#!/usr/bin/env python3 # -*- coding: utf-8 -*- """课题组 / PI 级台账：省基金项目按 (单位, 负责人) 归集 说明：官方清单无「课题组」字段，按「1 位负责人 = 1 个课题组」归集 输出：数据/科研经费_课题组PI级.json + Excel sheet + 可检索 HTML """ import csv import io import json import re from collections import defaultdict from openpyxl import load_workbook from openpyxl.styles import Alignment, Font, PatternFill from openpyxl.utils import get_column_letter W = '/Users/liuxinyuan/Desktop/Hermes输出-工作类' BASE = W + '/销售分析/基金源文件' J = W + '/数据/科研经费_统一口径_产品线.json' OUT_J = W + '/数据/科研经费_课题组PI级.json' OUT_X = W + '/销售分析/科研经费_单位级清单_广东浙江_2026.xlsx' OUT_H = W + '/销售分析/科研经费_课题组PI级台账_2026-10-17.html' d = json.load(io.open(J, encoding='utf-8')) STRUCT = d['struct'] L = ['分子·RT-qPCR', '分子·PCR/克隆', '分子·核酸提取', '分子·LAMP/恒温', '分子·其他', 'WB'] TOPICS = [ ('生物材料/传感器', ['生物材料', '生物传感器', '水凝胶', '纳米药物', '纳米递送', '载药', '组织工程', '支架', '抗菌', '生物相容', '微流控', '生物芯片', '荧光探针', '核酸探针', '生物传感']), ('肿瘤', ['肿瘤', '癌', '转移', '耐药', '微环境', '白血病', '淋巴瘤', '肉瘤']), ('免疫/感染/炎症', ['免疫', '炎症', '感染', '病毒', '细菌', '菌', '疫苗', '脓毒症', '巨噬', 'T细胞', 'B细胞', '抗体', '过敏', '自身免疫']), ('神经科学', ['神经', '脑', '认知', '突触', '阿尔茨海默', '帕金森', '卒中', '脊髓', '癫痫', '抑郁', '焦虑', '胶质']), ('代谢/内分泌', ['代谢', '糖尿', '肥胖', '脂', '胰岛素', '肝', '肾', '甲状腺', '骨代谢', '肠道菌']), ('遗传/表观/基因组', ['基因', '基因组', '表观', '甲基化', '遗传', '突变', '编辑', '染色体', '转录组', '单细胞', '测序']), ('蛋白/信号/修饰', ['蛋白', '信号', '通路', '磷酸化', '乙酰化', '泛素', '受体', '激酶', '互作', '复合物', '酶', '结构', '折叠']), ('细胞生物学', ['细胞', '凋亡', '自噬', '增殖', '迁移', '侵袭', '分化', '干细胞', '周期', '衰老', '氧化应激']), ('药理/中药', ['药', '中药', '成分', '靶点', '治疗', '干预', '方剂', '活性']), ('临床/流行病', ['临床', '患者', '队列', '流行病', '诊断', '预后', '样本', '影像', '护理', '公共卫生']), ('农学/动植', ['植物', '作物', '水稻', '玉米', '小麦', '畜禽', '水产', '林木', '育种', '抗逆', '园艺', '兽医']), ] BIO_ANY = ['基因', '蛋白', '细胞', '免疫', '分子', '微生物', '病毒', '菌', '肿瘤', '癌', '疾病', '临床', '药物', 'RNA', 'DNA', '代谢', '神经', '干细胞', '组织', '器官', '病理', '药理', '中医', '中药', '护理', '公共卫生', '流行病', '诊断', '治疗', '靶点', '受体', '酶', '抗体', '疫苗', '感染', '炎症', '心血管', '糖尿', '肝', '肾', '肺', '脑', '骨', '眼', '口腔', '生殖', '发育', '遗传', '表观', '转录', '信号', '通路', '生物', '医学', '药学', '检验', '影像', '健康', '衰老', '氧化', '应激', '凋亡', '自噬', '分化', '增殖', '迁移', '侵袭', '转移', '生物材料', '生物传感器', '水凝胶', '载药', '组织工程'] BIO_ANCHOR = ['生物', '医学', '医', '细胞', '蛋白', '基因', '抗菌', '组织', '药物', '递送', '诊断', '检测', '核酸', '免疫', '肿瘤', '癌', '菌', '病毒'] def topic_of(title): t = title or '' for name, kws in TOPICS: if not any(k in t for k in kws): continue if name == '生物材料/传感器' and not any(k in t for k in BIO_ANCHOR): continue return name return '其他生医' if any(k in t for k in BIO_ANY) else None ZJ_AMT = [('重大', 100), ('杰青', 80), ('重点', 30), ('探索', 10), ('青基', 10), ('青稞', 10), ('地区', 10), ('延续', 80)] def zj_amt(cat): for k, v in ZJ_AMT: if k in cat: return v return 10 rows = [] for r in csv.DictReader(io.open(BASE + '/parsed/浙江_2026省基金_明细.csv', encoding='utf-8-sig')): if not (r['no'].isdigit() and int(r['no']) <= 2667): continue rows.append({'prov': '浙江', 'unit': r['unit'], 'pi': r['pi'].strip() or '未填', 'name': r['name'], 'amt': zj_amt(r['cat']), 'cat': r['cat'], 'topic': topic_of(r['name'])}) for r in csv.DictReader(io.open(BASE + '/parsed/广东_2026省基金_明细.csv', encoding='utf-8-sig')): rows.append({'prov': '广东', 'unit': r['unit'], 'pi': (r['pi'] or '').strip() or '未填', 'name': r['name'], 'amt': int(r['amt']), 'cat': r['cat'], 'topic': topic_of(r['name'])}) print('总项目', len(rows), '｜有方向', sum(1 for r in rows if r['topic'])) groups = defaultdict(lambda: {'n': 0, 'amt': 0, 'addr': 0.0, 'lines': {l: 0.0 for l in L}, 'topics': defaultdict(int), 'projects': [], 'cats': set()}) for r in rows: k = (r['prov'], r['unit'], r['pi']) g = groups[k] g['n'] += 1; g['amt'] += r['amt']; g['cats'].add(r['cat']) if r['topic']: rate, mix = STRUCT[r['topic']]['rate'], STRUCT[r['topic']]['mix'] g['addr'] += r['amt'] * rate for l in L: g['lines'][l] += r['amt'] * rate * mix[l] / 100 g['topics'][r['topic']] += r['amt'] if len(g['projects']) < 3: g['projects'].append(r['name']) out = [] for (prov, unit, pi), g in groups.items(): main = max(L, key=lambda l: g['lines'][l]) if g['addr'] > 0 else '' topic = max(g['topics'], key=g['topics'].get) if g['topics'] else '' out.append({'prov': prov, 'unit': unit, 'pi': pi, 'n': g['n'], 'amt': g['amt'], 'addr': round(g['addr'], 1), 'rate': round(g['addr'] / g['amt'], 3) if g['amt'] else 0, 'main': main, 'topic': topic, 'cats': '/'.join(sorted(g['cats'])), 'projects': g['projects']}) out.sort(key=lambda x: (x['prov'], -x['addr'], -x['amt'])) print('课题组数', len(out), '｜广东', sum(1 for x in out if x['prov'] == '广东'), '｜浙江', sum(1 for x in out if x['prov'] == '浙江')) print('可及 Top5:', [(x['pi'], x['unit'][:8], x['addr']) for x in out[:5]]) io.open(OUT_J, 'w', encoding='utf-8').write(json.dumps({'meta': {'note': '清单无课题组字段，按 1 位负责人 = 1 个课题组归集'}, 'rows': out}, ensure_ascii=False, indent=1)) # ── Excel sheet ── wb = load_workbook(OUT_X) for s in ('课题组_PI级',): if s in wb.sheetnames: del wb[s] ws = wb.create_sheet('课题组_PI级') ws.append(['省', '单位', '负责人', '项数', '经费(万元)', '宝锐可及(万元)', '可及率', '主产品线', '主要方向', '项目类别', '代表项目']) for x in out: ws.append([x['prov'], x['unit'], x['pi'], x['n'], x['amt'], x['addr'], x['rate'], x['main'], x['topic'], x['cats'], '；'.join(x['projects'])]) HEAD = PatternFill('solid', fgColor='1F4E79'); HF = Font(color='FFFFFF', bold=True, size=10) for c in range(1, ws.max_column + 1): cell = ws.cell(row=1, column=c) cell.fill = HEAD; cell.font = HF; cell.alignment = Alignment(horizontal='center', wrap_text=True) for r in range(2, ws.max_row + 1): ws.cell(row=r, column=7).number_format = '0.0%' for i, w in enumerate([6, 30, 12, 7, 13, 15, 9, 16, 18, 22, 70], start=1): ws.column_dimensions[get_column_letter(i)].width = w ws.freeze_panes = 'A2' ws.auto_filter.ref = ws.dimensions wb.save(OUT_X) print('✅ Excel sheet 课题组_PI级') # ── 可检索 HTML ── def esc(s): return (s or '').replace('&', '&').replace('<', '<').replace('>', '>') trs = [] for x in out: if x['addr'] <= 0: continue trs.append('%s%s%s%d%s%s%.0f%%%s%s%s' % ( x['prov'], esc(x['unit']), esc(x['pi']), x['addr'], x['prov'], esc(x['unit']), esc(x['pi']), x['n'], f"{x['amt']:,}", f"{x['addr']:,.0f}", x['rate'] * 100, x['main'], x['topic'], esc('；'.join(x['projects'])))) html = """ 科研经费 课题组/PI 级台账（广东·浙江 2026 省基金）

课题组 / PI 级台账：广东 · 浙江 2026 省基金

口径：官方清单无「课题组」字段，按 1 位负责人 = 1 个课题组 归集；可及经费 = 项目经费 × 研究方向可及率（经验值）。合计 __N__ 个课题组、__PROJ__ 个项目。截至 2026-10-17。
课题组 0可及经费 0 万
__ROWS__
省单位负责人 项数经费(万)可及(万) 可及率主产品线主要方向代表项目
""" html = (html.replace('__N__', str(len([x for x in out if x['addr'] > 0]))) .replace('__PROJ__', str(len(rows))) .replace('__TOPICS__', ''.join('' % t for t, _ in TOPICS)) .replace('__ROWS__', '\n'.join(trs))) io.open(OUT_H, 'w', encoding='utf-8').write(html) print('✅ HTML %.0f KB' % (len(html.encode()) / 1024))