【Python小技巧】使用prettytable格式化显示dataframe数据 经常我们使用print(df)输出dataframe数据，打印输出的数据没有格式，看起来屏幕一篇乱。有没有一种可以格式化输出的工具？还真有，那就是prettytable。虽然只是一个简单的方法，但可以使我们的表格清晰的展现出来。对于需要检查数据非常的方便。
【Python小技巧】一行conda命令升级Anaconda中python到指定版本 听说python出了新版本，想升级却不知道怎么升级，升哪个版本？python 3.10用着还不错，现在python都出了3.13版本了，而且3.11较之前的版本效率提升不是一点点！但鉴于第三方库的兼容问题，考虑再三，就先升级到3.11版本吧。升级很简单，就是过程很耗时，毕竟需要下载很多包。但还好，一条命令运行后，输入Y确认后就不用管了。好在运行效率确实有提升，一切都值了。这个方法同样适合虚拟环境。只是需要先切换到对应环境。
【Python小技巧】移花接木解决[Errno 2] No such file or directory: ‘matplotlib-3.8.4.dist-info\\METADATA‘问题 安装了anaconda，使用pip安装第三方库，其实就是给anaconda3\Lib\site-packages添加东西而已。如果因为各种原因导致冲突或者误删文件，只要把文件凑齐放到该目录下，问题一般都可以顺利解决。甚至不使用pip命令安装，只需要把其它电脑对应的包安装的目录复制过来也是可以用的，当然这个需要python的版本是一致的。一般还是用pip安装，避免不必要的麻烦，毕竟还有库依赖的问题。好了，就聊到这里。
【量化数据】使用DiskCache高效、持久化存取股票行情信息，彻底解决行情焦虑！ 量化交易，数据先行。可你是不是也经常遇到：行情没下载读取不到，下载了读取不够快，直接订阅行情数量又不够，或者速度不够快。那么你可以尝试一下下面这个方法。我们这里只是简单的介绍了DiskCache的一下主要操作和用法，并对量化需要用到的行情信息读写进行了展示，作为基本应用已经足够用了，基本操作也就这些了。在使用了mysql，sqlite，txt，redis，综合速度和持久化，个人更倾向于DiskCache。量化交易，数据先行。
【Python小技巧】使用python一键批量按顺序打印目录下所有文件（pdf，word、图片统统一起打印，不想打印的也可以跳过，限制打印解除限制再打印） 为迎接检查，需要提供很多文件，还要求打印。打印文件本身没什么难度，问题是批量打印文件，文件还在不同目录，目录还套目录，还要求按顺序打印，有pdf文件，还有图片，一个一个文件打开，一个一个点打印，再按顺序归档，这谁记得住啊！不行，我得找python帮忙！以上方法，经过实践，批量打印几千个文件，那就是喝杯咖啡的事儿。别人还在忙着打开目录，打开文件，打印文件，关闭文件，再打开再打印再关闭。你只需要运行一下，就可以去泡杯咖啡去品尝了。只要打印机纸墨管够，剩下的就是打印完去拿回来就完成了。
【Python小技巧】openpyxl读取xlsx文件报错the workbook source files contain some invalid XML的解决办法 目前最终版本是3.1.5，显然大于现在的3.1.2，果断使用pip install openpyxl -U升级openpyxl。升级完成后，再次程序，无论xlsx文件是否存在筛选，读取数据都不再报错且数据读取也没问题。检查openpyxl版本，执行如下命令pip show openpyxl，版本为3.1.2。查看excel文件，发现其中有筛选，去除筛选后再次执行程序，一切OK。一个文件这么去掉筛选没什么，但文件sheet较多，一个一个做有些折腾！另外，这个问题openpyxl应该也发现了吧。
【实践出真知】使用Docusaurus将md文档组织起来就是一个网站（写API文档，写教程、写日记、写博客的有福了） 前段时间，学习Flet，访问到Flet中文网，被其简洁的风格吸引，就想着以后将自己的内容也整理一下。最终发现该网站是用Docusaurus这个工具实现的。以后写API文档，写教程、写日记、写博客有福了，只要写出markdown文档即可。现在包括csdn等很多平台都是md文档。这样移植也非常方便。下面就让我们来认识一下吧。初步探索，后面就可以根据自己的需要补充完善了。不得不说，Docusaurus是真方便，还免费，而且功能强大，是一个不可多得的利器。
【思考】描述曲线走势，使用余弦相似度和pearson相关系数哪个更有效？ 描述曲线走势可以使用多种方法，其中余弦相似度和皮尔逊相关系数是两种常用的指标。它们各有优缺点，适用于不同的场景。对于描述曲线走势，皮尔逊相关系数通常更有效，因为它不仅考虑方向，还考虑大小，能够更全面地反映两个时间序列数据之间的线性相关性。而余弦相似度只关注方向，对于大小的变化不敏感，因此在曲线走势分析中不如皮尔逊相关系数有效。在行情里，close也好，ma均线也好，本质都是一个序列值，也就是一组list。一个list也就是一条曲线。你想到了什么？
一招解决conda报错：You have chosen a non-default solver backend ＞ (libmamba) but it was not recognize conda本来就是解决Python运行环境各种复杂的问题，结果还是在这里掉坑里了。还好官方文档给了各种解决思路。以后问题实在解决不了，就多看看官网文档！
【大麦小米学量化】使用一招搞定各种股票代码格式转换（含完整源代码） 在量化实践过程中，经常因为不同库使用不同的股票代码形式，所以需要来回转换股票代码，以符合作业环境。为方便不同形式的要求，现将常用的格式做了函数，方便调用。这个函数考虑了股票常用的各种形式，包括大小写，调用的时候选择相应的kind即可。
【Python小技巧】Python代码中加入对matplotlib版本号的识别，解决窗口最大化过程中调用代码不一致的问题 Python在更新，Python的各种库也在更新，有时候碰到之前的调用方法用不了了，是常有的事儿。这个比较头痛。以后，大家在发现问题后，也要多留一个心，同样的代码运行不了，很可能就是环境不一样了。关键的几个大库，版本一定要匹配。对于版本不一致的问题，如果可以判断版本号，均可以在代码中设置判断语句，以保证代码运行在哪个环境都不报错。如果对你有帮助，就留个赞吧！
【Python小技巧】matplotlib不显示图像竟是numpy惹的祸 Python3.10 使用matplotlib绘图，显示不出图像。首先排除代码的问题，因为使用Python3.8的虚拟环境显示是OK的，换到Python3.10却不行。为什么，折腾了好久，终于让我找到原因了。这里分享一下，希望可以帮助到大家。几经折腾，看来不是Python 3.10 的问题，问题出在各种库的互相配合上。虽然通过虚拟一个低版本的python环境也可以解决matplotlib显示的问题。但作为研究，我们还是要深入一些。
【Anaconda】Anaconda Navigator升级二三事（JSONDecoderError、MultiError、.condarc文件与conda update --force conda） 时间长未升级Anaconda Navigator，想着升级以下，结果报错了，提示JSONDecoderError，郁闷。之后又报错MultiError。反正是各种报错，最后通过命令行搞定。升级过程问题较多，网上的解决办法可以参考，但也要注意查看深层原因，最终解决问题。希望可以帮到各位！
【Anaconda】升级Anaconda Navigator提示JSONDecoderError，删除.condarc文件后搞定 时间长未升级Anaconda Navigator，想着升级以下，结果报错了，提示JSONDecoderError，郁闷。各种尝试，最终搞定，这里分享一些，希望大家可以避坑。有些人在创建Python虚拟环境时如果碰到这个问题，也可以使用如上方法哦！
【大麦小米学量化】使用Python读写通达信自选股（含代码转换及完整源代码），想要通过通达信自选股实现量化自动关联交易的有福了 提示：以下是本篇文章正文内容，下面案例可供参考我们在量化选股的后，有时候需要将股票添加到通达信里使用各种指标再检验检验，但如果有许多代码需要添加，一个一个输入就太low了。这里给大家介绍一种方法，可以将选出的股票批量导入通达信自选股。导入完毕后，在通达信终端打开自选板块就可以直接查看。这里我们以通达信版最新版本（通达信金融终端 V7.642）为例，不同版本自选股文件位置和名称可能不一致，我们可以在安装目录搜索*.blk即可。最近，又折腾起了通达信，为方便自选股操作就写了以上代码。需要的小伙伴可以拿走使用。
【Python小技巧】一招解决Python程序调用文件时的相对路径、绝对路径问题 你有没有碰到，下载了网上python代码，但本地运行时，老是报错文件找不到，调了这行，那行又报错，让人很崩溃！本文教大家一种方法，轻松解决绝对路径、相对路径带来的文件找不到的问题。方法很简单，希望可以帮到你！
【大麦小米学量化】使用迅投QMT客户端定时操作逆回购，再也不担心忘了赚零花钱了（含完整源代码） 前面很多人提到逆回购，但是经常一忙就忘了收盘后下单逆回购，白给的肉又飞了。这里我们使用QMT玩玩逆回购，代码简单，复制到本地，配置好即可运行，收益无负担，送你的钱不要白不要。简单来讲，逆回购从本质上讲是一种短期贷款，就是你把钱借给别人，获得固定利息；别人用债券（国债或企业债）作抵押，到期还本付息。使用xtquant调用迅投MiniQMT客户端定时操作逆回购，再也不担心忘了赚零花钱了（含完整源代码）让更多人可以看到！
【Python小技巧】使用sqlite的内存数据库提高股票行情数据读写（附代码） SQLite 内存中数据库是完全存储在内存中（而不是磁盘上）的数据库。使用特殊数据源文件名 :memory: 可创建内存中数据库。连接关闭后，数据库会被删除。使用 :memory: 时，每个连接都会创建自己的数据库。今天我们介绍了如何在内存中使用sqlite数据库。其中以下分别为不同形式的数据库，有兴趣的可以自行测试，对比读写速度。db = os.path.dirname(os.path.abspath(__file__))+"\\sqlite_stock.db" # 本地文件数据库。
关注
