【模拟 简易银行系统~python】

---

个人昵称：lxw-pro
个人主页：欢迎关注 我的主页
个人感悟： “失败乃成功之母”，这是不变的道理，在失败中总结，在失败中成长，才能成为IT界的一代宗师。

面向对象编程之模拟银行系统

现在呀，虽说已经大面积的使用微信支付、支付宝支付等，可要想微信、支付宝等留有余额，还是离不开我们的存款，存款的话也得有现金，当然，自动取款机还是依旧那么方便 ，“自己动手，丰衣足食”，那么，我们的自动取款机又是怎么知道你存了这么多，怎么清楚地知道你的余额的呢，下面我们来康康这所谓的简易模拟系统叭！

相关程序代码如下：

import datetime


class Bank(object):
    account_log = []

    def __init__(self, name):
        self.name = name

    def deposit(self, amount):      # 存钱
        user.balance += amount
        self.write_log('存钱', amount)

    def withdrawal(self, amount):   # 取钱
        if amount > user.balance:
            print("余额不足")
        else:
            user.balance -= amount
            self.write_log('取钱', amount)

    def write_log(self, type, amount):  # 写日志
        now = datetime.datetime.now()
        ct = now.strftime("%Y-%m-%d %H:%M:%S")
        data = [self.name, user.name, ct, type, amount, f"{user.balance:.2f}"]
        Bank.account_log.append(data)


class User(object):
    def __init__(self, name, balance):
        self.name = name
        self.balance = balance

    def print_log(self):
        for item in Bank.account_log:
            print(item)


def show_menu():
    menu = '''
    0: 退出
    1: 存款
    2: 取款
    3: 打印交易信息
    '''
    print(menu)


bank = Bank("贵阳银行")
user = User('lxw-pro', 520)

while True:
    show_menu()
    num = int(input("请输入菜单编号："))
    if num == 0:
        print("退出系统")
        break
    elif num == 1:
        print("存款")
        amount = float(input("请输入存款金额："))
        bank.deposit(amount)
        print(f"当前金额是{user.balance:.2f}")
    elif num == 2:
        print("取款")
        amount = float(input("请输入取款金额："))
        bank.withdrawal(amount)
        print(f"当前金额是{user.balance:.2f}")
    elif num == 3:
        print("查看记录")
        user.print_log()
    else:
        print("输入有误！")

运行效果如下：

看效果，有点长，故截成两张图

————————————————————————————————————————————

pandas 每日一练：

# -*- coding = utf-8 -*-
# @Time : 2022/7/29 15:15
# @Author : lxw_pro
# @File : pandas-11 练习.py
# @Software : PyCharm


import pandas as pd
import matplotlib.pyplot as plt

lxw = pd.read_excel("site.xlsx")
print(lxw)

运行结果为：

     Unnamed: 0  Unnamed: 0.1   create_dt  ...   yye  sku_cost_prc     lrl
0             0             1  2016-11-30  ...   8.8          6.77  30.00%
1             1             2  2016-11-30  ...   7.5          5.77  30.00%
2             2             3  2016-11-30  ...   5.0          3.85  30.00%
3             3             4  2016-11-30  ...  19.6          7.54  30.00%
4             4             5  2016-12-02  ...  13.5         10.38  30.00%
..          ...           ...         ...  ...   ...           ...     ...
751         751           752  2016-12-31  ...   1.0          0.77  30.00%
752         752           753  2016-12-31  ...   2.0          1.54  30.00%
753         753           754  2016-12-31  ...   1.0          0.77  30.00%
754         754           755  2016-12-31  ...   7.6          2.92  30.00%
755         755           756  2016-12-31  ...   3.3          2.54  30.00%

[756 rows x 8 columns]

---

66、绘制sku_cost_prc的密度曲线

lxw['sku_cost_prc'].plot(kind='kde')

plt.show()

运行效果为：

---

67、计算后一天与前一天sku_cost_prc的差值

print(-lxw['sku_cost_prc'].diff())

运行结果为：

0       NaN
1      1.00
2      1.92
3     -3.69
4     -2.84
       ... 
751    3.13
752   -0.77
753    0.77
754   -2.15
755    0.38
Name: sku_cost_prc, Length: 756, dtype: float64

---

68、计算后一天与前一天sku_cost_prc变化率

print(-lxw['sku_cost_prc'].pct_change())

运行结果为：

0           NaN
1      0.147710
2      0.332756
3     -0.958442
4     -0.376658
         ...   
751    0.802564
752   -1.000000
753    0.500000
754   -2.792208
755    0.130137
Name: sku_cost_prc, Length: 756, dtype: float64

---

69、设置日期为索引

data = lxw.set_index('create_dt')
print(data)

运行结果为：

            Unnamed: 0  Unnamed: 0.1  sku_cnt  ...   yye  sku_cost_prc     lrl
create_dt                                      ...                            
2016-11-30           0             1      1.0  ...   8.8          6.77  30.00%
2016-11-30           1             2      1.0  ...   7.5          5.77  30.00%
2016-11-30           2             3      1.0  ...   5.0          3.85  30.00%
2016-11-30           3             4      2.0  ...  19.6          7.54  30.00%
2016-12-02           4             5      1.0  ...  13.5         10.38  30.00%
                ...           ...      ...  ...   ...           ...     ...
2016-12-31         751           752      1.0  ...   1.0          0.77  30.00%
2016-12-31         752           753      1.0  ...   2.0          1.54  30.00%
2016-12-31         753           754      1.0  ...   1.0          0.77  30.00%
2016-12-31         754           755      2.0  ...   7.6          2.92  30.00%
2016-12-31         755           756      1.0  ...   3.3          2.54  30.00%
[756 rows x 7 columns]

---

70、以9个数据作为一个数据滑动窗口，在这5个数据上取均值（sku_cost_prc）

jz = data['sku_cost_prc'].rolling(10).mean()
print(jz)

运行结果为：

create_dt
2016-11-30      NaN
2016-11-30      NaN
2016-11-30      NaN
2016-11-30      NaN
2016-12-02      NaN
              ...  
2016-12-31    5.016
2016-12-31    4.185
2016-12-31    3.500
2016-12-31    2.802
2016-12-31    2.066
Name: sku_cost_prc, Length: 756, dtype: float64

---

每日一言：

自律的顶端就是享受孤独！这一年里，失去，释怀，成长，完结一半！！

---

持续更新中…

点赞，你的认可是我创作的动力！
收藏，你的青睐是我努力的方向！
评论，你的意见是我进步的财富！
关注，你的喜欢是我长久的坚持！

欢迎关注微信公众号【程序人生6】，一起探讨学习哦！！！