Merge branch 'master' of http://bdgit.educoder.net/p43182670/prply92i3

chapter2/2.2对战斗机飞行性能进行分析.md

@@ -44,6 +44,64 @@ spark = SparkSession \
 
 `sqlDF = spark.sql("sql语句")`
 
+`sql`语句参考处理思路：
+最大飞行速度字段特征：带有分隔符的数字和中文组成，如`1,438.4`千米每小时
+
+第一步：提取中文前的所有数字，可使用已有函数`regexp_extract`通过正则表达式提取。
+`regexp_extract`函数：`regexp_extract(str, regexp, [idx]) `
+
+参数说明：
+
+`str`是被解析的字符串或字段名；
+
+`regexp` 是正则表达式；
+
+`idx`是返回结果，取表达式的哪一部分默认值为`1`；
+
+`0`表示把整个正则表达式对应的结果全部返回；
+
+`1`表示返回正则表达式中第一个()对应的结果，以此类推 。
+
+示例：
+1）`select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',0) ;`
+得到的结果为:
+
+`itde`
+
+2）`select regexp_extract('hitdecisiondlist','(i)(.*?)(e)',1) ;`
+
+得到的结果为:
+
+`i`
+
+本例可使用如下表达式提取：
+`(regexp_extract(`最大飞行速度`,'[\d,\.]+',0)`
+
+需要注意的是当把该表达式加入`spark.sql("sql语句")`时，`\d`和`\.`需要转义（`\\`）。
+
+
+第二步：使用`replace`函数去除千位分隔符`,`。
+
+REPLACE函数：( string_replace1 , string_replace2 , string_replace3 )
+参数说明：
+`string_replace1`:待搜索的字符串表达式。
+
+`string_replace2`:待查找的字符串表达式。
+    
+`string_replace3`:替换用的字符串表达式。
+
+本例可使用如下表达式将`,`替换为`''`：
+`replace(regexp_extract(`最大飞行速度`,'[\\\d,\\\.]+',0),',','')`
+
+第三步：使用`CAST`函数将字符串转化为`double`用于排序。
+
+本例可使用如下表达式：
+`cast(replace(regexp_extract(`最大飞行速度`,'[\\\d,\\\.]+',0),',','') as float)`
+
+第四步：使用降序输出前三。
+
+
+
 5.将处理结果保存到本地目录；
 
 `sqlDF.write.format("json").save("保存路径")`