mdbq 3.0.1__py3-none-any.whl → 3.0.3__py3-none-any.whl

mdbq/aggregation/aggregation.py

@@ -1238,22 +1238,6 @@ def test():
                 # df.to_csv(os.path.join(root, name), encoding='utf-8_sig', index=False, header=True)
                 # os.remove(os.path.join(root, name))
                 # results.append(df)
-    # df = pd.concat(results)
-    # df.drop_duplicates(
-    #     subset=[
-    #         '日期',
-    #         '店铺名称',
-    #         '报表类型',
-    #         '消耗',
-    #         '展现量',
-    #         '点击量',
-    #     ], keep='last', inplace=True, ignore_index=True)
-    # df.fillna(0, inplace=True)
-    # for col in df.columns.tolist():
-    #     df[col] = df[col].apply(lambda x: 0 if str(x) == '' else x)
-    # path = '/Users/xigua/Downloads'
-    # filename = '品销宝_2024年_合并.csv'
-    # df.to_csv(os.path.join(path, filename), encoding='utf-8_sig', index=False, header=True)
 
 
 if __name__ == '__main__':
@@ -1269,17 +1253,17 @@ if __name__ == '__main__':
     #     table_name='dmp人群报表',
     # )
 
-    # test()
-    col = 1
-    if col:
-        # 上传一个目录到指定数据库
-        db_name = '京东数据3'
-        table_name = '推广数据_全站营销'
-        upload_dir(
-            path=r'/Users/xigua/数据中心/原始文件3/京东报表/京准通_全站营销',
-            db_name=db_name,
-            collection_name=table_name,
-        )
+    test()
+    # col = 0
+    # if col:
+    #     # 上传一个目录到指定数据库
+    #     db_name = '京东数据3'
+    #     table_name = '推广数据_全站营销'
+    #     upload_dir(
+    #         path=r'/Users/xigua/数据中心/原始文件3/京东报表/京准通_全站营销',
+    #         db_name=db_name,
+    #         collection_name=table_name,
+    #     )
 
 
 

mdbq/aggregation/query_data.py

@@ -180,6 +180,56 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
+        )
+
+        # df_pic：商品排序索引表, 给 powerbi 中的主推款排序用的,(从上月1号到今天的总花费进行排序)
+        today = datetime.date.today()
+        last_month = today - datetime.timedelta(days=30)
+        if last_month.month == 12:
+            year_my = today.year - 1
+        else:
+            year_my = today.year
+        # 截取 从上月1日 至 今天的花费数据, 推广款式按此数据从高到低排序（商品图+排序）
+        # df_pic_lin = df[df['店铺名称'] == '万里马官方旗舰店']
+        df_pic = df.groupby(['日期', '店铺名称', '商品id'], as_index=False).agg({'花费': 'sum'})
+        if len(df_pic) == 0:
+            return True
+        df_pic = df_pic[~df_pic['商品id'].isin([''])]  # 指定列中删除包含空值的行
+        date_obj = datetime.datetime.strptime(f'{year_my}-{last_month.month}-01', '%Y-%m-%d').date()
+        df_pic = df_pic[(df_pic['日期'] >= date_obj)]
+        df_pic = df_pic.groupby(['店铺名称', '商品id'], as_index=False).agg({'花费': 'sum'})
+        df_pic.sort_values('花费', ascending=False, ignore_index=True, inplace=True)
+        df_pic.reset_index(inplace=True)
+        df_pic['index'] = df_pic['index'] + 100
+        df_pic.rename(columns={'index': '商品索引'}, inplace=True)
+        df_pic['商品索引'].fillna(1000, inplace=True)
+        df_pic.pop('花费')
+        p= df_pic.pop('商品索引')
+        df_pic.insert(loc=2, column='商品索引', value=p)  # df中插入新列
+        df_pic['更新时间'] = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+        set_typ = {
+            '商品id': 'bigint',
+            '店铺名称': 'varchar(100)',
+            '商品索引': 'smallint',
+            '花费': 'decimal(12,2)',
+            '更新时间': 'timestamp',
+        }
+        now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+        print(f'{now} 正在更新: mysql ({host}:{port}) 属性设置3/商品索引表_主推排序调用')
+        m_engine.df_to_mysql(
+            df=df_pic,
+            db_name='属性设置3',
+            table_name='商品索引表_主推排序调用',
+            icm_update=['商品id'],  # 增量更新, 在聚合数据中使用，其他不要用
+            move_insert=False,  # 先删除，再插入
+            df_sql=False,  # 值为 True 时使用 df.to_sql 函数上传整个表, 不会排重
+            drop_duplicates=False,  # 值为 True 时检查重复数据再插入，反之直接上传，会比较慢
+            count=None,
+            filename=None,  # 用来追踪处理进度
+            reset_id=False,  # 是否重置自增列
+            set_typ=set_typ,
+            
         )
         return True
 
@@ -267,6 +317,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -450,6 +501,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -579,6 +631,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -697,6 +750,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -804,6 +858,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -858,6 +913,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -915,6 +971,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -996,6 +1053,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1043,6 +1101,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1126,6 +1185,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1192,6 +1252,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1289,6 +1350,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1358,6 +1420,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1419,6 +1482,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1498,6 +1562,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1636,6 +1701,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1644,6 +1710,14 @@ class MysqlDatasQuery:
         """
         汇总各个店铺的推广数据，按日汇总
         """
+        df_tm = pd.DataFrame()  # 天猫营销场景
+        df_tb = pd.DataFrame()  # 淘宝营销场景
+        df_tb_qzt = pd.DataFrame()  # 淘宝全站推广
+        df_tm_pxb = pd.DataFrame()  # 天猫品销宝
+        df_tm_living = pd.DataFrame()  # 天猫超级直播
+        df_jd = pd.DataFrame()  # 京东推广
+        df_jd_qzyx = pd.DataFrame()  # 京东全站推广
+
         start_date, end_date = self.months_data(num=self.months)
         projection = {
             '日期': 1,
@@ -1663,18 +1737,19 @@ class MysqlDatasQuery:
             end_date=end_date,
             projection=projection,
         )
-        df_tm.rename(columns={'场景名字': '营销场景'}, inplace=True)
-        df_tm = df_tm.groupby(
-            ['日期', '店铺名称', '营销场景', '花费'],
-            as_index=False).agg(
-            **{
-                '展现量': ('展现量', np.max),
-                '点击量': ('点击量', np.max),
-                '加购量': ('总购物车数', np.max),
-                '成交笔数': ('总成交笔数', np.max),
-                '成交金额': ('总成交金额', np.max)
-            }
-        )
+        if len(df_tm) > 0:
+            df_tm.rename(columns={'场景名字': '营销场景'}, inplace=True)
+            df_tm = df_tm.groupby(
+                ['日期', '店铺名称', '营销场景', '花费'],
+                as_index=False).agg(
+                **{
+                    '展现量': ('展现量', np.max),
+                    '点击量': ('点击量', np.max),
+                    '加购量': ('总购物车数', np.max),
+                    '成交笔数': ('总成交笔数', np.max),
+                    '成交金额': ('总成交金额', np.max)
+                }
+            )
 
         df_tb = self.download.data_to_df(
             db_name='推广数据_淘宝店',
@@ -1683,22 +1758,69 @@ class MysqlDatasQuery:
             end_date=end_date,
             projection=projection,
         )
-        # print(df_tb)
-        # df_tm.to_csv('/Users/xigua/Downloads/test2.csv', index=False, header=True, encoding='utf-8_sig')
-        # df_tb.to_csv('/Users/xigua/Downloads/test.csv', index=False, header=True, encoding='utf-8_sig')
-        df_tb.rename(columns={'场景名字': '营销场景'}, inplace=True)
-        df_tb = df_tb.groupby(
-            ['日期', '店铺名称', '营销场景', '花费'],
-            as_index=False).agg(
-            **{
-                '展现量': ('展现量', np.max),
-                '点击量': ('点击量', np.max),
-                '加购量': ('总购物车数', np.max),
-                '成交笔数': ('总成交笔数', np.max),
-                '成交金额': ('总成交金额', np.max)
+        if len(df_tb) > 0:
+            df_tb.rename(columns={'场景名字': '营销场景'}, inplace=True)
+            df_tb = df_tb.groupby(
+                ['日期', '店铺名称', '营销场景', '花费'],
+                as_index=False).agg(
+                **{
+                    '展现量': ('展现量', np.max),
+                    '点击量': ('点击量', np.max),
+                    '加购量': ('总购物车数', np.max),
+                    '成交笔数': ('总成交笔数', np.max),
+                    '成交金额': ('总成交金额', np.max)
+                }
+            )
+
+        #  天猫的全站推广包含在营销场景报表中，淘宝店不包含
+        df_tb_qzt = pd.DataFrame()
+        if '全站推广' not in df_tb['营销场景'].tolist():
+            projection = {
+                '日期': 1,
+                '主体id': 1,
+                '花费': 1,
+                '展现量': 1,
+                '点击量': 1,
+                '总购物车数': 1,
+                '总成交笔数': 1,
+                '总成交金额': 1,
+                '店铺名称': 1,
             }
-        )
+            df_tb_qzt = self.download.data_to_df(
+                db_name='推广数据_淘宝店',
+                table_name='全站推广报表',
+                start_date=start_date,
+                end_date=end_date,
+                projection=projection,
+            )
+            if len(df_tb_qzt) > 0:
+                # 这一步是排重
+                df_tb_qzt = df_tb_qzt.groupby(
+                    ['日期', '店铺名称', '主体id', '花费'],
+                    as_index=False).agg(
+                    **{
+                        '展现量': ('展现量', np.max),
+                        '点击量': ('点击量', np.max),
+                        '加购量': ('总购物车数', np.max),
+                        '成交笔数': ('总成交笔数', np.max),
+                        '成交金额': ('总成交金额', np.max)
+                    }
+                )
+                # 这一步是继续聚合，因为这个报表统计的是场景维度，不需要商品维度
+                df_tb_qzt = df_tb_qzt.groupby(
+                    ['日期', '店铺名称', '花费'],
+                    as_index=False).agg(
+                    **{
+                        '展现量': ('展现量', np.sum),
+                        '点击量': ('点击量', np.sum),
+                        '加购量': ('总购物车数', np.sum),
+                        '成交笔数': ('总成交笔数', np.sum),
+                        '成交金额': ('总成交金额', np.sum)
+                    }
+                )
+                df_tb_qzt['营销场景'] = '全站推广'
 
+        # 品销宝报表
         projection = {
             '日期': 1,
             '报表类型': 1,
@@ -1717,20 +1839,21 @@ class MysqlDatasQuery:
             end_date=end_date,
             projection=projection,
         )
-        df_tm_pxb = df_tm_pxb[df_tm_pxb['报表类型'] == '账户']
-        df_tm_pxb = df_tm_pxb.groupby(
-            ['日期', '店铺名称', '报表类型', '消耗'],
-            as_index=False).agg(
-            **{
-                '展现量': ('展现量', np.max),
-                '点击量': ('点击量', np.max),
-                '加购量': ('宝贝加购数', np.max),
-                '成交笔数': ('成交笔数', np.max),
-                '成交金额': ('成交金额', np.max)
-            }
-        )
-        df_tm_pxb.rename(columns={'报表类型': '营销场景', '消耗': '花费'}, inplace=True)
-        df_tm_pxb['营销场景'] = '品销宝'
+        if len(df_tm_pxb) > 0:
+            df_tm_pxb = df_tm_pxb[df_tm_pxb['报表类型'] == '账户']
+            df_tm_pxb = df_tm_pxb.groupby(
+                ['日期', '店铺名称', '报表类型', '消耗'],
+                as_index=False).agg(
+                **{
+                    '展现量': ('展现量', np.max),
+                    '点击量': ('点击量', np.max),
+                    '加购量': ('宝贝加购数', np.max),
+                    '成交笔数': ('成交笔数', np.max),
+                    '成交金额': ('成交金额', np.max)
+                }
+            )
+            df_tm_pxb.rename(columns={'报表类型': '营销场景', '消耗': '花费'}, inplace=True)
+            df_tm_pxb['营销场景'] = '品销宝'
 
         # 因为 2024.04.16及之前的营销场景报表不含超级直播，所以在此添加
         if start_date < pd.to_datetime('2024-04-17'):
@@ -1765,10 +1888,6 @@ class MysqlDatasQuery:
                         '成交金额': ('总成交金额', np.max)
                     }
                 )
-            else:
-                df_tm_living = pd.DataFrame()
-        else:
-            df_tm_living = pd.DataFrame()
 
         projection = {
             '日期': 1,
@@ -1794,19 +1913,20 @@ class MysqlDatasQuery:
             end_date=end_date,
             projection=projection,
         )
-        df_jd = df_jd.groupby(['日期', '店铺名称', '产品线', '触发sku_id', '跟单sku_id', 'spu_id', '花费', '展现数', '点击数'],
-                        as_index=False).agg(
-            **{'直接订单行': ('直接订单行', np.max),
-               '直接订单金额': ('直接订单金额', np.max),
-               '成交笔数': ('总订单行', np.max),
-               '成交金额': ('总订单金额', np.max),
-               '直接加购数': ('直接加购数', np.max),
-               '加购量': ('总加购数', np.max),
-               }
-        )
-        df_jd = df_jd[['日期', '店铺名称', '产品线', '花费', '展现数', '点击数', '加购量', '成交笔数', '成交金额']]
-        df_jd.rename(columns={'产品线': '营销场景', '展现数': '展现量', '点击数': '点击量'}, inplace=True)
-        df_jd = df_jd[df_jd['花费'] > 0]
+        if len(df_jd) > 0:
+            df_jd = df_jd.groupby(['日期', '店铺名称', '产品线', '触发sku_id', '跟单sku_id', 'spu_id', '花费', '展现数', '点击数'],
+                            as_index=False).agg(
+                **{'直接订单行': ('直接订单行', np.max),
+                   '直接订单金额': ('直接订单金额', np.max),
+                   '成交笔数': ('总订单行', np.max),
+                   '成交金额': ('总订单金额', np.max),
+                   '直接加购数': ('直接加购数', np.max),
+                   '加购量': ('总加购数', np.max),
+                   }
+            )
+            df_jd = df_jd[['日期', '店铺名称', '产品线', '花费', '展现数', '点击数', '加购量', '成交笔数', '成交金额']]
+            df_jd.rename(columns={'产品线': '营销场景', '展现数': '展现量', '点击数': '点击量'}, inplace=True)
+            df_jd = df_jd[df_jd['花费'] > 0]
 
         projection = {
             '日期': 1,
@@ -1843,7 +1963,7 @@ class MysqlDatasQuery:
             df_jd_qzyx = df_jd_qzyx[['日期', '店铺名称', '营销场景', '花费', '展现量', '点击量', '成交笔数', '成交金额']]
             df_jd_qzyx = df_jd_qzyx[df_jd_qzyx['花费'] > 0]
 
-        _datas = [item for item in  [df_tm, df_tb, df_tm_pxb, df_tm_living, df_jd, df_jd_qzyx] if len(item) > 0]  # 阻止空的 dataframe
+        _datas = [item for item in  [df_tm, df_tb, df_tb_qzt, df_tm_pxb, df_tm_living, df_jd, df_jd_qzyx] if len(item) > 0]  # 阻止空的 dataframe
         df = pd.concat(_datas, axis=0, ignore_index=True)
         df['日期'] = pd.to_datetime(df['日期'], format='%Y-%m-%d', errors='ignore')  # 转换日期列
         df = df.groupby(
@@ -1888,6 +2008,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -1972,6 +2093,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2024,6 +2146,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2131,6 +2254,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2495,7 +2619,7 @@ class MysqlDatasQuery:
         df.drop(labels='宝贝id', axis=1, inplace=True)
 
         # df.drop_duplicates(subset=['日期', '店铺名称', '商品id', '花费', '销售额'], keep='last', inplace=True, ignore_index=True)
-        # df.fillna(0, inplace=True)
+        df.fillna(0, inplace=True)
         df['成本价'] = df['成本价'].astype('float64')
         df['销售额'] = df['销售额'].astype('float64')
         df['销售量'] = df['销售量'].astype('int64')
@@ -2541,6 +2665,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2651,6 +2776,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2722,6 +2848,7 @@ class MysqlDatasQuery:
             filename=None,  # 用来追踪处理进度
             reset_id=False,  # 是否重置自增列
             set_typ=set_typ,
+            
         )
         return True
 
@@ -2780,6 +2907,7 @@ def date_table():
         count=None,
         filename=None,  # 用来追踪处理进度
         set_typ=set_typ,
+        
     )
 
 
@@ -2851,13 +2979,13 @@ def query_(months=1, less_dict=[]):
 
 
 if __name__ == '__main__':
-    main(days=100, months=3)
-    # query_(months=13)
+    main(days=130, months=3)
+    # query_(months=1)
 
     # # 4. 清理聚合数据
     # optimize_data.op_data(
     #     db_name_lists=['聚合数据'],
-    #     days=40,
+    #     days=100,
     #     is_mongo=False,
     #     is_mysql=True,
     # )

mdbq/config/products.py

@@ -142,9 +142,9 @@ class Products:
                 # icm_update=['日期', '店铺名称', '宝贝id'],  # 唯一组合键
                 unique_main_key=['商品id'],
                 set_typ={
-                    '商品id': 'mediumtext',
-                    '平台': 'mediumtext',
-                    '上市年份': 'mediumtext',
+                    '商品id': 'bigint',
+                    '平台': 'varchar(100)',
+                    '上市年份': 'varchar(100)',
                 },
             )
 

mdbq/dataframe/converter.py

@@ -31,8 +31,8 @@ class DataFrameConverter(object):
             return longest_value
 
         # dtypes = df.dtypes.apply(str).to_dict()  # 将 dataframe 数据类型转为字典形式
-        df.replace([np.inf, -np.inf], 0, inplace=True)  # 清理一些非法值
-        df.replace(to_replace=['\\N', '-', '--', '', 'nan', 'NAN'], value=0, regex=False, inplace=True)  # 替换掉特殊字符
+        df.replace([np.inf, -np.inf], '0', inplace=True)  # 清理一些非法值
+        df.replace(to_replace=['\\N', '-', '--', '', 'nan', 'NAN'], value='0', regex=False, inplace=True)  # 替换掉特殊字符
         df.replace(to_replace=[','], value='', regex=True, inplace=True)
         df.replace(to_replace=['="'], value='', regex=True, inplace=True)  # ="和"不可以放在一起清洗, 因为有: id=86785565
         df.replace(to_replace=['"'], value='', regex=True, inplace=True)

mdbq/mysql/mysql.py

@@ -362,8 +362,8 @@ class MysqlUpload:
 
     def cover_df(self, df):
         """ 清理 df 的值和列名 """
-        df.replace([np.inf, -np.inf], 0, inplace=True)  # 清理一些非法值
-        df.replace(to_replace=['\\N', '-', '--', '', 'nan', 'NAN'], value=0, regex=False, inplace=True)  # 替换掉特殊字符
+        df.replace([np.inf, -np.inf], '0', inplace=True)  # 清理一些非法值
+        df.replace(to_replace=['\\N', '-', '--', '', 'nan', 'NAN'], value='0', regex=False, inplace=True)  # 替换掉特殊字符
         df.replace(to_replace=[','], value='', regex=True, inplace=True)
         df.replace(to_replace=['="'], value='', regex=True, inplace=True)  # ="和"不可以放在一起清洗, 因为有: id=86785565
         df.replace(to_replace=['"'], value='', regex=True, inplace=True)
@@ -411,15 +411,15 @@ class MysqlUpload:
             elif result4:  # 小数
                 __res_dict.update({k: 'decimal(12,2)'})
             elif k == '日期':
-                __res_dict.update({k: 'DATE'})
+                __res_dict.update({k: 'date'})
             elif k == '更新时间':
-                __res_dict.update({k: 'TIMESTAMP'})
+                __res_dict.update({k: 'timestamp'})
             elif v == 'int64':
                 __res_dict.update({k: 'int'})
             elif v == 'float64':
                 __res_dict.update({k: 'decimal(10,4)'})
             elif v == 'bool':
-                __res_dict.update({k: 'BOOLEAN'})
+                __res_dict.update({k: 'boolean'})
             elif v == 'datetime64[ns]':
                 __res_dict.update({k: 'datetime'})
             else:

{mdbq-3.0.1.dist-info → mdbq-3.0.3.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 3.0.1
+Version: 3.0.3
 Home-page: https://pypi.org/project/mdbq
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-3.0.1.dist-info → mdbq-3.0.3.dist-info}/RECORD

@@ -1,11 +1,11 @@
 mdbq/__init__.py,sha256=Il5Q9ATdX8yXqVxtP_nYqUhExzxPC_qk_WXQ_4h0exg,16
 mdbq/__version__.py,sha256=y9Mp_8x0BCZSHsdLT_q5tX9wZwd5QgqrSIENLrb6vXA,62
 mdbq/aggregation/__init__.py,sha256=EeDqX2Aml6SPx8363J-v1lz0EcZtgwIBYyCJV6CcEDU,40
-mdbq/aggregation/aggregation.py,sha256=2KCVXZygQt4xVxGbFcDMBpL3PukY4yQF_uI-qLSTWaU,73460
+mdbq/aggregation/aggregation.py,sha256=mAa4JDFsFRzsM_dFZAkNr_madBB4Ct27-5hDU-21pHM,72861
 mdbq/aggregation/df_types.py,sha256=U9i3q2eRPTDY8qAPTw7irzu-Tlg4CIySW9uYro81wdk,8125
 mdbq/aggregation/mysql_types.py,sha256=YTGyrF9vcRgfkQbpT-e-JdJ7c7VF1dDHgyx9YZRES8w,10934
 mdbq/aggregation/optimize_data.py,sha256=79uwiM2WqNNFxGpE2wKz742PRq-ZGgFjdOV0vgptHdY,3513
-mdbq/aggregation/query_data.py,sha256=DyUj4oN_Nxg0r9MDdXV69mcnBhQfuglvVHGaSc9Y9CU,126940
+mdbq/aggregation/query_data.py,sha256=zpjxirAf8T4WUfkPIrBzDLVp7ojssViopGUPeORxS9o,132599
 mdbq/aggregation/query_data_bak.py,sha256=r1FU0C4zjXln7oVSrRkElh4Ehl-9mYhGcq57jLbViUA,104071
 mdbq/bdup/__init__.py,sha256=AkhsGk81SkG1c8FqDH5tRq-8MZmFobVbN60DTyukYTY,28
 mdbq/bdup/bdup.py,sha256=LAV0TgnQpc-LB-YuJthxb0U42_VkPidzQzAagan46lU,4234
@@ -17,17 +17,17 @@ mdbq/company/copysh.py,sha256=eFu6focRqm2Njn_XN1KW2ZYJiTv6EYgsdBCLokobyxQ,21572
 mdbq/config/__init__.py,sha256=jso1oHcy6cJEfa7udS_9uO5X6kZLoPBF8l3wCYmr5dM,18
 mdbq/config/get_myconf.py,sha256=cmNvsyoNa0RbZ9FOTjSd3jyyGwkxjUo0phvdHbGlrms,6010
 mdbq/config/myconfig.py,sha256=EGymTlAimtHIDJ9egCtOehBEPOj6rea504kvsEZu64o,854
-mdbq/config/products.py,sha256=ykvoQiA4OvFEYQ35wmCkREECdz0xIJzIs-Xix9mFpYI,6295
+mdbq/config/products.py,sha256=1W8FBXnnvTC29pBLI8Yp8UwTMhBvoppcJqmniT8rBGU,6295
 mdbq/config/set_support.py,sha256=xkZCX6y9Bq1ppBpJAofld4B2YtchA7fl0eT3dx3CrSI,777
 mdbq/config/update_conf.py,sha256=taL3ZqKgiVWwUrDFuaYhim9a72Hm4BHRhhDscJTziR8,4535
 mdbq/dataframe/__init__.py,sha256=2HtCN8AdRj53teXDqzysC1h8aPL-mMFy561ESmhehGQ,22
-mdbq/dataframe/converter.py,sha256=doWRcFMqf0_RQz7w5BxRNB8JeLetFSsNld43GWlhXXc,4600
+mdbq/dataframe/converter.py,sha256=iNzgQOJjjoHb_wYozUh8a0qNvWA3o-u6lW3NWa7Kdps,4604
 mdbq/log/__init__.py,sha256=Mpbrav0s0ifLL7lVDAuePEi1hJKiSHhxcv1byBKDl5E,15
 mdbq/log/mylogger.py,sha256=oaT7Bp-Hb9jZt52seP3ISUuxVcI19s4UiqTeouScBO0,3258
 mdbq/mongo/__init__.py,sha256=SILt7xMtQIQl_m-ik9WLtJSXIVf424iYgCfE_tnQFbw,13
 mdbq/mongo/mongo.py,sha256=v9qvrp6p1ZRWuPpbSilqveiE0FEcZF7U5xUPI0RN4xs,31880
 mdbq/mysql/__init__.py,sha256=A_DPJyAoEvTSFojiI2e94zP0FKtCkkwKP1kYUCSyQzo,11
-mdbq/mysql/mysql.py,sha256=KGfByf3KJF0xG-DeDANbJVmS96jwqbhapXPwlygC8-s,59917
+mdbq/mysql/mysql.py,sha256=_6czRjVkAccKykQswv890JEQQ8Mu-FxD9Rg3GOUz-C4,59921
 mdbq/mysql/recheck_mysql.py,sha256=rgTpvDMWYTyEn7UQdlig-pdXDluTgiU8JG6lkMh8DV0,8665
 mdbq/mysql/s_query.py,sha256=fnXncwSmA7CB0ELn1a-YxYZDrYkC2Bcgnj2J4dcQ8X8,8481
 mdbq/mysql/year_month_day.py,sha256=VgewoE2pJxK7ErjfviL_SMTN77ki8GVbTUcao3vFUCE,1523
@@ -44,7 +44,7 @@ mdbq/req_post/__init__.py,sha256=jso1oHcy6cJEfa7udS_9uO5X6kZLoPBF8l3wCYmr5dM,18
 mdbq/req_post/req_tb.py,sha256=qg7pet73IgKGmCwxaeUyImJIoeK_pBQT9BBKD7fkBNg,36160
 mdbq/spider/__init__.py,sha256=RBMFXGy_jd1HXZhngB2T2XTvJqki8P_Fr-pBcwijnew,18
 mdbq/spider/aikucun.py,sha256=01qJo_Di5Kmi2lG5_HKb0OI283b1-Pgqh-nnA0pX4TY,19038
-mdbq-3.0.1.dist-info/METADATA,sha256=HXWoDGKZXTWZPr3SxiL0_0_nrEGf01uhiSU0phSUWE0,243
-mdbq-3.0.1.dist-info/WHEEL,sha256=eOLhNAGa2EW3wWl_TU484h7q1UNgy0JXjjoqKoxAAQc,92
-mdbq-3.0.1.dist-info/top_level.txt,sha256=2FQ-uLnCSB-OwFiWntzmwosW3X2Xqsg0ewh1axsaylA,5
-mdbq-3.0.1.dist-info/RECORD,,
+mdbq-3.0.3.dist-info/METADATA,sha256=XjPWfGSiF-THV8JDaOyOqGHhmM9eBYV-dSxtAXB00V8,243
+mdbq-3.0.3.dist-info/WHEEL,sha256=eOLhNAGa2EW3wWl_TU484h7q1UNgy0JXjjoqKoxAAQc,92
+mdbq-3.0.3.dist-info/top_level.txt,sha256=2FQ-uLnCSB-OwFiWntzmwosW3X2Xqsg0ewh1axsaylA,5
+mdbq-3.0.3.dist-info/RECORD,,