基于金融大数据的特征提取与趋势预测系统（8）——数据存储和更新

 数据存储和更新涉及的表有sz50、daily_forecast、daily_similarity_sz50、recently_sz50

由于sz50是变化的的（半年一更），所以要定期对sz50的信息进行更新。

在建表时，recently_sz50和daily_similarity_sz50以sz50的ts_code列作为外码，是为了方便更新sz50时对失效信息的删除。因此对sz50的更新就不能使用全部替换的方式，只能部分更新

    ts_code0 = sz50()
    new_data = new_sz50()
    code0 = [i[0] for i in ts_code0]
    code1 = [i[0] for i in new_data]

    code_keep = [i for i in code0 if i in code1]
    code_del = [i for i in code0 if i not in code1]
    code_new = [i for i in code1 if i not in code0]
    data_new = [i for i in new_data if i[0] in code_new]

    for i in data_new:
        cursor.execute('insert into sz50 values (%s,%s)', i)
    for i in code_del:
        cursor.execute('delete from sz50 where ts_code = %s', [i])
    db.commit()

函数sz50()取出数据库中的原有的信息，

函数new_szs50()查找新的sz50信息，

通过比较这二者的不同可以获取以下信息：

        code_keep，是未变动的股票的代码，要根据它们来每天更新daily_similarity_sz50和recently_sz50的信息

        code_del，是淘汰股票的代码，通过删除它们来级联删除对应的日信息等

        code_new，是新增股票的代码，要把对应股票的日信息插入daily_similarity_sz50和recently_sz50

        data_new，是新增股票的信息，要插入到sz50中

根据code_keep的股票代码，通过tushare（daily）逐个获取最新的信息插入到数据库中；

根据code_new的股票代码，以同样的方式获取所需时间段的信息插入数据库。

其他的还有对股票预测所需数据的存储，和预测中间结果的存储