vlambda博客
学习文章列表

近期每天都要监控一个数据。

第一个版本是这样的：

每天新增一个文档来汇总这个数据。这样搞了几天之后，过了一个周末，过来突然发现数据变多了很多，这个时候要调整策略，直接一个文档汇总出要的数据就可以了。

这样查了两天，我又嫌麻烦了，跟同事说了我的需求，问他能不能帮我用python搞成自动查结果然后把结果写到excel中的。他听完需求说这样是没有问题的。中午的时候他就把代码给我了。

大概分这6部分：

01

—

链接数据库

import pandas as pd

import xlwings as xw

from sqlalchemy import create_engine

pd.set_option('display.float_format',lambda x : '%.4f' % x)#到小数点后两位，完整显示

def engine():

    dbs=["yy_wr:DB@&[email protected]:5567/v2"]

    engine=create_engine(

        'mysql+pymysql://'+dbs[0],

        echo=False,

        pool_recycle=7200 

    )

    print("成功链接数据库")

    return engine

02

—

将数据库中的查询语句转译到python中

sql="""SELECT DATE_FORMAT(交易时间,'%d') 日期, 服务费,`商户服务费`,流量费,count(*),sum(交易金额) ,'非云闪付' 类别 from transaction_detail_202008 where `收单英文名称`='KQ_ZQ' 

and `业务产品` like '%%99%%' and `服务类型` not like '%%云闪付%%'

GROUP BY 1,2,3,4 union all

SELECT DATE_FORMAT(交易时间,'%d') 日期,  服务费,`商户服务费`,流量费,count(*),sum(交易金额),'云闪付' 类别 from transaction_detail_202008 where `收单英文名称`='KQ_ZQ' 

and `业务产品` like '%%99%%' and `服务类型` like '%%云闪付%%'

GROUP BY 1,2,3,4;"""

df=pd.read_sql(sql,con=engine())

【他给我的代码，在'%d'中的第一个百分号前还有个%,我这边查出来结果有问题，他那边是正常的，我删掉一个结果才符合预期】

03

—

打开指定的excel工作表新增工作表

app=xw.App()

df_data=app.books.open(r"E:\工作计划\周例会数据分享\2020.8.30\服务费收取数据源.xlsx")

df_data.sheets.add('newsource')

df_sheet=df_data.sheets('newsource')

04

—

将数据库中查询出的结果写入指定的excel区域

df_sheet.range("a1").value="每日交易数据"

df_sheet.range("a1:g1").api.merge

df_sheet.range("a2").value=list(df.columns)

for i in range(3,len(df)+3):

    df_sheet.range("a"+str(i)).value=list(df.loc[i-3])

print("每日交易数据保存完成")

【merge函数后面的括号已删除，在同事那边没问题，在我这边报错NoneType,我删掉这个括号才算正常】

05

—

将查出的数据进行汇总处理【透视表】

pdf=df.pivot_table(values="sum(交易金额)",index="日期",columns="类别",aggfunc="sum")

b = pdf.T.agg('sum').T#右侧合计列

pdf['合计']=list(b)

a = pdf.agg('sum')#底部合计行

pdf.loc["合计"]=list(a)

pdf['云闪付占比']=(pdf['云闪付']/pdf['合计']).apply(lambda x:"%.2f%%" % (x * 100))

sever_amount=[]

sever_fee=[]

for  i in range(len(pdf)):

    sever_amount.append(df[(df['服务费']=='0.060%')&(df['日期']==pdf.index[i])].sum()['sum(交易金额)'])

    sever_fee.append(df[(df['服务费']=='0.060%')&(df['日期']==pdf.index[i])].sum()['sum(交易金额)']*0.0006)

pdf['收取服务费交易金额']=sever_amount

pdf['收取服务费金额']=sever_fee

pdf['收取服务费交易金额占比']=(pdf['收取服务费交易金额']/pdf['合计']).apply(lambda x:"%.2f%%" % (x * 100))

pdf['收取服务费交易金额占非云闪付交易比例']=(pdf['收取服务费交易金额']/pdf['非云闪付']).apply(lambda x:"%.2f%%" % (x * 100))

df_sheet.range("i1").value="云闪付交易"

df_sheet.range("i1:m1").api.merge

df_sheet.range("n1").value="服务费与占比"

df_sheet.range("n1:q1").api.merge

df_sheet.range("i2").value=pdf

print('服务费与云闪付数据保存完成')

【这一部分的处理比较复杂，运用到透视表，还运营到条件求和】

06

—

保存&关闭文件，退出app,打印提示信息

df_data.save()#保存文件#文件如果是打开状态，不会报错   但更改不会起作用

df_data.close()#关闭文件关闭之后其他的才能操作#保存时会先检查是否已经存在，如果已经存在会有弹窗提醒

app.quit()

print("保存并关闭")

昨晚看了网易直播课的一堂课，用python去做量化投资。

第一部分老师自我介绍【吹牛B】

第二部分讲股票投资的一些指标计算方式

第三部分用python和yahoofinance中的数据进行投资收益测算

感悟：

了解了量化投资是个什么玩意：用算法和指标让程序去帮忙买入卖出。

昨天的课程没有太复杂的算法，只需要用工具把一系列的数据算出来。只是根据设置的条件去买进卖出。

这种投资有胜有负，昨天的BTC模拟数据是9胜10负，但是从年初到现在的收益率已经到了89%。

投资要克服人性中的贪婪。

在投资中，下跌是必然【如同地心引力】，上涨需要集聚很多的能量。如果人在操作股票的时候能够死守规则，应该也不至于被割韭菜割得肉都割掉了。