我对Python和MapReduce相对较新。我试图用Python中的Ta-Lib库计算简单移动平均值(SMA)。我有一个这样的数据框:
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是股票代码,显示了6天的价值 有人可以帮我从这里出去吗 ?地图执行应该是什么以及Reduce应该获得什么输入?
最终输出应打印股票A和B的SMA。
答案 0 :(得分:0)
什么是SMA(简单移动平均线)?一个简单的算术移动平均线,通过将保证金的收盘价加上若干个时间段然后将其除以时间段数。
例如在上面的例子中,收盘价是: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)。
所以2008-03-02的3天SMA是(37.14 + 38.32 + 38.00)/ 3 = 37.82 2008-02-29没有3天SMA(因为数据仅为1天:2008-02-29)而2008-03-01没有3天SMA(仅有2天的数据: 2008-02-29,2008-03-01)。
以下是解决方案,为您的数据提供3天SMA(您可以轻松将其更改为'n'天SMA)。
Mapper(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])
Mapper Logic: 它只读取行中的制表符分隔值并输出“{key} \ t {val1}:{val2}。
例如第一行(制表符分隔值):
2008-03-05 36.60 36.60
输出:
2008-03-05 36.60:36.60
减速机(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]
缩减逻辑:
smaInterval = 3
)我为你的输入执行了这个。
我执行了它,没有使用如下的Hadoop(input.txt包含问题中提到的输入,带有制表符分隔值):
cat input.txt | python m.py | sort | python r.py
我得到了以下输出(我验证了它是正确的):
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
您应该能够使用Hadoop框架执行相同的操作:
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:强> 这段代码可以优化,也可以,根本不需要减速器。如果您的数据很小,则在mapper端本身您可以读取所有值,对它们进行排序然后计算SMA。我刚刚编写了这段代码,用于说明使用Hadoop流式传输的SMA计算。