|
|
from pyspark.sql import functions as F
|
|
|
from pyecharts.charts import Line
|
|
|
from pyecharts import options as opts
|
|
|
from 大数据.读取Hbase函数 import HBaseDataLoading
|
|
|
|
|
|
def create_line():
|
|
|
# 需要的列族:列限定符
|
|
|
column = ['info:地址', 'info:其中：研发、试验检验费', 'info:其中：技术（研究）开发费', 'info:其中：支付科研人员的工资及福利费', 'info:营业成本']
|
|
|
|
|
|
df = HBaseDataLoading(column)
|
|
|
|
|
|
# 广西的14个市级名称
|
|
|
cities = ['南宁市', '柳州市', '桂林市', '梧州市', '北海市', '防城港市', '钦州市', '贵港市', '玉林市', '百色市',
|
|
|
'贺州市', '河池市', '来宾市', '崇左市']
|
|
|
# 对每个市进行处理
|
|
|
for city in cities:
|
|
|
df = df.withColumn('地址', F.when(df['地址'].contains(city[:-1]), city).otherwise(df['地址']))
|
|
|
|
|
|
# 对广西的所有县级行政区划及其对应的市级行政区划
|
|
|
county_to_city = {
|
|
|
# 南宁市
|
|
|
'兴宁区': '南宁市',
|
|
|
'青秀区': '南宁市',
|
|
|
'江南区': '南宁市',
|
|
|
'西乡塘区': '南宁市',
|
|
|
'良庆区': '南宁市',
|
|
|
'邕宁区': '南宁市',
|
|
|
'武鸣区': '南宁市',
|
|
|
'隆安县': '南宁市',
|
|
|
'马山县': '南宁市',
|
|
|
'上林县': '南宁市',
|
|
|
'宾阳县': '南宁市',
|
|
|
'横县': '南宁市',
|
|
|
# 柳州市
|
|
|
'城中区': '柳州市',
|
|
|
'鱼峰区': '柳州市',
|
|
|
'柳南区': '柳州市',
|
|
|
'柳北区': '柳州市',
|
|
|
'柳江区': '柳州市',
|
|
|
'柳城县': '柳州市',
|
|
|
'鹿寨县': '柳州市',
|
|
|
'融安县': '柳州市',
|
|
|
'融水苗族自治县': '柳州市',
|
|
|
'三江侗族自治县': '柳州市',
|
|
|
# 桂林市
|
|
|
'秀峰区': '桂林市',
|
|
|
'叠彩区': '桂林市',
|
|
|
'象山区': '桂林市',
|
|
|
'七星区': '桂林市',
|
|
|
'雁山区': '桂林市',
|
|
|
'临桂区': '桂林市',
|
|
|
'阳朔县': '桂林市',
|
|
|
'灵川县': '桂林市',
|
|
|
'全州县': '桂林市',
|
|
|
'兴安县': '桂林市',
|
|
|
'永福县': '桂林市',
|
|
|
'灌阳县': '桂林市',
|
|
|
'龙胜各族自治县': '桂林市',
|
|
|
'资源县': '桂林市',
|
|
|
'平乐县': '桂林市',
|
|
|
'荔浦市': '桂林市',
|
|
|
'恭城瑶族自治县': '桂林市',
|
|
|
# 梧州市
|
|
|
'万秀区': '梧州市',
|
|
|
'长洲区': '梧州市',
|
|
|
'龙圩区': '梧州市',
|
|
|
'苍梧县': '梧州市',
|
|
|
'藤县': '梧州市',
|
|
|
'蒙山县': '梧州市',
|
|
|
'岑溪市': '梧州市',
|
|
|
# 北海市
|
|
|
'海城区': '北海市',
|
|
|
'银海区': '北海市',
|
|
|
'铁山港区': '北海市',
|
|
|
'合浦县': '北海市',
|
|
|
# 防城港市
|
|
|
'港口区': '防城港市',
|
|
|
'防城区': '防城港市',
|
|
|
'上思县': '防城港市',
|
|
|
'东兴市': '防城港市',
|
|
|
# 钦州市
|
|
|
'钦南区': '钦州市',
|
|
|
'钦北区': '钦州市',
|
|
|
'灵山县': '钦州市',
|
|
|
'浦北县': '钦州市',
|
|
|
# 贵港市
|
|
|
'港北区': '贵港市',
|
|
|
'港南区': '贵港市',
|
|
|
'覃塘区': '贵港市',
|
|
|
'平南县': '贵港市',
|
|
|
'桂平市': '贵港市',
|
|
|
# 玉林市
|
|
|
'玉州区': '玉林市',
|
|
|
'福绵区': '玉林市',
|
|
|
'容县': '玉林市',
|
|
|
'陆川县': '玉林市',
|
|
|
'博白县': '玉林市',
|
|
|
'兴业县': '玉林市',
|
|
|
'北流市': '玉林市',
|
|
|
# 百色市
|
|
|
'右江区': '百色市',
|
|
|
'田阳县': '百色市',
|
|
|
'田东县': '百色市',
|
|
|
'平果县': '百色市',
|
|
|
'德保县': '百色市',
|
|
|
'那坡县': '百色市',
|
|
|
'凌云县': '百色市',
|
|
|
'乐业县': '百色市',
|
|
|
'田林县': '百色市',
|
|
|
'西林县': '百色市',
|
|
|
'隆林各族自治县': '百色市',
|
|
|
'靖西市': '百色市',
|
|
|
# 贺州市
|
|
|
'八步区': '贺州市',
|
|
|
'平桂区': '贺州市',
|
|
|
'昭平县': '贺州市',
|
|
|
'钟山县': '贺州市',
|
|
|
'富川瑶族自治县': '贺州市',
|
|
|
# 河池市
|
|
|
'金城江区': '河池市',
|
|
|
'南丹县': '河池市',
|
|
|
'天峨县': '河池市',
|
|
|
'凤山县': '河池市',
|
|
|
'东兰县': '河池市',
|
|
|
'罗城仫佬族自治县': '河池市',
|
|
|
'环江毛南族自治县': '河池市',
|
|
|
'巴马瑶族自治县': '河池市',
|
|
|
'都安瑶族自治县': '河池市',
|
|
|
'大化瑶族自治县': '河池市',
|
|
|
'宜州市': '河池市',
|
|
|
# 来宾市
|
|
|
'兴宾区': '来宾市',
|
|
|
'忻城县': '来宾市',
|
|
|
'象州县': '来宾市',
|
|
|
'武宣县': '来宾市',
|
|
|
'金秀瑶族自治县': '来宾市',
|
|
|
'合山市': '来宾市',
|
|
|
# 崇左市
|
|
|
'江州区': '崇左市',
|
|
|
'扶绥县': '崇左市',
|
|
|
'宁明县': '崇左市',
|
|
|
'龙州县': '崇左市',
|
|
|
'大新县': '崇左市',
|
|
|
'天等县': '崇左市',
|
|
|
'凭祥市': '崇左市',
|
|
|
# 特殊值
|
|
|
'高新技术产业开发区': '南宁市',
|
|
|
'南宁经济技术开发区': '南宁市',
|
|
|
'东盟经济技术开发区': '南宁市',
|
|
|
'高新区': '南宁市',
|
|
|
'武鸣县': '南宁市',
|
|
|
'隆安': '南宁市',
|
|
|
'融水县': '柳州市',
|
|
|
'融安': '柳州市',
|
|
|
'柳江县': '柳州市',
|
|
|
'柳邕': '柳州市',
|
|
|
'平果': '百色市',
|
|
|
'田阳': '百色市',
|
|
|
'灵川': '桂林市',
|
|
|
'临桂': '桂林市',
|
|
|
'龙胜县': '桂林市',
|
|
|
'荔浦县': '桂林市',
|
|
|
'恭城县': '桂林市',
|
|
|
'巴马县': '河池市',
|
|
|
'罗城': '河池市',
|
|
|
'合浦': '北海市',
|
|
|
# 特殊值2
|
|
|
'科园西十路24号': '南宁市',
|
|
|
'科园东四路5号': '南宁市',
|
|
|
'秀安路13-11号': '南宁市',
|
|
|
'科园大道31号财智时代12楼': '南宁市',
|
|
|
'新兴工业园创业路6号': '柳州市',
|
|
|
'洛维工业集中区': '柳州市',
|
|
|
'中马产业园区': '钦州市',
|
|
|
'长安工业集中区': '桂林市',
|
|
|
'西江四路扶典上冲29号': '梧州市',
|
|
|
'田东石化工业': '百色市',
|
|
|
}
|
|
|
# 对每个县级行政区划进行处理
|
|
|
for county, city in county_to_city.items():
|
|
|
df = df.withColumn('地址', F.when(df['地址'].contains(county), city).otherwise(df['地址']))
|
|
|
|
|
|
# 计算研发投入额
|
|
|
df = df.withColumn('研发投入额',
|
|
|
F.col('其中：研发、试验检验费') +
|
|
|
F.col('其中：技术（研究）开发费') +
|
|
|
F.col('其中：支付科研人员的工资及福利费'))
|
|
|
df_grouped = df.groupBy('地址').agg({"研发投入额": "sum", "营业成本": "sum"})
|
|
|
|
|
|
# 取整
|
|
|
df_grouped = df_grouped.withColumn('sum(研发投入额)', F.round(F.col('sum(研发投入额)')).cast('integer'))
|
|
|
df_grouped = df_grouped.withColumn('sum(营业成本)', F.round(F.col('sum(营业成本)')).cast('integer'))
|
|
|
|
|
|
# 创建"研发投入比"
|
|
|
df_grouped = df_grouped.withColumn("研发投入比(%)",
|
|
|
F.round(F.col('sum(研发投入额)') / F.col('sum(营业成本)') * 100, 2))
|
|
|
|
|
|
# 排序
|
|
|
# df_grouped_sorted = df_grouped.orderBy('研发投入比(%)')
|
|
|
|
|
|
# 将Spark DataFrame转换为Pandas DataFrame
|
|
|
pandas_df = df_grouped.toPandas()
|
|
|
|
|
|
# 重置索引，并且让新的索引从1开始
|
|
|
pandas_df.index = range(1, len(pandas_df) + 1)
|
|
|
|
|
|
# 输出数据
|
|
|
print(pandas_df)
|
|
|
|
|
|
# 可视化处理
|
|
|
# 创建Line对象
|
|
|
line = Line()
|
|
|
|
|
|
# 添加数据，地址作为x轴，研发投入比作为y轴
|
|
|
line.add_xaxis(pandas_df['地址'].tolist())
|
|
|
line.add_yaxis("研发投入比(%)", pandas_df['研发投入比(%)'].tolist())
|
|
|
|
|
|
# 设置全局配置项
|
|
|
line.set_global_opts(
|
|
|
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(interval=0)), # 调整x轴标签间隔
|
|
|
# xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)) # 旋转x轴标签
|
|
|
)
|
|
|
|
|
|
# 返回对象
|
|
|
return line
|
