putdoor的博客

一. 数据集介绍与实现分析1. 数据集介绍本项目使用天池数据集，淘宝广告展示/点击数据集 – Ad Display/Click Dataraw_sample淘宝网站中随机抽样了114万用户8天内的广告展示/点击日志（2600万条记录）构成原始的样本数据:字段描述user_id脱敏过的用户IDadgroup_id脱敏过的广告单元IDtime_stamp...

1.分析并预处理raw_sample数据集1.1 查看与分析# 从HDFS中加载样本数据信息df = spark.read.csv("hdsf://localhost:9000/datasets/raw_sample.csv", header=True)df.show() # 展示数据，默认前20条df.printSchema()显示结果：+------+----------+--...