industry.py

import os
import time
import numpy as np
import pandas as pd
import datetime
from utils import *

industries = [
    '工业企业', 
    '采矿业', '煤炭开采和洗选业', '石油和天然气开采业', '黑色金属矿采选业', '有色金属矿采选业',
    '黑色金属冶炼和压延加工业', '有色金属冶炼和压延加工业',
    '非金属矿采选业', '开采专业及辅助性活动', '其他采矿业', 
    '制造业', '农副食品加工业', '食品制造业', '酒、饮料和精制茶制造业', '烟草制品业', 
    '纺织业', '纺织服装、服饰业', '皮革、毛皮、羽毛及其制品和制鞋业', '木材加工和木、竹、藤、棕、草制品业',
    '家具制造业', '造纸和纸制品业', '印刷和记录媒介复制业', '文教、工美、体育和娱乐用品制造业', 
    '石油、煤炭及其他燃料加工业', '化学原料和化学制品制造业', '医药制造业', '化学纤维制造业', 
    '橡胶和塑料制品业', '非金属矿物制品业', '金属制品业', 
    '通用设备制造业', '专用设备制造业', '汽车制造业', '铁路、船舶、航空航天和其他运输设备制造业', 
    '电气机械和器材制造业', '计算机、通信和其他电子设备制造业', '仪器仪表制造业', '其他制造业', 
    '废弃资源综合利用业', '金属制品、机械和设备修理业', 
    '电力、热力、燃气及水生产和供应业', '电力、热力生产和供应业', '燃气生产和供应业', '水的生产和供应业',
]

# 2003-2011
['饮料制造业', '纺织服装、鞋、帽制造业', '皮革、毛皮、羽毛(绒)及其制品业', '木材加工及木、竹、藤、棕、草制品业',
 '造纸及纸制品业', '印刷业和记录媒介的复制', '文教体育用品制造业', '石油加工、炼焦及核燃料加工业',
 '化学原料及化学制品制造业', '橡胶制品业',
 '黑色金属冶炼及压延加工业', '有色金属冶炼及压延加工业', '交通运输设备制造业增加值', 
 '电气机械及器材制造业', '通信设备、计算机及其他电子设备制造业', '仪器仪表及文化、办公用机械制造业',
 '工艺品及其他制造业', '废弃资源和废旧材料回收加工业', '电力、热力的生产和供应业']

# 2012-2017

replace = {
    '开采辅助活动': '开采专业及辅助性活动',
    '木材加工及木、竹、藤、棕、草制品业': '木材加工和木、竹、藤、棕、草制品业',
    '造纸及纸制品业': '造纸和纸制品业',
    '石油加工、炼焦及核燃料加工业': '石油、煤炭及其他燃料加工业', 
    '化学原料及化学制品制造业': '化学原料和化学制品制造业', 
    '黑色金属冶炼及压延加工业': '黑色金属冶炼和压延加工业', 
    '有色金属冶炼及压延加工业': '有色金属冶炼和压延加工业', 
    '电气机械及器材制造业': '电气机械和器材制造业',
    '通信设备、计算机及其他电子设备制造业': '计算机、通信和其他电子设备制造业',
    '电力、热力的生产和供应业': '电力、热力生产和供应业',
}

['开采辅助活动', '木材加工及木、竹、藤、棕、草制品业', '造纸及纸制品业', '石油加工、炼焦及核燃料加工业',
 '化学原料及化学制品制造业', '黑色金属冶炼及压延加工业', '有色金属冶炼及压延加工业',
 '电气机械及器材制造业', '通信设备、计算机及其他电子设备制造业', 
 '电力、热力的生产和供应业']

# 工业增加值
def test1():
    path = os.path.join(nbs_dir, '工业增加值'+'.csv') 
    df = pd.read_csv(path)
    t = pd.DatetimeIndex(pd.to_datetime(df['time'], format='%Y-%m'))
    data1 = np.array(df['工业增加值_同比增长'], dtype=float)
    data2 = np.array(df['私营企业增加值_同比增长'], dtype=float)
    data3 = np.array(df['国有及国有控股企业增加值_同比增长'], dtype=float)
    data4 = np.array(df['外商及港澳台投资企业增加值_累计增长'], dtype=float)
    data5 = np.array(df['股份制企业增加值_同比增长'], dtype=float)

    datas = [[[[t, data1, '工业增加值_同比增长', ''],
               [t, data2, '私营企业增加值_同比增长', ''],
               [t, data3, '国有及国有控股企业增加值_同比增长', ''],
               [t, data4, '外商及港澳台投资企业增加值_累计增长', ''],
               [t, data5, '股份制企业增加值_同比增长', '']],
              [],'']]

    plot_many_figure(datas)


    pass


# 1-2月累计同比, 没有1,2月的同比
def compute_base1(t, yoy, cum_yoy, base_time):
    base_time_dt = pd.to_datetime(base_time)
    w0 = np.where(t == base_time_dt)[0][0]
    w1 = w0+1
    base_time_dt_1y = datetime.datetime(year=base_time_dt.year+1, month=base_time_dt.month, day=base_time_dt.day)
    w2 = np.where(t == base_time_dt_1y)[0][0]
    w3 = w2+1

    base_t = t[w0:]
    base = np.zeros((len(base_t)), dtype=float)
    base[0] = 100
    cum = base[0]
    for i in range(1, w2-w0):
        a = cum_yoy[w2+i-1]
        c1 = yoy[w3+i-1]
        c2 = cum_yoy[w3+i-1]
        base[i] = cum*(c2-a)/(c1-c2)
        cum += base[i]
        print(base[i])

    for i in range(w2-w0, len(base)):
        if (base_t[i].month == 2):
            base[i] = base[i-(w2-w0)]*(1 + cum_yoy[i]/100)
        else:
            base[i] = base[i-(w2-w0)]*(1 + yoy[i]/100)

    return base_t, base


# 按行业分工业企业 利润
def plot_all_corporate_profit():
    path = os.path.join(nbs_dir, '按行业分工业企业主要经济指标'+'.csv') 
    df = pd.read_csv(path)
    t = pd.DatetimeIndex(pd.to_datetime(df['time'], format='%Y-%m'))
    
    names = ['工业企业利润总额_累计值',
             
             '采矿业利润总额_累计值',
             '煤炭开采和洗选业利润总额_累计值',
             '石油和天然气开采业利润总额_累计值',
             '黑色金属矿采选业利润总额_累计值',
             '有色金属矿采选业利润总额_累计值',
             '非金属矿采选业利润总额_累计值',
             '开采专业及辅助性活动利润总额_累计值',
             '其他采矿业利润总额_累计值',

             '制造业利润总额_累计值',

             '农副食品加工业利润总额_累计值',
             '食品制造业利润总额_累计值',
             '酒、饮料和精制茶制造业利润总额_累计值',
             '烟草制品业利润总额_累计值',

             '纺织业利润总额_累计值',
             '纺织服装、服饰业利润总额_累计值',
             '皮革、毛皮、羽毛及其制品和制鞋业利润总额_累计值',
             '木材加工和木、竹、藤、棕、草制品业利润总额_累计值',

             '家具制造业利润总额_累计值',
             '造纸和纸制品业利润总额_累计值',
             '印刷和记录媒介复制业利润总额_累计值',
             '文教、工美、体育和娱乐用品制造业利润总额_累计值',

             '石油、煤炭及其他燃料加工业利润总额_累计值',
             '化学原料和化学制品制造业利润总额_累计值',

             '医药制造业利润总额_累计值',
             '化学纤维制造业利润总额_累计值',
             '橡胶和塑料制品业利润总额_累计值',

             '非金属矿物制品业利润总额_累计值',
             '黑色金属冶炼和压延加工业利润总额_累计值',
             '有色金属冶炼和压延加工业利润总额_累计值',
             '金属制品业利润总额_累计值',

             '通用设备制造业利润总额_累计值',
             '专用设备制造业利润总额_累计值',
             '汽车制造业利润总额_累计值',
             '铁路、船舶、航空航天和其他运输设备制造业利润总额_累计值',
             '电气机械和器材制造业利润总额_累计值',
             '计算机、通信和其他电子设备制造业利润总额_累计值',
             '仪器仪表制造业利润总额_累计值',
             '其他制造业利润总额_累计值',

             '废弃资源综合利用业利润总额_累计值',
             '金属制品、机械和设备修理业利润总额_累计值',

             '电力、热力、燃气及水生产和供应业利润总额_累计值',
             '电力、热力生产和供应业利润总额_累计值',
             '燃气生产和供应业利润总额_累计值',
             '水的生产和供应业利润总额_累计值',          
             ]

    for name in names:
        data = np.array(df[name], dtype=float)
        plot_seasonality(t, data, start_year=2012, title=name)


# 利润总额 亏损总额
def plot_total_profit_loss():
    path = os.path.join(nbs_dir, '工业企业主要经济指标'+'.csv') 
    df = pd.read_csv(path)
    t = pd.DatetimeIndex(pd.to_datetime(df['time'], format='%Y-%m'))

    names = [             
             '利润总额_累计值',
             '国有工业企业利润总额_累计值',
             '国有控股工业企业利润总额_累计值',
             '大中型工业企业利润总额_累计值',
             '私营工业企业利润总额_累计值',
             '集体工业企业利润总额_累计值',
             '股份合作工业企业利润总额_累计值',
             '外商及港澳台投资工业企业利润总额_累计值',
             '其它工业企业利润总额_累计值',

             '亏损企业亏损总额_累计值',
             '国有工业企业亏损企业亏损总额_累计值',
             '国有控股工业企业亏损企业亏损总额_累计值',
             '大中型工业企业亏损企业亏损总额_累计值',
             '私营工业企业亏损企业亏损总额_累计值',
             '集体工业企业亏损企业亏损总额_累计值',
             '股份合作工业企业亏损企业亏损总额_累计值',
             '外商及港澳台投资工业企业亏损企业亏损总额_累计值',
             '其它工业企业亏损企业亏损总额_累计值',

             '亏损企业_本月末',  
             ]

    data = {}
    for name in names:
        data[name] = np.array(df[name], dtype=float)
        plot_seasonality(t, data[name], start_year=2012, title=name)




if __name__=="__main__":
    # test1()

    # 工业增加值 定基
    # test2()

    # 按行业分工业企业 利润
    # plot_all_corporate_profit()


    plot_total_profit_loss()








    pass