forked from p5e6vibhr/python_bigData
You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
261 lines
9.7 KiB
261 lines
9.7 KiB
from pyspark.sql import functions as F
|
|
from pyspark.sql.functions import when
|
|
from pyecharts.charts import Bar
|
|
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_bar():
|
|
# 需要的列族:列限定符
|
|
column = ['info:地址', 'info:本公司是否为上市（挂牌）企业主体', 'info:工业总产值（当年价格）', 'info:从业人员期末人数',
|
|
'info:其中：博士', 'info:其中：硕士', 'info:具有大学本科学历（位）人员', 'info:具有大学专科学历人员']
|
|
|
|
df = HBaseDataLoading(column)
|
|
|
|
# 过滤出"主要外资来源国别或地区代码"列不为空的行
|
|
# df = df.filter(F.col("本公司是否为上市（挂牌）企业主体") != 0)
|
|
|
|
# 上市公司数量
|
|
# print(df.count())
|
|
|
|
# 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', when(df['地址'].contains(city[:-1]), city).otherwise(df['地址']))
|
|
|
|
# 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', when(df['地址'].contains(county), city).otherwise(df['地址']))
|
|
|
|
# 转成整型
|
|
df = df.withColumn("工业总产值（当年价格）", df["工业总产值（当年价格）"].cast('integer'))
|
|
|
|
# 按市分组，计算每个市的工业总产值和人员分布
|
|
df_grouped = df.groupBy('地址').agg(
|
|
{"工业总产值（当年价格）": "sum",
|
|
"从业人员期末人数": "sum",
|
|
"其中：博士": "sum",
|
|
"其中：硕士": "sum",
|
|
"具有大学本科学历（位）人员": "sum",
|
|
"具有大学专科学历人员": "sum"}
|
|
)
|
|
|
|
# 改名
|
|
df_grouped = df_grouped.withColumnRenamed('sum(工业总产值（当年价格）)', '工业总产值')
|
|
df_grouped = df_grouped.withColumnRenamed('sum(从业人员期末人数)', '从业人员期末人数')
|
|
df_grouped = df_grouped.withColumnRenamed('sum(其中：博士)', '博士总数')
|
|
df_grouped = df_grouped.withColumnRenamed('sum(其中：硕士)', '硕士总数')
|
|
df_grouped = df_grouped.withColumnRenamed('sum(具有大学本科学历（位）人员)', '本科生总数')
|
|
df_grouped = df_grouped.withColumnRenamed('sum(具有大学专科学历人员)', '专科生总数')
|
|
|
|
# 排序
|
|
df_grouped_sorted1 = df_grouped.orderBy('工业总产值')
|
|
df_grouped_sorted2 = df_grouped.orderBy('从业人员期末人数')
|
|
|
|
# 输出
|
|
df_grouped.show()
|
|
|
|
# 可视化
|
|
# 提取x轴和y轴的数据
|
|
x_data = [row['地址'] for row in df_grouped_sorted1.collect()]
|
|
y_data = [round(row['工业总产值'] / 100000, 2) for row in df_grouped_sorted1.collect()]
|
|
x_data1 = [row['地址'] for row in df_grouped_sorted2.collect()]
|
|
y_data1 = [row['博士总数'] for row in df_grouped_sorted2.collect()]
|
|
y_data2 = [row['硕士总数'] for row in df_grouped_sorted2.collect()]
|
|
y_data3 = [row['本科生总数'] for row in df_grouped_sorted2.collect()]
|
|
y_data4 = [row['专科生总数'] for row in df_grouped_sorted2.collect()]
|
|
|
|
# 创建折线图
|
|
line = (
|
|
Line()
|
|
.add_xaxis(x_data)
|
|
.add_yaxis("工业总产值（亿元）", y_data)
|
|
.set_global_opts(
|
|
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(interval=0)) # 调整x轴标签间隔)
|
|
)
|
|
)
|
|
|
|
# 创建柱状图
|
|
bar = (
|
|
Bar()
|
|
.add_xaxis(x_data1)
|
|
.add_yaxis("专科", y_data4, stack="stack1")
|
|
.add_yaxis("本科", y_data3, stack="stack1")
|
|
.add_yaxis("硕士", y_data2, stack="stack1")
|
|
.add_yaxis("博士", y_data1, stack="stack1")
|
|
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
|
|
.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)) # 调整x轴标签角度
|
|
)
|
|
)
|
|
|
|
# 返回对象
|
|
return line, bar
|
|
|
|
|
|
if __name__ == "__main__":
|
|
create_line_bar() |