用python完成（1）爬取指定网址的金属铜的库存数据（包括库存和库存变动），保存在本地（csv文件） 网址：https://data.eastmoney.com/ifdata/kcsj.html （2）提供每日更新功能，用每日更新的数据，更新本地库存数据。 （3）计算最近一周和最近一月库存变动比例，存入上述数据文件中。

A：

1）爬取金属铜的库存数据，并保存在本地csv文件中：

import requests
import csv
from bs4 import BeautifulSoup

#设置访问网址
url = "https://data.eastmoney.com/ifdata/kcsj.html"

#使用requests模块发送GET请求
response = requests.get(url)

#使用BeautifulSoup解析HTML页面
soup = BeautifulSoup(response.text, "html.parser")

#获取表格中的数据
table_data = soup.find_all("tr")

#创建csv文件，并写入数据
with open("copper_inventory.csv", "w", encoding='utf-8', newline='') as csvfile:
    writer = csv.writer(csvfile)
    #遍历表格数据，写入csv文件
    for row in table_data:
        #获取表格每一行的数据
        td_list = row.find_all("td")
        td_data = []
        #将数据填充到列表中
        for td in td_list:
            td_data.append(td.text.strip())
        #写入到csv文件中
        writer.writerow(td_data)

2）实现每日更新功能，使用同样的方法获取新的数据并追加到本地csv文件中：

import requests
import csv
from bs4 import BeautifulSoup

#设置访问网址
url = "https://data.eastmoney.com/ifdata/kcsj.html"

#使用requests模块发送GET请求
response = requests.get(url)

#使用BeautifulSoup解析HTML页面
soup = BeautifulSoup(response.text, "html.parser")

#获取表格中的数据
table_data = soup.find_all("tr")

#打开csv文件，将新数据追加到文件中
with open("copper_inventory.csv", "a", encoding='utf-8', newline='') as csvfile:
    writer = csv.writer(csvfile)
    #遍历表格数据，写入csv文件
    for row in table_data:
        #获取表格每一行的数据
        td_list = row.find_all("td")
        td_data = []
        #将数据填充到列表中
        for td in td_list:
            td_data.append(td.text.strip())
        #写入到csv文件中
        writer.writerow(td_data)

3）计算最近一周和最近一月库存变动比例，存入上述数据文件中：

可以通过使用pandas模块来进行数据处理和计算。首先使用pandas读取本地csv文件，并将最近一周和一月的数据筛选出来。接着，使用pandas自带的计算函数计算变动比例，最后将结果保存写入到csv文件中：

import pandas as pd
import numpy as np

#读取本地csv文件
df = pd.read_csv("copper_inventory.csv", encoding='utf-8')

#筛选最近一周的数据
recent_week = df[df['日期'] > pd.Timestamp.today() - pd.Timedelta(days=7)]

#筛选最近一月的数据 
recent_month=df[df['日期'] > pd.Timestamp.today() - pd.Timedelta(days=30)]

#计算最近一周和最近一月的数据变动比例
recent_week['库存变动比例'] = recent_week['库存'].astype(float).pct_change().replace([np.inf,-np.inf,np.nan],0)
recent_month['库存变动比例'] = recent_month['库存'].astype(float).pct_change().replace([np.inf,-np.inf,np.nan],0)

#将结果写入到csv文件
recent_week.to_csv('copper_inventory.csv',mode ='w', encoding='utf-8',header=True, index=False)
recent_month.to_csv('copper_inventory.csv', mode='a', encoding='utf-8',header=False, index=False)