trade_date = str(trade_date)[:-4]

这行代码的作用是将日期类型的变量 trade_date 转换成字符串类型，并且去掉最后四位字符。通常情况下，最后四位字符表示日期的时间部分，因此这段代码可能是为了将日期变量转换成只包含年月日的字符串格式。例如，如果 trade_date 的值为 "20211231123000"，那么经过这段代码处理后，它的值将变成 "20211231"。

相关问题

def __stk_surv(): df=pd.read_sql("select ts_code from stock_basic", con = con0) ts_code = (df[df['ts_code'].str.contains('[HZ]')]['ts_code'] .drop_duplicates() .apply(lambda x: f"'{x}'") .reset_index(drop=True)) for i in ts_code: try: start_date = str(pd.read_sql("select surv_date from stk_surv", con = con3).sort_values('surv_date',ascending = False).iloc[0,0]) start_date=pd.to_datetime(start_date)+pd.Timedelta(1,'days') start_date=start_date.strftime('%Y%m%d') except: start_date = 20220101 dateToday = datetime.date.today().strftime('%Y%m%d') end_date = dateToday i = i[1:10] df = pro.stk_surv(**{ "ts_code": i, "trade_date": "", "start_date": start_date, "end_date": end_date, "limit": "", "offset": "" }, fields=[ "ts_code", "name", "surv_date", "fund_visitors", "rece_place", "rece_mode", "rece_org", "org_type", "comp_rece" ]) # print(df) time.sleep(0.31) df = df[df['rece_mode'].str.contains('调研')] df.to_sql(name='stk_surv',con=con3,if_exists='append',index=False) 增加进度条

你可以在循环中使用tqdm库来添加进度条。以下是修改后的代码示例：

from tqdm import tqdm
import time

def __stk_surv():
    df=pd.read_sql("select ts_code from stock_basic", con = con0)
    ts_code = (df[df['ts_code'].str.contains('[HZ]')]['ts_code']
               .drop_duplicates()
               .apply(lambda x: f"'{x}'")
               .reset_index(drop=True))
    for i in tqdm(ts_code):
        try:
            start_date = str(pd.read_sql("select surv_date from stk_surv", con = con3).sort_values('surv_date',ascending = False).iloc[0,0])
            start_date=pd.to_datetime(start_date)+pd.Timedelta(1,'days')
            start_date=start_date.strftime('%Y%m%d')
        except:
            start_date = 20220101
        dateToday = datetime.date.today().strftime('%Y%m%d')
        end_date = dateToday
        i = i[1:10]
        df = pro.stk_surv(**{
                "ts_code": i,
                "trade_date": "",
                "start_date": start_date,
                "end_date": end_date,
                "limit": "",
                "offset": ""
            }, fields=[
                "ts_code",
                "name",
                "surv_date",
                "fund_visitors",
                "rece_place",
                "rece_mode",
                "rece_org",
                "org_type",
                "comp_rece"
            ])
        # print(df)
        time.sleep(0.31)
        df = df[df['rece_mode'].str.contains('调研')]
        df.to_sql(name='stk_surv',con=con3,if_exists='append',index=False)

在上面的代码中，我们使用了tqdm库来包装循环，以自动为你添加进度条。你可以根据需要自定义进度条的样式和位置。

import requests import re import pandas as pd import time import datetime url = 'http://datacenter-web.eastmoney.com/api/data/v1/get?' name_list = [] code_list = [] trader_date_list = [] close_list = [] change_rate_list = [] buy_num_list = [] result_list = [] result_df = pd.DataFrame() for page in range(1, 4): params = ( ('callback', 'jQuery112305930880286224138_1632364981303'), ('sortColumns', 'NET_BUY_AMT,TRADE_DATE,SECURITY_CODE'), ('sortTypes', '-1,-1,1'), ('pageSize', '50'), ('pageNumber', str(page)), ('reportName', 'RPT_ORGANIZATION_TRADE_DETAILS'), ('columns', 'ALL'), ('source', 'WEB'), ('clientl', 'WE'), ('filter', "(TRADE_DATE>='2021-09-17')") ) response = requests.get(url, params=params) text = response.text print(text) # re准则查找数据 name = re.findall('"SECURITY_NAME_ABBR":"(.*?)"', text) # 名称 code = re.findall('"SECURITY_CODE":"(.*?)"', text) # 股票代码 trader_date = re.findall('"TRADE_DATE":"(.*?)"', text) # 交易日期 close = re.findall('"CLOSE_PRICE":(.*?)\,', text) # 收盘价 change_rate = re.findall('"CHANGE_RATE":(.*?)\,', text) # 涨幅 buy_num = re.findall('"BUY_TIMES":(.*?)\,', text) # 买入机构数量 # 将对应的列表里的数据全部加起来 name_list = name_list + name code_list = code_list + code trader_date_list = trader_date_list + trader_date close_list = close_list + close change_rate_list = change_rate_list + change_rate buy_num_list = buy_num_list + buy_num time.sleep(2) # 将所有列表合并成二维数组 result_list = [trader_date_list, code_list, name_list, close_list, change_rate_list, buy_num_list] # 将数据转为DataFrame格式 result_df = pd.DataFrame(result_list).T.rename( columns={0: '交易日期', 1: '股票代码', 2: '股票名称', 3: '收盘价', 4: '涨幅', 5: '买入机构'}) result_df['交易日期'] = pd.to_datetime(result_df['交易日期']) # 时间只取年月日 result_df = result_df.sort_values(by='交易日期', ascending=True) print(result_df)注释

这是一段 Python 代码，用于爬取东方财富网的机构交易数据。代码使用 requests 库向数据接口发起请求，然后使用正则表达式从返回的 JSON 数据中提取出所需信息，最后将数据整合成 pandas DataFrame 格式并输出。具体来说，代码循环爬取 3 页数据，每页包含 50 条交易记录。请求参数中的 filter 参数表示只爬取交易日期在 2021-09-17 及之后的数据。最后输出的 DataFrame 包含交易日期、股票代码、股票名称、收盘价、涨幅和买入机构等信息。