pythonapi开发_Python学习笔记 （3）—— pythonAPI开发

用python的flask框架将我已经写好的函数封装成API供我的JavaWeb项目调用

# -*- coding: utf-8 -*-

"""

Created on Sun Aug 4 09:15:26 2019

@author: Mr. Wang

"""

import tushare as ts

import matplotlib as mpl

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from flask import Flask,jsonify,request

import json

app = Flask(__name__)#创建一个服务，赋值给APP

data = ts.get_stock_basics()

@app.route('/stock3',methods=['get'])

def test():

s1 = request.args.get('s1')

s2 = request.args.get('s2')

s3 = request.args.get('s3')

callback = request.args.get('callback')

codes_in=[

'000977','300383','600410'

]

codes_in[0] = s1

codes_in[1] = s2

codes_in[2] = s3

for c in codes_in:

df=ts.get_hist_data(c,start='2019-09-01',end='2020-04-30')

df.to_csv('assets'+c+'.csv')

codes={} #创建字典

for s in codes_in:

codes[s]=data.loc[s, 'name']

symbols=codes.keys() #所有股票名称作为key值

def col_converter(x): #定义函数

try:

return float(x)

except:

return None

prices=None

for i,s in enumerate(symbols): #穷举

p=pd.read_csv('assets'+s.upper()+'.csv',

usecols=['close','date'],index_col='date',

converters={'close':col_converter}, engine='python')#engine = 'python' 不然打不开文件

if i==0:

prices=pd.DataFrame(index=p.index)#创建dataframe

prices[s]=p['close'] #初始化每一列

prices.sort_index(ascending=True,inplace=True) #升序排列

prices.dropna(inplace=True) #去掉空值

co=prices.pct_change().corr()#相关系数dataframe

for symbol in symbols:

v=co[symbol].sort_values() #按相关系数升序

print (symbol,u' | 正相关度最高: ',v.index[-2],u' 相关系数=',v[-2],u' | 负相关度最高: ',v.index[0],u' 相关系数=',v[0])

print ('')

#将股票分为

from sklearn.cluster import affinity_propagation

_,labels=affinity_propagation(co)

symbolx = list(symbols)#须转换为list

df_c=pd.DataFrame({'label':labels,'name':symbolx})

g=df_c.groupby('label')

for item in g:

x = item[1]['name'].values

print (item[0],','.join(x))

print ('=============')

# prices.pct_change().hist(column=[u'浪潮信息',u'光环新网',u'华胜天成',u'中兴通讯' , u'东方通', u'浪潮软件', u'中科曙光'],

# sharex=True,sharey=True,bins=30)

#

weights = np.random.random(3)

weights /= np.sum(weights)

weights

log_returns = np.log(prices.pct_change()+1)

log_returns = log_returns.dropna()

#投资组合的风险（9个交易日，标准差）

np.sqrt(np.dot(weights, np.dot(log_returns.cov()*160, weights)))#九个交易日

#随机生成1000种随机的投资组合，即权重weight的尺寸为1000*9

port_returns = []

port_variance = []

for p in range(1000):

weights = np.random.random(3)

weights /=np.sum(weights)

port_returns.append(np.sum(log_returns.mean()*160*weights))

port_variance.append(np.sqrt(np.dot(weights.T, np.dot(log_returns.cov()*160, weights))))

port_returns = np.array(port_returns)

port_variance = np.array(port_variance)

#无风险利率设定为3

risk_free = 0.03

#优化，夏普率最大

import scipy.optimize as sco

def stats(weights):

weights = np.array(weights)

port_returns = np.sum(log_returns.mean()*weights)*160

port_variance = np.sqrt(np.dot(weights.T,np.dot(log_returns.cov()*160,weights)))

return np.array([port_returns,port_variance,port_returns/port_variance])

def min_sharpe(weights):

return-stats(weights)[2]

#给定初始权重

#权重（某股票持仓比例）限制在0和1之间。

x0 =3*[1./3]

bnds = tuple((0,1) for x in range(3))

#权重（股票持仓比例）的总和为1。

cons = ({'type':'eq','fun':lambda x: np.sum(x)-1})

#优化函数调用中忽略的唯一输入是起始参数列表(对权重的初始猜测)。我们简单的使用平均分布。

opts = sco.minimize(min_sharpe,x0,method ='SLSQP',bounds = bnds,constraints = cons)

opts

output = opts['x'].round(3)

#sharpe最大的组合3个统计数据分别为：

stats(opts['x']).round(3)

def min_variance(weights):

return stats(weights)[1]

optv = sco.minimize(min_variance,

x0,

method ='SLSQP',

bounds = bnds,

constraints = cons)

optv

optv['x'].round(3)

#得到的投资组合预期收益率、波动率和夏普指数

stats(optv['x']).round(3)

#定义一个函数对方差进行最小化

def min_variance(weights):

return stats(weights)[1]

return "raybu("+json.dumps(output.tolist()) +");"

app.run(host='0.0.0.0',port=8806,debug=True)

主要就是函数前后的两条语句，前面的那条语句设置了映射，也就是访问路径；后面的那条语句设置了端口号。

函数夹在两条语句中间就可以。

访问http://192.168.3.13:8806/stock3?s1=000977&s2=600519&s3=000708，会得到raybu([0.xx,0.xx,0.xx])。

这是推荐的各个股票配置权重，具体的分析步骤这里就不说了。

为什么要加一个raybu()把这个数组包起来呢？

因为我调试的时候要跨域调用API！

对于我的情况，简单来说就是我在本机开了tomcat运行web项目，在这个web项目中又调用了在本机运行的API，根据同源策略，这是不允许的！

所以就需要用一个回调函数把要传的数据包起来，用jsonp的方式传递，在我的api中就是raybu()，并且在客户端的JQuery语句的url中也要加入callback=?,并定义回调函数名为raybu,如下：

var getAdvise = function ()

{

var formObj=document.form1;

var code1 = formObj.s1.value;

var code2 = formObj.s2.value;

var code3 = formObj.s3.value;

//var str = {

//s1: code1,

// }传递参数为json时使用

alert(code1+code2+code3+durl)

//方式一：通过ajax的方式获取数据

$.ajax({

url:"http://192.168.3.13:8806/stock3?s1="+code1+"&s2=" + code2 + "&s3="+code3+"&callback=?",

type: 'get',

timeout: 100000,

dataType: 'jsonp',

processData: false,

jsonpCallback:"raybu",

success: function(data){

alert("success!");

$("#output")[0].innerText=data ;

console.log("fafafaf");

},

error:function(XMLHttpRequest, textStatus, errorThrown) {

alert(XMLHttpRequest.status);

alert(XMLHttpRequest.readyState);

alert(textStatus);

}

});

return false;

}

关于JS跨域请求的各种详细解释，我找到了下面几篇文章：

看完后应该就能解决关于JS跨域请求的各种问题了

flask实现pythonAPI注意事项

注意文件路径映射语句和接口开放语句的位置

注意端口是否被占用

注意映射的文件路径是否访问正确

注意return的格式

最重要的一点，如果客户端调用报错，检查是否跨域！