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.
69 lines
3.0 KiB
69 lines
3.0 KiB
import happybase
|
|
from pyspark.sql import SparkSession
|
|
|
|
import os
|
|
os.environ['JAVA_HOME'] = "D:\jdk\jdk-17.0.8" # 记得把地址改成自己的
|
|
|
|
# 创建HBase连接
|
|
connection = happybase.Connection('192.168.23.128')
|
|
# 检查表是否存在
|
|
if b'bigdata' in connection.tables():
|
|
# 如果表存在，删除表
|
|
connection.disable_table('bigdata')
|
|
connection.delete_table('bigdata')
|
|
# 创建表
|
|
connection.create_table(
|
|
'bigdata',
|
|
{'info': dict(max_versions=10)}
|
|
)
|
|
# 获取表
|
|
table = connection.table('bigdata')
|
|
|
|
# 创建Spark会话
|
|
spark = SparkSession.builder.appName("ExcelDataCleaning").master('local').getOrCreate()
|
|
|
|
# 读取CSV文件为Spark DataFrame
|
|
df = spark.read.csv("washData.csv", header=True, inferSchema=True)
|
|
|
|
# 将Spark DataFrame转换为Pandas DataFrame
|
|
pd = df.toPandas()
|
|
|
|
# 将Pandas DataFrame的数据插入到HBase
|
|
for index, row in pd.iterrows():
|
|
data = {
|
|
f'info:地址'.encode(): str(row['地址']).encode(),
|
|
f'info:企业注册地址'.encode(): str(row['企业注册地址']).encode(),
|
|
f'info:营业收入'.encode(): str(row['营业收入']).encode(),
|
|
f'info:净利润'.encode(): str(row['净利润']).encode(),
|
|
f'info:其中：研发、试验检验费'.encode(): str(row['其中：研发、试验检验费']).encode(),
|
|
f'info:其中：技术（研究）开发费'.encode(): str(row['其中：技术（研究）开发费']).encode(),
|
|
f'info:其中：技术收入'.encode(): str(row['其中：技术收入']).encode(),
|
|
f'info:其中：技术转让收入'.encode(): str(row['其中：技术转让收入']).encode(),
|
|
f'info:技术承包收入'.encode(): str(row['技术承包收入']).encode(),
|
|
f'info:技术咨询与服务收入'.encode(): str(row['技术咨询与服务收入']).encode(),
|
|
f'info:年末资产总计'.encode(): str(row['年末资产总计']).encode(),
|
|
f'info:主要业务活动或主要产品1'.encode(): str(row['主要业务活动或主要产品1']).encode(),
|
|
f'info:主要外资来源国别或地区代码'.encode(): str(row['主要外资来源国别或地区代码']).encode(),
|
|
f'info:企业注册地是否在国家高新区内'.encode(): str(row['企业注册地是否在国家高新区内']).encode(),
|
|
f'info:企业主要生产经营活动是否在国家高新区内'.encode(): str(row['企业主要生产经营活动是否在国家高新区内']).encode(),
|
|
f'info:其中：支付科研人员的工资及福利费'.encode(): str(row['其中：支付科研人员的工资及福利费']).encode(),
|
|
f'info:营业成本'.encode(): str(row['营业成本']).encode()
|
|
}
|
|
table.put(str(row['序号']).encode(), data)
|
|
|
|
# 查询数据
|
|
# for key, data in table.scan():
|
|
# key = key.decode()
|
|
# data = {k.decode(): v.decode() for k, v in data.items()}
|
|
# print(key, data)
|
|
|
|
# 查询前20行数据
|
|
for i, (key, data) in enumerate(table.scan()):
|
|
if i >= 20:
|
|
break
|
|
key = key.decode()
|
|
data = {k.decode(): v.decode() for k, v in data.items()}
|
|
print(key, data)
|
|
|
|
# 关闭连接
|
|
connection.close() |