def read(self, name):
"""
功能：读取pickle
name：文件名，str
返回：数据
"""
data = pickle.load(
StringIO(read_file('%s%s.pkl' % (self.__path, name))))
return data
def send_image_qqmail(subject,
message,
image_list=[],
file_root='./',
file_ext='png'):
"""
发送html含image格式QQ邮件
subject：邮件主题
message：邮件正文
image_list：图片列表
file_root：图片所在目录
file_ext：图片扩展名
"""
#发送的邮箱
sender = 'DGCIdea<*****@*****.**>'
#要接受的邮箱
receiver = '*****@*****.**'
#smtp服务器
smtpserver = 'smtp.qq.com'
#邮箱账号
username = '******'
#邮箱授权码。一个16位字符串
password = '******'
#smtp
server = smtplib.SMTP_SSL('smtp.qq.com')
#配置
msgRoot = MIMEMultipart('related')
#邮件主题
msgRoot['Subject'] = subject
#发送和接收都为自己
msgRoot['to'] = receiver
msgRoot['from'] = sender
#邮件文本信息
#中文需参数‘utf-8'，单字节字符不需要str(message)，纯文本为参数'plain'，html为参数'html'
msgText = MIMEText(message, 'html', 'utf-8')
msgRoot.attach(msgText)
if len(image_list) != 0:
#邮件图像信息
for name in image_list:
file_name = ('%s%s.%s') % (file_root, name, file_ext)
image_id = ('<%s>') % (name)
image_data = read_file(file_name)
msgImage = MIMEImage(image_data)
msgImage.add_header('Content-ID', image_id)
msgRoot.attach(msgImage)
try:
#ssl（弃用）
#server.connect()
#登陆
server.login(username, password)
#发送
server.sendmail(sender, receiver, msgRoot.as_string())
except Exception as e:
raise e
#结束
server.quit()
def get_wg_info(file_path=FILE_PATH, file_name=FILE_NAME):
# 打开excel文件
content = read_file('%s%s' % (file_path, file_name))
xlr_f = xlrd.open_workbook(file_contents=content)
# 获取第一个表
table = xlr_f.sheet_by_index(0)
# 获取标的列表
etf_list = [
str(item)[:6] for item in table.col_values(2)[4:] if item is not u''
]
# 标的信息有序字典
etf_dict = {}
etf_dict = collections.OrderedDict()
# 遍历所有工作表
for i, code in zip(range(1, len(etf_list) + 2), etf_list):
table = xlr_f.sheet_by_index(i)
# 获取标的的网格价格、买入数量、卖出数量
price_list = [
round(item, 3) for item in table.col_values(2)[6:]
if item is not u''
]
buy_list = [
int(item) for item in table.col_values(4)[6:] if item is not u''
]
sell_list = [
int(item) for item in table.col_values(5)[6:] if item is not u''
]
# 保存到字典
etf_dict.update({
code: {
'name': table.name,
'value': {
'price': price_list,
'buy': buy_list,
'sell': sell_list
}
}
})
return etf_dict
def get_value_index():
#指数关注列表
index_list=[
'HSCEI',#恒生国企,
'HSI',#恒生指数
'SPX',#恒生指数
'000902.SH',#全市场
'000300.SH',#沪深300
'000905.SH',#中证500
'399006.sz',#创业板指
'399005.sz',#中小板指
'000991.SH',#全指医药
'000992.SH',#全指金融
'000990.SH',#全指消费
'000993.SH',#全指信息
'399812.sz',#中证养老
'000807.SH',#食品饮料
'000922.SH',#中证红利
'399967.sz',#中证军工
'399989.sz',#中证医疗
'000827.SH',#中证环保
'399971.sz',#中证传媒
'399986.sz',#中证银行
'399975.sz',#全指证券
'000015.SH',#上证红利
]
#读取指数分析表
df=pd.read_csv(StringIO(read_file(FILE_PATH+'idx_value.csv')),index_col=0)
df=df[df['aid']==10]
#按照关注列表筛选
df=df[df.index.isin(index_list)]
#全市场估值
code='000902.SH'
#当前估值、百分位、区间
#区间为极低的前5个指数名称
info=pd.DataFrame(
data=[
['#估值','','','','',''],
['全市场','PE:%s'%(df.ix[code,'pe_e']),'%s%%'%(df.ix[code,'pe_e_ratio']),#,df.ix[code,'pe_e_state']
'PB:%s'%(df.ix[code,'pb_e']),'%s%%'%(df.ix[code,'pb_e_ratio'])],#,df.ix[code,'pb_e_state']
['关注']+df[df['pe_e_state']=='极低']['name'][0:5].tolist()],
columns=range(6))
#返回信息
return info
def read(self, name, cols=None, parse_dates=False, encoding=None):
"""
功能：读取数据库表
name：表名，str，如：‘idx_000300’
cols：字段名，list，如：[‘close’,'open']
parse_dates：是否解析日期，bool
encoding：编码格式，str
返回：数据表，dataframe
"""
# 使用cols时，默认不包括index列，所以必须加上index列
cols = None if cols is None else [0] + cols
# 策略中必须使用StringIO+read_file方法
df = pd.read_csv(StringIO(read_file('%s%s.csv' % (self.__path, name))),
usecols=cols,
index_col=0,
parse_dates=parse_dates,
encoding=encoding)
# 返回数据表
return df
def __connection(self):
"""
功能：连接数据库
参数：无
返回：数据库链接
"""
if self.__in_research:
# 研究中，直接连接数据库
connect = create_engine('sqlite:///%s%s.db' %
(self.__path, self.__name))
else:
# 策略中，生成一个副本数据库到策略的默认目录，生成副本数据库的连接
# 数据库文件
data_file = '%s%s.db' % (self.__path, self.__name)
# 读取数据库到内存
data = read_file(data_file)
# 副本文件
temp_file = '%s_temp.db' % (self.__name)
# 写内存数据到策略默认目录中
with open(temp_file, 'wb') as f:
f.write(data)
# 生成数据库副本连接
connect = create_engine('sqlite:///%s' % temp_file)
return connect