[英]Hadoop MapReduce | SMA in python
我是Python和MapReduce的新手。 我正在嘗試使用Python中的Ta-Lib庫計算簡單移動平均線(SMA)。 我有一個像這樣的數據框:
AA BB
2008-03-05 36.60 36.60
2008-03-04 38.37 38.37
2008-03-03 38.71 38.71
2008-03-02 38.00 38.00
2008-03-01 38.32 38.32
2008-02-29 37.14 37.14
AA和BB是股票代碼,並顯示了6天的價值。
有人可以幫我從這里出去嗎 ? 地圖應該執行什么操作,Reduce應該獲得什么輸入?
最終輸出應打印出庫存A和B的SMA。
什么是SMA(簡單移動平均線)? 一種簡單的或算術的移動平均值,其計算方法是將多個時間段的有價證券的收盤價相加,然后將該總和除以時間段數。
例如,在上面的示例中,收盤價為:37.14(2008-02-29),38.32(2008-03-01),38.00(2008-03-02),38.71(2008-03-03),38.37( 2008-03-04),36.60(2008-03-05)。
因此,2008-03-02的3天SMA為(37.14 + 38.32 + 38.00)/ 3 = 37.82 2008-02-29沒有3天SMA(因為只有1天的數據:2008-02 -29)和2008年3月1日的3天均線(僅2天有數據:2008-02-29、2008-03-01)。
以下是針對您的數據進行3天SMA的解決方案(您可以輕松地將其更改為“ n”天SMA)。
映射器(m.py):
import sys
for line in sys.stdin:
val = line.strip()
vals = val.split('\t')
print "%s\t%s:%s" % (vals[0], vals[1], vals[2])
映射器邏輯:它僅讀取行中制表符分隔的值並輸出“ {key} \\ t {val1}:{val2}。
例如,對於第一行(制表符分隔的值):
2008-03-05 36.60 36.60
它輸出:
2008-03-05 36.60:36.60
減速器(r.py):
import sys
lValueA = list()
lValueB = list()
smaInterval = 3
for line in sys.stdin:
(key, val) = line.strip().split('\t')
vals = val.split(':')
lValueA.append(float(vals[0]))
lValueB.append(float(vals[1]))
if len(lValueA) == smaInterval:
sumA = 0;
sumB = 0;
for a in lValueA:
sumA += a
for b in lValueB:
sumB += b
sumA = sumA / smaInterval;
sumB = sumB / smaInterval;
print "%s\t%.2f\t%.2f" % (key, sumA, sumB);
del lValueA[0]
del lValueB[0]
減速器邏輯:
smaInterval = 3
) 我為您的輸入執行了此命令。
我執行了它,沒有使用下面的Hadoop(input.txt包含問題中提到的輸入,並用制表符分隔值):
cat input.txt | python m.py | sort | python r.py
我得到以下輸出(我驗證是正確的):
2008-03-02 37.82 37.82
2008-03-03 38.34 38.34
2008-03-04 38.36 38.36
2008-03-05 37.89 37.89
使用Hadoop框架,您應該能夠執行以下操作:
hadoop jar hadoop-streaming-2.7.1.jar -input {Input directory in HDFS} -output {Output directory in HDFS} -mapper {Path to the m.py} -reducer {Path to the r.py}
注意:此代碼可以優化,並且可能完全不需要reducer。 如果數據很小,則可以在映射器本身上讀取所有值,對它們進行排序,然后計算SMA。 我只是編寫了這段代碼,以說明使用Hadoop流計算進行SMA的計算。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.