使用方法(依赖docker)
已经放到docker hub上了
mkdir -p /data/mariadb/data
docker pull pythonstock/pythonstock:latest
docker pull mariadb:latest
docker run --name mariadb -v /data/mariadb/data:/var/lib/mysql \
-e MYSQL_ROOT_PASSWORD=mariadb -p 3306:3306 -d mariadb:latest
docker run -itd --link=mariadb --name stock \
-p 8888:8888 \
-p 6006:6006 \
-p 9999:9999 \
-p 8500:8500 \
-p 9001:9001 \
pythonstock/pythonstock:latest
本地构建
其中构建文件参考 Dockerfile
首先会下载相关镜像,然后在进行构建。启动mariadb,并讲stock和mariadb链接起来。
依赖这两个镜像,tensorflow镜像比较大。
docker.io/tensorflow/tensorflow:latest
docker.io/mariadb:latest
访问端口
http://localhost:8888 jupyter
http://localhost:6006 tensorBoard
1,股票系统设计
相关博客资料: http://blog.csdn.net/freewebsys/article/category/7076584
股票数据抓取框架使用TuShare。 http://tushare.org/
数据分析清洗使用pandas,numpy。 http://pandas.pydata.org/
数据存储到磁盘上,使用Mysql数据库。存储股票数据。 https://pypi.python.org/pypi/mysqlclient
web框架使用tornado http://www.tornadoweb.org/en/stable/
机器学习,当然使用最流行TensorFlow啦。 https://www.tensorflow.org/
tornado web系统 http://docs.pythontab.com/tornado/introduction-to-tornado/
2,架构设计
全系使用python实现。因为都是python的类库,互相之间调用方便。 从数据抓取,数据处理,到数据展示数据运算都是python实现。
最终的数据都到前端展示出来。主要分为4个文件夹。
jobs 抓取数据并存储实现类。
libs 通用工具类。
web 前端展示框架。
tf 机器学习文件夹,推测数据。
3,应用部署
需要mysql数据库启动。项目放到/data/stock 目录。
CREATE DATABASE IF NOT EXISTS `stock_data` CHARACTER SET utf8 COLLATE utf8_general_ci;
使用 :
http://docs.sqlalchemy.org/en/latest/core/reflection.html
3,web使用datatable显示报表
4,使用pandas处理重复数据
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html
data = ts.get_report_data(year, quarter)
# 处理重复数据,保存最新一条数据。
data.drop_duplicates(subset="code", keep="last")
5,增加多字段排序
1,点击是单个字段进行排序。
2,按照【shift】,点击多个,即可完成多字段排序。
3,服务端分页排序。
4,按照多个字段进行筛选查询。
6,增加对字典表通用修改
CREATE TABLE `user_stock` (
`code` varchar(255) NOT NULL,
`date` varchar(8) NOT NULL,
`price` double DEFAULT NULL,
`shares` double DEFAULT NULL,
`commission_rate` double DEFAULT NULL,
`tax_rate` double DEFAULT NULL,
`comment` varchar(255) DEFAULT NULL,
PRIMARY KEY (`code`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;