hadoop流-如何使用python内部连接两个diff文件

我想根据18到25岁之间的用户年龄组找出访问量最大的网站页面。 我有两个文件，一个包含用户名，年龄和其他文件包含用户名，网站名。示例：

users.txt

约翰，22岁

pages.txt

John，google.com

我已经用python编写了以下内容，在hadoop之外，它可以像我预期的那样工作

import os
os.chdir("/home/pythonlab")

#Top sites visited by users aged 18 to 25

#read the users file
lines = open("users.txt")
users = [ line.split(",") for line in lines]      #user name, age (eg - john, 22)
userlist = [ (u[0],int(u[1])) for u in users]     #split the user name and age

#read the page visit file
pages = open("pages.txt")
page = [p.split(",") for p in pages]              #user name, website visited (eg - john,google.com)
pagelist  = [ (p[0],p[1]) for p in page]

#map user and page visits & filter age group between 18 and 25
usrpage = [[p[1],u[0]] for u in userlist for p in pagelist  if (u[0] == p[0] and u[1]>=18 and u[1]<=25) ]

for z in usrpage:
    print(z[0].strip('\r\n')+",1")     #print website name, 1

导入操作系统
os.chdir（“/home/pythonlab”）
#18至25岁用户访问的热门网站
#读取用户文件
行=打开（“users.txt”）
users=[line.split（“，”）表示行中的行]#用户名、年龄（例如-john，22岁）
userlist=[（u[0]，int（u[1]）表示用户中的u]#拆分用户名和年龄
#读取页面访问文件
pages=打开（“pages.txt”）
页面=[p.split（“，”）表示页面中的p]#用户名，访问过的网站（例如-john，google.com）
页面列表=[（p[0]，p[1]），用于第页中的p]
#映射用户和页面访问并筛选18到25岁的年龄组
如果（u[0]==p[0]和u[1]>=18和u[1]，则页面列表中p的用户列表中的u的usrpage=[[p[1]，u[0]]您需要研究如何使用。这将允许您将多个源文件合并为一个源文件，就像您需要的那样。它允许您将两个数据源合并在一起，就像在SQL中一样，然后将结果推送到映射器和减缩器中。
请注意格式设置；小文本旁边有大文本，并且代码未格式化。