import happybase from pyecharts.charts import Bar, Pie, Page from pyecharts.commons.utils import JsCode from pyecharts.globals import ThemeType from pyspark.sql import functions as F from pyspark.sql import SparkSession, Row import os from pyspark.sql.functions import when, count from pyecharts import options as opts # 指定python环境 os.environ['PYSPARK_PYTHON'] = 'D:\python\python3.11.4\python.exe' os.environ['JAVA_HOME'] = "D:\jdk\jdk-17.0.8" # 记得把地址改成自己的 def cky_code02(): # 创建Spark会话 spark = SparkSession.builder.appName("HBaseDataLoading").master('local').getOrCreate() # 连接到HBase connection = happybase.Connection('192.168.23.128') # 获取表 table = connection.table('bigdata') # 定义列名 columns = ['info:企业注册地址', 'info:主要外资来源国别或地区代码', 'info:营业收入', 'info:净利润'] # 查询数据 data = [] for key, row in table.scan(columns=[col.encode('utf-8') for col in columns]): row_data = { '序号': key.decode(), '企业注册地址': row['info:企业注册地址'.encode('utf-8')].decode(), '主要外资来源国别或地区代码': row['info:主要外资来源国别或地区代码'.encode('utf-8')].decode(), '营业收入': row['info:营业收入'.encode('utf-8')].decode(), '净利润': row['info:净利润'.encode('utf-8')].decode() } data.append(row_data) # 关闭连接 connection.close() # 将数据转换为Spark DataFrame df = spark.createDataFrame([Row(**{k: str(v) for k, v in i.items()}) for i in data]) # 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('企业注册地址', when(df['企业注册地址'].contains(city[:-1]), city).otherwise(df['企业注册地址'])) # 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', '柳太路': '柳州市', '黎塘工业集中区东部产业园': '南宁市', '广西壮族自治区工商行政管理局': '南宁市', '三江县职业中学': '柳州市', '心圩街道办事处高新工业园社区居委会': '南宁市', '司能石油化工有限公司': '柳州市', # 数字代号 '530003': '南宁市' } # 对每个县级行政区划进行处理 for county, city in county_to_city.items(): df = df.withColumn('企业注册地址', when(df['企业注册地址'].contains(county), city).otherwise(df['企业注册地址'])) filtered_df = df.filter(df["主要外资来源国别或地区代码"] > 0) grouped_df = filtered_df.groupBy("企业注册地址") result_df = grouped_df.agg( F.sum("营业收入").alias("总营业收入"), F.sum("净利润").alias("总净利润"), F.count("*").alias("外企数量") ) pandas_df = result_df.toPandas() # 假设您的 Pandas DataFrame 中包含 X 轴和 Y 轴的数据 x_axis_data = list(pandas_df['企业注册地址']) # 替换 'X轴标签' 为实际列名 y_axis_data2 = list(pandas_df['总营业收入']) y_axis_data3 = list(pandas_df['总净利润']) # 创建柱状图 cky_code02_bar1 = ( Bar() .add_xaxis(x_axis_data) .add_yaxis( '总营业收入（千元）', y_axis_data2, label_opts=opts.LabelOpts(is_show=False), # 隐藏柱状图上的数字 tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")) # 鼠标移动到柱形上显示数值) .set_global_opts(title_opts=opts.TitleOpts(title='广西外企收入图')) ) cky_code02_bar2 = ( Bar() .add_xaxis(x_axis_data) .add_yaxis( '总净利润（千元）', y_axis_data3, label_opts=opts.LabelOpts(is_show=False), # 隐藏柱状图上的数字 tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")) # 鼠标移动到柱形上显示数值) .set_global_opts(title_opts=opts.TitleOpts(title='广西外企收入图')) ) data = list(zip(pandas_df['企业注册地址'], pandas_df['外企数量'])) cky_code02_pie = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add( "", data, radius=["15%", "40%"], # 设置扇形图的内外半径 center=["50%", "850px"], label_opts=opts.LabelOpts( position="outside", # 标签显示在扇形区域的外部 formatter=JsCode("function(params){return params.name + ': ' + params.value;}"), # 标签格式化 ), ) .set_global_opts( title_opts=opts.TitleOpts(title="外企数量分布"), legend_opts=opts.LegendOpts( orient="vertical", # 图例垂直排列 pos_left="80%", # 图例位置 ), ) ) return cky_code02_bar1, cky_code02_bar2, cky_code02_pie