式(Earth system models, ESM)是预测未来气候变化的主要途径，其运行结果是气候谈判和决策的重要依赖。但运行这些模式既困难又昂贵，所研究的情景也很有限。因此需要一种快速、准确的地球系统模式的仿真，将低分辨率的平均响应转化为高分辨率的区域气候变化变量，进而开展人类与地球系统之间相互作用及其不确定性的研究。 1 局部尺度小时级降水量气候模式模拟的降尺度与偏差校正方法 A...
MapReduce数据分析（10）综合实战
learp
11-15 7318
十、MapReduce综合实战 综合实战：环境大数据 案列目的 1.学会分析环境数据文件； 2.学会编写解析环境数据文件并进行统计的代码； 3.学会进行递归MapReduce。 案例要求 要求实验结束时，每位学生均已在master服务器上运行从北京2016年1月到6月这半年间的历史天气和空气质量数据文件中分析出的环境统计结果，包含月平均气温、空气质量分布情况等。 实现原理 近年来，...
Hadoop实训求最高温度和最低温度的数据集
05-04
(1)统计全球每年的最高气温和最低气温。 (2)MapReduce输出结果包含年份、最高气温、最低气温，并按最高气温降序排序。如果最高气温相同，则按最低气温升序排序。 (3)使用自定义数据类型。 (4)结合Combiner和自定义数据类型完成全球每年最高气温和最低气温的统计。 (5)应用ToolRunner的使用和Eclipse提交MapReduce任务。
大数据开发平台Hadoop-MapReduce实训 统计全球每年的最高气温和最低气温
sone_pzk的博客
12-18 9291
标题统计全球每年的最高气温和最低气温 **数据资源来源：ftp://ftp.ncdc.noaa.gov/pub/data/gsod/ 1 实训目标 （1） 掌握 Combiner 的使用。 （2） 掌握自定义数据类型。 2 实训环境 （1） 使用 1.7版本的 JDK 。 （2） 使用带有三个节点的集群，主节点为 master ，子节点为 slave1 ， slav...
MapReduce实践之气象温度
h471507602的博客
11-12 749
                                                        &...
使用Hadoop分析气象数据完整版（附带完整代码）
热门推荐
sky的博客
06-05 4万+
《分布式》布置了一道小作业，让我花了7天时间学习了Hadoop。。。现在终于可以正式地做这个作业了，记录一下。 使用Hadoop分析气象数据1 获取数据1.1 下载数据1.2 数据格式1.3 合并数据2 MapReduce处理数据2.2 环境配置，启动集群2.1 上传到HDFS2.2 编写MapReduce代码 1 获取数据 1.1 下载数据 注意：为了不出现横向拖拉，命令里我加了换行，所有命令都是如此。 获取命令： wget -D --accept-regex=REGEX -P data -r -.
环境大数据MapReduce
紫烟的博客
06-15 1万+
目录 一、题目要求 第一题：月平均气温统计 第二题：每日空气质量统计 第三题：各空气质量分类天数统计 二、问题思路 （一）、月平均气温统计 1、思路 2、代码 （二）、每日空气质量统计 1、思路 2、代码 （三）、各空气质量分类天数统计 1、思路 2、代码 一、题目要求 原数据如下： 第一题：月平均气温统计 得到示例结果如下： 第二题：每日空气质量统计 示例结果如下： 第三题：各空气质量分类天数统计 结果示例如下： 下面我将对这三个问题进..
Hadoop大数据实训，求最高温度最低温度实验报告
05-04
(1)统计全球每年的最高气温和最低气温。 (2)MapReduce输出结果包含年份、最高气温、最低气温，并按最高气温降序排序。如果最高气温相同，则按最低气温升序排序。 (3)使用自定义数据类型。 (4)结合Combiner和自定义数据类型完成全球每年最高气温和最低气温的统计。 (5)应用ToolRunner的使用和Eclipse提交MapReduce任务。
R语言结课分析报告： 最高和最低气温估计
02-16
本R数据分析的目的即是对第二天最高和最低气温进行预测。 二、数据说明 （一）数据来源 这些数据旨在修正韩国气象局在韩国首尔上空运行的LDAPS模型第二天最高和最低气温预测。这些数据包括 2013 年至 2017 年的夏季...
1880-2019年全球平均气温.zip
08-22
该资源中收集了1880年到2019年，一共140年的全球平均气温，对于气象研究方面的工作人员有一定的帮助。
第一章Hadoop概述
cookie的博客
04-21 1180
Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。1)NameNode(nn):存储文件的元数据，如文件名，文件目录结构，文件属性(生成时间、副本数文件权限)，以及每个文件的块列表和块所在的DataNode等:2)DataNode(dn):在本地文件系统存储文件块数据，以及块数据的校验和。每隔一段时间对NameNode元数据备份。简称YARN，另一种资源协调者是Hadoop的资源管理器。
13 Linux实操篇-网络配置
qq_74289024的博客
04-23 896
子网ip 与网关。
Linux多进程(五) 进程池 C++实现
最新发布
Lyajpunov的博客
04-26 586
进程池是一种并发编程模式，用于管理和重用多个处理任务的进程。它通常用于需要频繁创建和销毁进程的情况，以避免因此产生的开销。减少进程创建销毁的开销：避免频繁创建和销毁进程所带来的系统资源开销。提高系统响应速度：由于进程已经初始化并且一直保持在内存中，可以立即分配执行任务，减少了任务等待时间。控制资源使用：通过限制进程池中的进程数量，可以控制系统资源的使用情况，避免资源过度消耗。
Linux——web服务配置
Xinan_____的博客
04-23 1053
GET：请求获取指定资源的表示形式。使用GET方法，客户端请求服务器发送某个资源。POST：向指定资源提交数据，用于处理表单提交、文件上传等操作。PUT：向指定资源位置上传其最新内容，用于更新资源。DELETE：请求服务器删除指定资源。HEAD：请求获取与实体相对应的头部信息，用于获取资源的元数据。OPTIONS：请求查询服务器支持的HTTP方法。TRACE：请求服务器回显收到的请求消息，用于测试或诊断。200 OK：请求成功。：永久重定向，请求的资源已经被分配了新的。
编辑一个程序，要求用户将12个月的降水量输入一个列表，并计算显示该年度的总降雨量，月平均降雨量，最高降雨量和最低降雨量
05-19
以下是 Python 代码实现： ```python # 输入降水量列表 rainfall = [] for i in range(12): month_rainfall = float(input("请输入第%d个月的降水量：" % (i+1))) rainfall.append(month_rainfall) # 计算总降雨量、月平均降雨量、最高降雨量和最低降雨量 total_rainfall = sum(rainfall) avg_rainfall = total_rainfall / 12 max_rainfall = max(rainfall) min_rainfall = min(rainfall) # 显示结果 print("总降雨量为：%.2f" % total_rainfall) print("月平均降雨量为：%.2f" % avg_rainfall) print("最高降雨量为：%.2f" % max_rainfall) print("最低降雨量为：%.2f" % min_rainfall) ``` 用户需要依次输入每个月的降水量，程序会将这些值存储在一个列表中。然后，通过内置的 `sum` 函数计算总降雨量，通过除以 12 计算月平均降雨量，通过内置的 `max` 和 `min` 函数计算最高和最低降雨量。最后，程序将结果显示给用户。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 19
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值