在daily数据库遍历所有表格，表格有特殊字符，需要加反引号，对于每个表格 查询net_mf_amount列的数据，按照trade_date降序排列 对查询结果进行pandas计算，a和b列均已存在，不需要判断，对net_mf_amount列的前一天的数据减去今天的数据放在a列， 将a列的值前一天的数据减去今天的数据放在b列，如果a和b之前计算过，则跳过计算下一个值 保存a和b列的值 继续处理下一个表格，直到处理完所有表格

好的，你需要遍历daily数据库中所有表格，对于每个表格查询net_mf_amount列的数据，按照trade_date降序排列。对于查询结果，你需要进行pandas计算，计算过程中需要判断表格中是否已经存在a和b列，如果存在，则跳过计算下一个值。最后，你需要保存a和b列的值，并继续处理下一个表格，直到处理完所有表格。下面是实现这个功能的代码示例：

import pandas as pd
import pymysql

# 建立连接
daily_conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='daily')

# 获取表格列表
cursor = daily_conn.cursor()
cursor.execute("SHOW TABLES")
tables = cursor.fetchall()

# 遍历所有表格
for table in tables:
    table_name = table[0]
    
    # 处理表格名中的特殊字符
    if '`' not in table_name:
        table_name = f"`{table_name}`"
    
    sql = f"SELECT net_mf_amount, trade_date FROM {table_name} ORDER BY trade_date DESC"
    cursor = daily_conn.cursor()
    cursor.execute(sql)
    data = cursor.fetchall()
    df = pd.DataFrame(list(data), columns=['net_mf_amount', 'trade_date'])
    
    # 对查询结果进行pandas计算
    if 'a' not in df.columns and 'b' not in df.columns:
        df['a'] = df['net_mf_amount'].shift(1) - df['net_mf_amount']
        df['b'] = df['a'].shift(1) - df['a']
    else:
        continue
    
    # 保存a和b列的值
    cursor = daily_conn.cursor()
    try:
        cursor.execute(f"ALTER TABLE {table_name} ADD COLUMN a FLOAT")
        cursor.execute(f"ALTER TABLE {table_name} ADD COLUMN b FLOAT")
    except:
        pass
    
    for index, row in df.iterrows():
        a_value = row['a']
        b_value = row['b']
        trade_date = row['trade_date']
        cursor.execute(f"UPDATE {table_name} SET a = {a_value}, b = {b_value} WHERE trade_date = '{trade_date}'")
    
    daily_conn.commit()

# 关闭连接
cursor.close()
daily_conn.close()

这段代码首先连接daily数据库，然后获取表格列表，对于每个表格，它会查询net_mf_amount列的数据，按照trade_date降序排列。接着，它会对查询结果进行pandas计算，如果表格中不存在a和b列，则进行计算，否则跳过计算下一个值。最后，它会保存a和b列的值，并继续处理下一个表格，直到处理完所有表格。需要注意的是，在处理表格名中的特殊字符时，需要在表格名的前后加上反引号。