HKDataManagment/PyCode/ExportData_akshare.py

import csv
import pandas as pd
from MySQLHelper import MySQLHelper
import logging
from typing import List, Dict, Optional, Tuple
from datetime import datetime

def get_monthly_avg_data(db_config: dict, table_name: str) -> Optional[List[Dict]]:
    """
    从数据库读取月度均值数据
    
    Args:
        db_config: 数据库配置
        table_name: 源数据表名
        
    Returns:
        List[Dict]: 查询结果数据集，失败返回None
    """
    try:
        with MySQLHelper(**db_config) as db:
            # 获取表结构信息
            columns = db.execute_query(f"""
                SELECT COLUMN_NAME 
                FROM INFORMATION_SCHEMA.COLUMNS 
                WHERE TABLE_SCHEMA = %s AND TABLE_NAME = %s
                ORDER BY ORDINAL_POSITION
            """, (db_config['database'], table_name))
            
            if not columns:
                logging.error(f"表 {table_name} 不存在或没有列")
                return None
            
            # 获取列名列表(排除id和update_time)
            field_names = [col['COLUMN_NAME'] for col in columns 
                         if col['COLUMN_NAME'] not in ('id', 'update_time')]
            
            # 查询数据
            data = db.execute_query(f"""
                SELECT {', '.join(field_names)} 
                FROM {table_name}
                ORDER BY stock_code
            """)
            
            if not data:
                logging.error(f"表 {table_name} 中没有数据")
                return None
            
            return data
            
    except Exception as e:
        logging.error(f"从数据库读取月度均值数据失败: {str(e)}")
        return None

def get_float_share_data(db_config: dict, table_name: str) -> Optional[List[Dict]]:
    """
    从conditionalselection表读取流通股本数据
    
    Args:
        db_config: 数据库配置
        table_name: 源数据表名
        
    Returns:
        List[Dict]: 查询结果数据集，失败返回None
    """
    try:
        with MySQLHelper(**db_config) as db:
            # 查询流通股本数据
            data = db.execute_query(f"""
                SELECT stock_code, stock_name, float_share
                FROM {table_name}
                ORDER BY stock_code
            """)
            
            if not data:
                logging.error(f"表 {table_name} 中没有流通股本数据")
                return None
            
            return data
            
    except Exception as e:
        logging.error(f"从数据库读取流通股本数据失败: {str(e)}")
        return None

def merge_data(monthly_data: List[Dict], float_share_data: List[Dict]) -> List[Dict]:
    """
    合并月度均价数据和流通股本数据
    
    Args:
        monthly_data: 月度均价数据
        float_share_data: 流通股本数据
        
    Returns:
        List[Dict]: 合并后的数据集
    """
    merged_data = []
    float_share_dict = {item['stock_code']: item['float_share'] for item in float_share_data}
    
    for item in monthly_data:
        merged_item = item.copy()
        merged_item['float_share'] = float_share_dict.get(item['stock_code'], 'N/A')
        merged_data.append(merged_item)
    
    return merged_data

def export_to_csv(data: List[Dict], output_file: str) -> bool:
    """
    将合并后的数据导出到CSV文件
    
    Args:
        data: 要导出的数据集
        output_file: 输出的CSV文件路径
        
    Returns:
        bool: 是否导出成功
    """
    if not data:
        return False
    
    try:
        # 获取字段名(使用第一个数据的键)
        field_names = list(data[0].keys())
        
        # 字段名到中文的映射
        header_map = {
            'stock_code': '股票代码',
            'stock_name': '股票名称',
            'float_share': '流通股本(千股)',
            'ym_2410': '2024年10月均收盘价',
            'ym_2411': '2024年11月均收盘价',
            'ym_2412': '2024年12月均收盘价',
            'ym_2501': '2025年1月均收盘价',
            'ym_2502': '2025年2月均收盘价',
            'ym_2503': '2025年3月均收盘价',
            'ym_2504': '2025年4月均收盘价',
            'ym_2505': '2025年5月均收盘价',
            'ym_2506': '2025年6月均收盘价',
            'ym_2507': '2025年7月均收盘价',
            'ym_2508': '2025年8月均收盘价'
        }
        
        with open(output_file, mode='w', newline='', encoding='utf-8-sig') as csvfile:
            writer = csv.DictWriter(csvfile, fieldnames=field_names)
            
            # 写入中文表头
            writer.writerow({col: header_map.get(col, col) for col in field_names})
            
            # 写入数据
            writer.writerows(data)
            
        logging.info(f"成功导出 {len(data)} 条记录到CSV文件: {output_file}")
        return True
        
    except Exception as e:
        logging.error(f"导出到CSV失败: {str(e)}")
        return False

def export_to_excel(data: List[Dict], output_file: str) -> bool:
    """
    将合并后的数据导出为Excel文件(包含多个工作表)
    
    Args:
        data: 要导出的数据集
        output_file: 输出的Excel文件路径
        
    Returns:
        bool: 是否导出成功
    """
    if not data:
        return False
    
    try:
        # 转换为DataFrame
        df = pd.DataFrame(data)
        
        # 设置股票代码为索引
        if 'stock_code' in df.columns:
            df.set_index('stock_code', inplace=True)
        
        # 创建Excel writer对象
        with pd.ExcelWriter(output_file, engine='openpyxl') as writer:
            # 1. 原始数据工作表
            df.to_excel(writer, sheet_name='合并数据')
            
            # 2. 统计信息工作表（仅当有数值列时）
            numeric_cols = [col for col in df.columns if col.startswith('ym_') and pd.api.types.is_numeric_dtype(df[col])]
            
            if numeric_cols:
                try:
                    stats = df[numeric_cols].describe().loc[['mean', 'min', 'max', 'std']]
                    stats.to_excel(writer, sheet_name='统计信息')
                except KeyError:
                    logging.warning("无法生成完整的统计信息，数据可能不足")
                    # 生成简化版统计信息
                    stats = df[numeric_cols].agg(['mean', 'min', 'max', 'std'])
                    stats.to_excel(writer, sheet_name='统计信息')
            
            # 3. 涨幅排名工作表（需要至少两个月份数据）
            if len(numeric_cols) >= 2:
                first_month = numeric_cols[0]
                last_month = numeric_cols[-1]
                
                try:
                    df['涨幅(%)'] = (df[last_month] - df[first_month]) / df[first_month] * 100
                    result_df = df[['stock_name', '涨幅(%)', 'float_share']].copy()
                    result_df.dropna(subset=['涨幅(%)'], inplace=True)
                    result_df.sort_values('涨幅(%)', ascending=False, inplace=True)
                    result_df.to_excel(writer, sheet_name='涨幅排名')
                except Exception as e:
                    logging.warning(f"无法计算涨幅: {str(e)}")
            
            # 4. 月度趋势工作表
            if numeric_cols:
                try:
                    trend_df = df[numeric_cols].transpose()
                    trend_df.index = [col.replace('ym_', '') for col in numeric_cols]
                    trend_df.to_excel(writer, sheet_name='月度趋势')
                except Exception as e:
                    logging.warning(f"无法生成月度趋势: {str(e)}")
            
            # 5. 流通股本分析工作表
            if 'float_share' in df.columns and pd.api.types.is_numeric_dtype(df['float_share']):
                try:
                    float_stats = df['float_share'].describe().to_frame().T
                    float_stats.to_excel(writer, sheet_name='流通股本分析')
                except Exception as e:
                    logging.warning(f"无法生成流通股本分析: {str(e)}")
        
        logging.info(f"成功导出Excel文件: {output_file}")
        return True
        
    except Exception as e:
        logging.error(f"导出Excel失败: {str(e)}")
        return False
    
def export_combined_data(db_config: dict, 
                       monthly_table: str,
                       float_share_table: str,
                       csv_file: str = None,
                       excel_file: str = None) -> bool:
    """
    导出合并后的数据到CSV和/或Excel
    
    Args:
        db_config: 数据库配置
        monthly_table: 月度均价表名
        float_share_table: 流通股本表名
        csv_file: CSV输出路径(可选)
        excel_file: Excel输出路径(可选)
        
    Returns:
        bool: 是否至少有一种格式导出成功
    """
    if not csv_file and not excel_file:
        logging.error("必须指定至少一种输出格式")
        return False
    
    # 从数据库获取数据
    monthly_data = get_monthly_avg_data(db_config, monthly_table)
    if not monthly_data:
        logging.error("无法获取月度均价数据")
        return False
    
    float_share_data = get_float_share_data(db_config, float_share_table)
    if not float_share_data:
        logging.error("无法获取流通股本数据")
        return False
    
    # 合并数据
    merged_data = merge_data(monthly_data, float_share_data)
    
    # 导出结果
    csv_success = True
    excel_success = True
    
    if csv_file:
        csv_success = export_to_csv(merged_data, csv_file)
    
    if excel_file:
        excel_success = export_to_excel(merged_data, excel_file)
    
    return csv_success or excel_success

# 主程序入口
if __name__ == "__main__":
    # 配置日志
    logging.basicConfig(
        level=logging.INFO,
        format='%(asctime)s - %(levelname)s - %(message)s',
        handlers=[
            logging.FileHandler('export_combined_data.log', encoding='utf-8'),
            logging.StreamHandler()
        ]
    )
    
    # 数据库配置
    db_config = {
        'host': 'localhost',
        'user': 'root',
        'password': 'bzskmysql',
        'database': 'klinedata_1d_hk_akshare'
    }
    
    # 导出合并数据
    success = export_combined_data(
        db_config=db_config,
        monthly_table="hk_monthly_avg_2410_2508",
        float_share_table="conditionalselection",
        csv_file="hk_stocks_combined_data.csv",
        excel_file="hk_stocks_combined_data.xlsx"
    )
    
    if success:
        logging.info("数据合并导出成功完成")
    else:
        logging.error("数据合并导出过程中出现错误")