20200531 周报项目小结：用到的函数、功能和心得

1、显示结果，保留两位小数

risk  = round(last ,  2)

2、读取dbf文件，选择数据

#python中安装一下dbfread模块

pip install dbfread 

#导入dbfread模块中的DBF函数

from dbfread import DBF  

table = DBF('4N_JJFEZB_20200522.dbf',encoding='GBK')
for record in table:
    for field in record:
        if field == '前十名占比':
            fund_fezb = record[field]

3、读取Excel文件

import pandas as pd
df1 = pd.read_excel('20200522.xls', header=6) #取出整个表并从第6行导入
df1 = df1.set_index(df1['科目代码'], drop=True) #把“科目代码”列设置为主键

 #只需要科目代码、科目名称、数量、成本、成本占比列数据
df  = df1.iloc[:,[1, 4, 7, 8]]

4、将带有逗号的数据比如“87,809.01”，去掉逗号，再转成浮点数

#取出必要的固定信息
zcjz = float(df['科目名称']['净值(成本)'].replace(',',"")) #先取出需要的资产净值数据，再去掉逗号，转成浮点数

5、merge函数使用，左边指定、右边指定、how确认哪里为主

#用merge函数，按照左连接，指定为“科目名称”进行连接
data = pd.merge(df, df_all, left_on='科目名称', right_on='证券简称', how='left')

6、生成一个日期序列，可以是相同的日期

data['当前日期'] = pd.date_range(start='2020-05-22',end='2020-05-22', periods=len(data.index))

7、查看，按照dataframe中某一列数据排序的效果

data.sort_values(by='到期日期',ascending=True)

8、使用groupby函数分类并agg计算，生成一个dataframe，可以使用

data.groupby('Wind债券二级分类').agg(np.sum) #查看按照债券分类的情况

 data.groupby('Wind债券二级分类').agg(np.sum)['成本']['国债'] + data.groupby('Wind债券二级分类').agg(np.sum)['成本']['政策银行债']

data.groupby('发行人最新评级').agg(np.sum)

data[data['发行人最新评级'] == 'AA+'].groupby('发行人中文名称').agg(np.sum).sort_values(by='成本占比', ascending=False)

9、得到结果，生成一个dataframe装入结果，可以用来导出

#注：先定义一下列，可以用list，再用pandas生成一个dataframe

col_over = ['产品名称','产品代码','资产净值']

生成一个三列一行的dataframe

data_over = pd.DataFrame(index=[0],columns=col_over)

导出周报

data_over.to_excel(excel_writer='周报.xlsx', index=False, encoding='utf-8')

10、项目小结

（1）先分析需求，再结合特征理顺设计思路和逻辑框架，最后落实程序编制和自动化实现。
（2）写代码，注释很重要；方便阅读、修改和更新。
（3）函数、功能等容易忘记，尽量抽丝剥茧记录核心，便于查阅。