def analysis_noarrange(sql):
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
df_section_noarrange = df[(df['开始时间'].isnull())|(df['结束时间'].isnull())]
df_section_noarrange = df_section_noarrange.fillna('未填写')
pdf = kl_class.parsingDf()
return pdf.df_iter( df_section_noarrange )
def analysis_item(sql,item):
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
df=df.applymap(str)
pdf = kl_class.parsingDf()
df_item, df_item_text = pdf.df_item(df,item)
pdf.df_fig(df_item,'bar')
return df_item,df_item_text
def analysis_null(sql):
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
columns_list = list(df)
pdf = kl_class.parsingDf()
df_null, df_null_text = pdf.null_item(df)
pdf.df_fig(df_null,'bar')
return len(df),columns_list,df_null,df_null_text
def analysis_section(sql,flag,s_date,e_date=datetime.date.today()):
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
start_date = pd.to_datetime(s_date).date()
end_date = pd.to_datetime(e_date).date()
df_section_end = df[(df['开始时间'] >= start_date)
& (df['结束时间'] <= end_date)
& (df['是否完成整改'] == flag)
]
df_section_end = df_section_end.fillna('未填写')
pdf = kl_class.parsingDf()
return pdf.df_iter( df_section_end )
def write_docx(sql):
doc = kl_class.oas_docx()
doc.hd('立行立改问题库', font_size=22)
correct_tex = "昆明供电局安全监管部（应急指挥中心）立行立改问题库共有{0}条数据，以下数据不完善：{1}"\
.format(analysis_null(sql)[0], analysis_null(sql)[3])
doc.par('一、总体情况')
doc.par(correct_tex)
if kl_class.get_pc_name()=='LAPTOP-HF9P6H1P':
#个人
doc.pic(r'D:\JGY\600-Data\003-out输出文件\工作\fig.png', wth=6)
os.unlink(r'D:\JGY\600-Data\003-out输出文件\工作\fig.png')
else:
#单位
doc.pic(r'D:\out\fig.png', wth=6)
os.unlink(r'D:\out\fig.png')
columns_list=analysis_null(sql)[1]
columns_list.remove('问题编号')
columns_list.remove('发现问题')
columns_list.remove('整改措施')
columns_list.remove('发现时间')
columns_list.remove('开始时间')
columns_list.remove('结束时间')
columns_list.remove('整改情况及进度')
columns_list.remove('备注')
for item in columns_list:
try:
df_item,df_item_text=analysis_item(sql, item)
doc.par('{0}：{1}'.format(item,df_item_text))
if kl_class.get_pc_name() == 'LAPTOP-HF9P6H1P':
# 个人
doc.pic(r'D:\JGY\600-Data\003-out输出文件\工作\fig.png', wth=6)
os.unlink(r'D:\JGY\600-Data\003-out输出文件\工作\fig.png')
else:
# 单位
doc.pic(r'D:\out\fig.png', wth=6)
os.unlink(r'D:\out\fig.png')
except Exception as e:
print(e)
doc.par('二、未安排事项')
noarrange_list=analysis_noarrange(sql)
i=1
for item in noarrange_list:
doc.par('（{0}）未安排{0}'.format(kl_class.digital_to_chinese(i)))
x=item.split('\n')
for y in x:
doc.par(y)
i+=1
doc.par('三、周期事项事项')
analysis_list=analysis_section(sql,'否','2020-1-1')
#print(analysis_list)
i=1
for item in analysis_list:
doc.par('（{0}）本周事项{0}'.format(kl_class.digital_to_chinese(i)))
x=item.split('\n')
for y in x:
doc.par(y)
i+=1
doc.par('四、个人未完成事项')
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
duty_name = list(set(df['整改责任人'].tolist()))
duty_name.sort()
j=1
for name in duty_name:
analysis_name_list = analysis_name(sql, name, '否', '2020-1-1')
doc.par('（{0}）{1}'.format(kl_class.digital_to_chinese(j), name))
if analysis_name_list==[]:
doc.par('无异常')
else:
i = 1
for item in analysis_name_list:
doc.par('{0}.未完成事项{0}'.format(i))
x = item.split('\n')
for y in x:
doc.par(y)
i += 1
j+=1
if kl_class.get_pc_name()=='LAPTOP-HF9P6H1P':
# 个人
doc.save_docx(r'D:\JGY\600-Data\003-out输出文件\工作\立行立改问题库.docx')
else:
#单位
doc.save_docx(r'Z:\200业务管理\206问题收集与处置\2061纠正与预防问题库\立行立改问题记录表\立行立改问题库.docx')
def redundant_vacancies(sql_person, sql_value):
# 连接数据库，读取人员信息和人员配置信息
dfsql = kl_class.dfMysql()
df_person = dfsql.select_mysql(sql_person)
df_person['年龄'] = pandas_age(df_person['出生年月(2020-1-1)'])
df_person['工龄'] = pandas_age(df_person['参加工作起始年(2020-1-1)'])
df_value = dfsql.select_mysql(sql_value)
# 统一人员配置数据
df_value = df_value[['单位', '机构名称', '科室', '岗位', '定编']]
df_value.rename(columns={'机构名称': '部门'}, inplace=True)
# 解决告警问题，一是要copy，二是要用loc引用
df_value1 = df_value.copy()
df_value1.loc[:, ['定编']] = df_value1.loc[:, ['定编']].astype('int')
# 对人员表进行透视
for i in range(len(df_person)):
if pd.isna(df_person.loc[i, '所队(县区级单位)']):
df_person.loc[i, '单位'] = df_person.loc[i, '地市级单位']
else:
df_person.loc[i, '单位'] = df_person.loc[i, '所队(县区级单位)']
df_person.fillna('无', inplace=True)
df_person_talbe = pd.pivot_table(
df_person,
index=['单位', '部门', '科室', '岗位'],
values=['姓名'],
aggfunc=len,
fill_value=0,
margins=True,
# margins_name='总数'
)
df_person_talbe.reset_index(inplace=True)
df_person_talbe.columns = ['单位', '部门', '科室', '岗位', '在岗数']
df_value1.fillna('无', inplace=True)
df_person_talbe.fillna('无', inplace=True)
df_table = pd.merge(df_value1,
df_person_talbe,
how='left',
on=['单位', '部门', '科室', '岗位'])
df_table.fillna(0, inplace=True)
df_table['缺员'] = df_table['定编'] - df_table['在岗数']
text = "昆明供电局安全监管部（应急指挥中心）定编{0}人，\
实际{1}人，缺员{2}人。".format(df_table['定编'].sum(), df_table['在岗数'].sum(),
df_table['缺员'].sum())
pdf = kl_class.parsingDf()
# 党员
# df_person_party=df_person['政治面貌'].value_counts()
# df_person_party = kl_class.sort_list(df_person_party, ['党员', '群众'])
# text_person_party = pdf.series_tex(df_person_party, '名')
# 性别
df_person_sex = df_person['性别'].value_counts()
df_person_sex = kl_class.sort_list(df_person_sex, ['男', '女'])
text_person_sex = pdf.series_tex(df_person_sex, '名')
# 年龄
df_person_age = pd.cut(df_person['年龄'].astype('int'),
bins=[0, 30, 40, 50, 100],
labels=["30岁以下", "30-39岁", "40-49岁", "50岁以上"])
df_person_age_count = df_person_age.value_counts()
df_person_age_count = kl_class.sort_list(
df_person_age_count, ["30岁以下", "30-39岁", "40-49岁", "50岁以上"])
text_person_age_count = pdf.series_tex(df_person_age_count, '名')
#工龄
df_person_wage = pd.cut(
df_person['工龄'].astype('int'),
bins=[0, 5, 10, 20, 30, 50],
labels=["5年以下", "5-9年", "10-19年", "20-29年", "30年以上"])
df_person_wage_count = df_person_wage.value_counts()
df_person_wage_count = kl_class.sort_list(
df_person_wage_count, ["5年以下", "5-9年", "10-19年", "20-29年", "30年以上"])
text_person_wage_count = pdf.series_tex(df_person_wage_count, '名')
# 文化程度
text_list = []
list_columns = ['初始学历', '所学专业(初始)', '职称']
s_list = [
'男', '女', '党员', '群众', '研究生', '本科', '大专', '高级工程师', '工程师', '助理工程师', '经理',
'副经理', '主管', '安全监察专责(A)', '安全监察专责(B)', '风险体系管理专责(A)', '风险体系管理专责(B)',
'应急管理专责', '班长', '安全监察员'
]
for item in list_columns:
df_person_x = df_person[item].value_counts()
df_person_x = kl_class.sort_list(df_person_x, s_list)
text_person_x = pdf.series_tex(df_person_x, '名')
text_list.append(text_person_x)
text = text + text_person_sex + text_person_age_count + '工龄：' + text_person_wage_count + ''.join(
text_list)
df_person = df_person[['姓名', '单位', '部门', '科室', '岗位', '性别', '年龄']]
df_person.fillna('无', inplace=True)
df_person = kl_class.sort_list(df_person, s_list, '岗位')
list_d = [
'昆明供电局',
'官渡供电局',
'五华供电局',
'盘龙供电局',
'西山供电局',
'呈贡供电局',
'东川供电局',
'昆明安宁供电局',
'云南电网有限责任公司昆明晋宁供电局',
'云南电网有限责任公司昆明宜良供电局',
'云南电网有限责任公司昆明富民供电局',
'云南电网有限责任公司昆明嵩明供电局',
'云南电网有限责任公司昆明石林供电局',
'云南电网有限责任公司昆明寻甸供电局',
'云南电网有限责任公司昆明禄劝供电局',
]
list_b = [
'安全监管部（应急指挥中心）',
'系统运行部',
'科技创新及数字化中心',
'规划建设管理中心（质监分站）',
'供电服务中心',
'综合服务中心（涉电分中心）',
'物流服务中心',
'带电作业中心',
'通信管理所',
'输电管理所',
'变电运行一所',
'变电运行二所',
'变电修试所',
'安全监管部',
]
list_k = [
'无',
'安全监察科',
'应急与保供电管理科',
'安全督查大队',
'安全监察班',
'综合室',
'安生室',
'计划安全室',
'质量安全室',
'科技室',
]
list_sort = [list_d, list_b, list_k]
column = ['单位', '部门', '科室']
for i in range(len(column)):
cat_order = CategoricalDtype(list_sort[i], ordered=True)
df_person[column[i]] = df_person[column[i]].astype(cat_order)
df_person = df_person.sort_values(column,
axis=0,
ascending=[True, True, True])
df_person.reset_index(drop=True, inplace=True)
return df_table, text, df_person
def to_echarts(sql):
from pyecharts import options as opts
from pyecharts.charts import Gauge
dfsql = kl_class.dfMysql()
df = dfsql.select_mysql(sql)
#删除重复值
df.drop_duplicates(inplace=True)
#删除缺失值
#print(len(df))
df.dropna(axis=0, how='all', inplace=True)
#print(len(df))
#填充缺失值
#df.fillna('未填写',inplace=True)
#删除空格
df['是否完成整改']=df['是否完成整改'].map(str.strip)
start_date='2020-1-1'
end_date = pd.to_datetime(datetime.date.today()).date()
df= df[(df['开始时间'] >= pd.to_datetime(start_date).date())
& (df['结束时间'] <= end_date)
]
df_doing=df[df['是否完成整改']=='否']
df_split = df_doing.to_dict(orient='split')
tb = table_base(df_split['columns'], df_split['data'])
tb.render("doing.html")
zg=df['是否完成整改'].value_counts()
rat=round(100*(zg['是']/len(df)),2)
ajk_name=['李黎','陈虹伍','杨和俊','陈斌','何艳琪','郭晶晶','杨建平']
yjk_name=['洪永健','和定繁','王玺','周浩然','高璐']
df_split1=kl_class.split_record(df, '整改责任人', '、')
df_ajk=df_split1[df_split1['整改责任人'].isin(ajk_name)]
zg_ajk=df_ajk['是否完成整改'].value_counts()
rat_ajk=round(100*(zg_ajk['是']/len(df_ajk)),2)
df_yjk=df_split1[df_split1['整改责任人'].isin(yjk_name)]
zg_yjk=df_yjk['是否完成整改'].value_counts()
rat_yjk=round(100*(zg_yjk['是']/len(df_yjk)),2)
#交叉表
ct=pd.crosstab(index=df_split1['整改责任人'], columns=df_split1['是否完成整改'], margins=True)
#ct.columns=[]
ct['rat']=round(100*(ct['是']/ct['All']),2)
ct.sort_values('rat',ascending=False,inplace=True)
t=[]
for column in ct.iteritems():
if column[0]=='rat':
for i in range(len(ct)):
if column[1].index[i]!='All':
t.append(column[1].index[i]+str(column[1].values[i])+'%\n')
tn=''.join(t)
# a = df[''].str.split('、', expand=True).stack().value_counts()
# print(a)
text = "安全监管部完成率{0}%\n\n安全监察科完成率{1}%：\n\n应急管理科完成率{2}%：\n\n{3}".format(rat, rat_ajk, rat_yjk, tn)
c = (
# Gauge(init_opts=opts.InitOpts(width="1200px", height="600px"))#设置画布尺寸
Gauge(init_opts=opts.InitOpts(
js_host=r"D:\JGY\600-Data\004-auxiliary辅助文件\\",
width="1200px", height="600px",
renderer="RenderType.SVG",
page_title="立行立改问题库",
theme="white")
)
.add(
series_name="安全监管部",
data_pair=[("安全监管部", rat)],
is_selected=True,
min_=0,
max_=100,
split_number=10,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(
color=[(0.3, "#FF0033"), (0.7, "#FF6600"), (1, "#009900")], width=30
)
),
radius="80%",
start_angle=150,
end_angle=30,
is_clock_wise=True,
title_label_opts=opts.GaugeTitleOpts(
font_size=20,
color="blue",
font_family="Microsoft YaHei",
offset_center=[0, "-55%"],
),
detail_label_opts=opts.GaugeDetailOpts(
is_show=True,
background_color='red',
border_width=0,
border_color='blue',
offset_center=[0, "-40%"],
color="white",
font_style="oblique",
font_weight="bold",
font_family="Microsoft YaHei",
font_size=26,
border_radius=120,
padding=[4, 4, 4, 4],
formatter="{value}%"
),
pointer=opts.GaugePointerOpts(
# 是否显示指针。
is_show=True,
# 指针长度，可以是绝对数值，也可以是相对于半径的半分比。
length="80%",
# 指针宽度。
width=12,
),
)
.add(
series_name="安全监察科",
data_pair=[("安全监察科", rat_ajk)],
is_selected=True,
min_=0,
max_=100,
split_number=10,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(
color=[(0.3, "#FF0033"), (0.7, "#FF6600"), (1, "#009900")], width=30
)
),
radius="80%",
start_angle=265,
end_angle=155,
is_clock_wise=True,
title_label_opts=opts.GaugeTitleOpts(
font_size=20,
color="blue",
font_family="Microsoft YaHei",
offset_center=[-100, "25%"],
),
detail_label_opts=opts.GaugeDetailOpts(
is_show=True,
background_color='red',
border_width=0,
border_color='blue',
offset_center=[-100, "40%"],
color="white",
font_style="oblique",
font_weight="bold",
font_family="Microsoft YaHei",
font_size=26,
border_radius=120,
padding=[4, 4, 4, 4],
formatter="{value}%"
),
pointer=opts.GaugePointerOpts(
# 是否显示指针。
is_show=True,
# 指针长度，可以是绝对数值，也可以是相对于半径的半分比。
length="50%",
# 指针宽度。
width=8,
),
)
.add(
series_name="应急管理科",
data_pair=[("应急管理科", rat_yjk)],
is_selected=True,
min_=0,
max_=100,
split_number=10,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(
color=[(0.3, "#FF0033"), (0.7, "#FF6600"), (1, "#009900")], width=30
)
),
radius="80%",
start_angle=385,
end_angle=275,
is_clock_wise=True,
title_label_opts=opts.GaugeTitleOpts(
font_size=20,
color="blue",
font_family="Microsoft YaHei",
offset_center=[100, "25%"],
),
detail_label_opts=opts.GaugeDetailOpts(
is_show=True,
background_color='red',
border_width=0,
border_color='blue',
offset_center=[100, "40%"],
color="white",
font_style="oblique",
font_weight="bold",
font_family="Microsoft YaHei",
font_size=26,
border_radius=120,
padding=[4, 4, 4, 4],
formatter="{value}%"
),
pointer=opts.GaugePointerOpts(
# 是否显示指针。
is_show=True,
# 指针长度，可以是绝对数值，也可以是相对于半径的半分比。
length="50%",
# 指针宽度。
width=8,
),
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="立行立改问题库完成率",
title_link="https:www.163.com",
title_target="self",
subtitle=text,
subtitle_link="doing.html",
subtitle_target="blank",
pos_left="left",
)
)
.render("gauge_lxlxwtk.html")
)
def redundant_vacancies(sql_person, sql_value):
#连接数据库，读取人员信息和人员配置信息
dfsql = kl_class.dfMysql()
df_person = dfsql.select_mysql(sql_person)
df_value = dfsql.select_mysql(sql_value)
#统一人员配置数据
df_value = df_value[['科室或班组名称', '岗位名称', '职数']]
df_value.rename(columns={'科室或班组名称': '科室', '岗位名称': '工作岗位'}, inplace=True)
#df_value['职数']=df_value['职数'].astype('int')
df_value1 = df_value.copy()
df_value1.loc[:, ['职数']] = df_value1.loc[:, ['职数']].astype('int')
#对人员表进行透视
df_person_talbe = pd.pivot_table(df_person,
index=['科室', '工作岗位'],
columns=['岗位状态'],
values=['姓名'],
aggfunc=len,
fill_value=0,
margins=True,
margins_name='总数')
df_person_talbe.reset_index(inplace=True)
df_person_talbe.columns = ['科室', '工作岗位', '借入', '借出', '在岗', '总数']
df_table = pd.merge(df_value1,
df_person_talbe,
how='left',
on=['科室', '工作岗位'])
df_table['缺员'] = df_table['职数'] - df_table['总数']
text = "昆明供电局安全监管部（应急指挥中心）定员{0}人，\
实际{1}人，缺员{2}人,其中：在岗{3}人，借入{4}人，借出{5}人。".format(
df_table['职数'].sum(), df_table['总数'].sum(), df_table['缺员'].sum(),
df_table['在岗'].sum(), df_table['借入'].sum(), df_table['借出'].sum())
pdf = kl_class.parsingDf()
#党员
df_person_party = df_person['政治面貌'].value_counts()
df_person_party = kl_class.sort_list(df_person_party, ['党员', '群众'])
text_person_party = pdf.series_tex(df_person_party, '名')
#性别
df_person_sex = df_person['性别'].value_counts()
df_person_sex = kl_class.sort_list(df_person_sex, ['男', '女'])
text_person_sex = pdf.series_tex(df_person_sex, '名')
#年龄
df_person_age = pd.cut(df_person['年龄'].astype('int'),
bins=[0, 30, 40, 50, 100],
labels=["30岁以下", "30-39岁", "40-49岁", "50岁以上"])
df_person_age_count = df_person_age.value_counts()
df_person_age_count = kl_class.sort_list(
df_person_age_count, ["30岁以下", "30-39岁", "40-49岁", "50岁以上"])
text_person_age_count = pdf.series_tex(df_person_age_count, '名')
#工龄
df_person_wage = pd.cut(
df_person['工龄'].astype('int'),
bins=[0, 5, 10, 20, 30, 50],
labels=["5年以下", "5-9年", "10-19年", "20-29年", "30年以上"])
df_person_wage_count = df_person_wage.value_counts()
df_person_wage_count = kl_class.sort_list(
df_person_wage_count, ["5年以下", "5-9年", "10-19年", "20-29年", "30年以上"])
text_person_wage_count = pdf.series_tex(df_person_wage_count, '名')
#文化程度
text_list = []
list_columns = ['民族', '文化程度', '职称']
s_list = [
'男', '女', '党员', '群众', '研究生', '本科', '大专', '高级工程师', '工程师', '助理工程师', '经理',
'副经理', '主管', '安全监察专责(A)', '安全监察专责(B)', '风险体系管理专责(A)', '风险体系管理专责(B)',
'应急管理专责', '班长', '安全监察员'
]
for item in list_columns:
df_person_x = df_person[item].value_counts()
df_person_x = kl_class.sort_list(df_person_x, s_list)
text_person_x = pdf.series_tex(df_person_x, '名')
text_list.append(text_person_x)
text=text+text_person_party\
+text_person_sex+text_person_age_count\
+'工龄：'+text_person_wage_count+''.join(text_list)
df_person = df_person[[
'姓名', '科室', '工作岗位', '兼任职务', '联系电话', '政治面貌', '工号', '性别', '岗位状态'
]]
df_person.fillna('无', inplace=True)
df_person = kl_class.sort_list(df_person, s_list, '工作岗位')
df_person.reset_index(drop=True, inplace=True)
return df_table, text, df_person
