re-common 10.0.39__py3-none-any.whl → 10.0.41__py3-none-any.whl

re_common/baselibrary/utils/basepandas.py

@@ -1,302 +1,302 @@
-import numpy as np
-import pandas as pd
-from pandas import DatetimeIndex, DataFrame
-
-"""
-https://www.pypandas.cn/docs/getting_started/10min.html#%E6%9F%A5%E7%9C%8B%E6%95%B0%E6%8D%AE
- Series（一维数据）;带标签的一维同构数组
- DataFrame（二维数据）;带标签的，大小可变的，二维异构表格;index（行）或 columns（列）
- DataFrame 是 Series 的容器，Series 则是标量的容器
- NumPy 数组只有一种数据类型，DataFrame 每列的数据类型各不相同
-"""
-
-
-class BasePandas(object):
-
-    def __init__(self):
-        pass
-
-    def create_null_dataframe(self):
-        """
-        创建空的dataframe
-        :return: type:DataFrame
-        """
-        df = pd.DataFrame()
-        return df
-
-    def create_series_for_list(self, list):
-        """
-        用值列表生成 Series 时，Pandas 默认自动生成整数索引
-        pd.Series([1, 3, 5, np.nan, 6, 8])
-        :return: type:Series
-        """
-        s = pd.Series(list)
-        # print(type(s))
-        return s
-
-    def create_time_index(self, datastring, periods):
-        """
-        创建行标
-        含日期时间索引与标签的 NumPy 的数组
-        :param datastring: '20130101'
-        :param periods: 6
-        :return: type:DatetimeIndex
-        """
-        dates = pd.date_range(datastring, periods=periods)
-        return dates
-
-    def create_ndarray(self, index, columns):
-        """
-        产生指定行列的随机数据
-        :param index: 行  6
-        :param columns: 列 4
-        :return:  type:ndarray
-        """
-        return np.random.randn(index, columns)
-
-    def create_time_dataform(self, data, dates: DatetimeIndex, columns=list('ABCD')):
-        return pd.DataFrame(data, index=dates, columns=columns)
-
-    def dicts_to_dataform(self, dicts):
-        """
-        字典转二维数据
-        {'A': 1.,
-        'B': pd.Timestamp('20130102'),
-        'C': pd.Series(1, index=list(range(4)), dtype='float32'),
-        'D': np.array([3] * 4, dtype='int32'),
-        'E': pd.Categorical(["test", "train", "test", "train"]),
-        'F': 'foo'}
-        :param dicts:
-        :return:
-        """
-        df = pd.DataFrame(dicts)
-        return df
-
-    def dtypes(self, df: DataFrame):
-        """
-        DataFrame 的列的数据类型
-        :return:
-        """
-        return df.dtypes
-
-    def head(self, df, num=5):
-        """
-        查看前几条数据（默认前五条）
-        :param num:
-        :return:
-        """
-        return df.head(num)
-
-    def tail(self, df, num=5):
-        """
-        查看后几条数据（默认后五条）
-        :param num:
-        :return:
-        """
-        return df.tail(num)
-
-    def index(self, df):
-        """
-        显示索引
-        :param df:
-        :return:
-        """
-        return df.index
-
-    def columns(self, df):
-        """
-        显示列名
-        :param df:
-        :return:
-        """
-        return df.columns
-
-    def dataform_to_numpy(self, df):
-        """
-        输出底层数据的 NumPy 对象。
-        注意，DataFrame 的列由多种数据类型组成时，该操作耗费系统资源较大，
-        输出不包含行索引和列标签
-        :return:
-        """
-        return df.to_numpy()
-
-    def describe(self, df):
-        """
-        可以快速查看数据的统计摘要：
-        :param df:
-        :return:
-        """
-        return df.describe()
-
-    def df_T(self, df):
-        """
-        转置数据
-        :param df:
-        :return:
-        """
-        return df.T
-
-    def sort_index(self, df):
-        """
-        按轴排序
-        :return:
-        """
-        return df.sort_index(axis=1, ascending=False)
-
-    def sort_values(self, df):
-        """
-        按值排序
-        :param df:
-        :return:
-        """
-        return df.sort_values(by='B')
-
-    def get_series(self, df):
-        """
-        获取单列数据 等于 df.A
-        :param df:
-        :return:
-        """
-        return df["A"]
-
-    def get_spilt(self, df):
-        """
-        切片行 或者 df['20130102':'20130104']
-        :return:
-        """
-        return df[0:3]
-
-    def get_loc(self, df, dates: DatetimeIndex):
-        """
-        标签提取一行数据
-        :return:
-        """
-        return df.loc[dates[0]]
-
-    def get_many_loc(self, df):
-        """
-        用标签选择多列数据
-        :return:
-        """
-        return df.loc[:, ['A', 'B']]
-
-    def get_many_loc_index(self, df):
-        """
-        用标签切片，包含行与列结束点
-        :param df:
-        :return:
-        """
-        return df.loc['20130102':'20130104', ['A', 'B']]
-
-    def get_onedata(self, df, dates):
-        """
-        提取标量值
-        快速访问标量，与上述方法等效：df.at[dates[0], 'A']
-        :return:
-        """
-        return df.loc[dates[0], 'A']
-
-    def get_index(self, df):
-        """
-        获取行 用整数位置选择
-        :return:
-        """
-        return df.iloc[3]
-
-    def get_qiepian(self, df):
-        """
-        3:5 为行 0:2列
-        用整数列表按位置切片
-        df.iloc[[1, 2, 4], [0, 2]]
-        显式整行切片
-         df.iloc[1:3, :]
-         显式整列切片
-         df.iloc[:, 1:3]
-         显式提取值
-         df.iloc[1, 1]
-         快速访问标量，与上述方法等效：
-         df.iat[1, 1]
-        :param df:
-        :return:
-        """
-        return df.iloc[3:5, 0:2]
-
-    def select_data(self, df):
-        """
-        用单列的值选择行数据
-        选择 DataFrame 里满足条件的值：
-        df[df > 0]
-        :param df:
-        :return:
-        """
-        return df[df.A > 0]
-
-    def copy(self, df):
-        df2 = df.copy()
-        return df2
-
-    def add_col(self, df):
-        """
-        添加列
-        :return:
-        """
-        df['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
-        return df
-
-    def isin(self, df):
-        """
-        用 isin() 筛选 行
-        :return:
-        """
-        return df[df['E'].isin(['two', 'four'])]
-
-    def set_value(self, df):
-        """
-        按标签赋值
-        df.at[dates[0], 'A'] = 0
-        按位置赋值：
-         df.iat[0, 1] = 0
-         按 NumPy 数组赋值：
-         df.loc[:, 'D'] = np.array([5] * len(df))
-         用 where 条件赋值：
-         df2 = df.copy()
-         df2[df2 > 0] = -df2
-         Pandas 主要用 np.nan 表示缺失数据
-        :param df:
-        :return:
-        """
-        s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130102', periods=6))
-        df['F'] = s1
-
-    def reindex(self, df, dates):
-        """
-        重建索引（reindex）可以更改、添加、删除指定轴的索引，并返回数据副本，即不更改原数据。
-        :param df:
-        :return:
-        """
-        df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])
-        df1.loc[dates[0]:dates[1], 'E'] = 1
-
-    def dropna(self, df):
-        """
-        删除所有含缺失值的行：
-        :param df:
-        :return:
-        """
-        return df.dropna(how='any')
-
-    def fillna(self, df):
-        """
-        填充缺失值
-        :param df:
-        :return:
-        """
-        return df.fillna(value=5)
-
-    def isna(self,df):
-        """
-        提取 nan 值的布尔掩码
-        :param df:
-        :return:
-        """
-        return pd.isna(df)
+import numpy as np
+import pandas as pd
+from pandas import DatetimeIndex, DataFrame
+
+"""
+https://www.pypandas.cn/docs/getting_started/10min.html#%E6%9F%A5%E7%9C%8B%E6%95%B0%E6%8D%AE
+ Series（一维数据）;带标签的一维同构数组
+ DataFrame（二维数据）;带标签的，大小可变的，二维异构表格;index（行）或 columns（列）
+ DataFrame 是 Series 的容器，Series 则是标量的容器
+ NumPy 数组只有一种数据类型，DataFrame 每列的数据类型各不相同
+"""
+
+
+class BasePandas(object):
+
+    def __init__(self):
+        pass
+
+    def create_null_dataframe(self):
+        """
+        创建空的dataframe
+        :return: type:DataFrame
+        """
+        df = pd.DataFrame()
+        return df
+
+    def create_series_for_list(self, list):
+        """
+        用值列表生成 Series 时，Pandas 默认自动生成整数索引
+        pd.Series([1, 3, 5, np.nan, 6, 8])
+        :return: type:Series
+        """
+        s = pd.Series(list)
+        # print(type(s))
+        return s
+
+    def create_time_index(self, datastring, periods):
+        """
+        创建行标
+        含日期时间索引与标签的 NumPy 的数组
+        :param datastring: '20130101'
+        :param periods: 6
+        :return: type:DatetimeIndex
+        """
+        dates = pd.date_range(datastring, periods=periods)
+        return dates
+
+    def create_ndarray(self, index, columns):
+        """
+        产生指定行列的随机数据
+        :param index: 行  6
+        :param columns: 列 4
+        :return:  type:ndarray
+        """
+        return np.random.randn(index, columns)
+
+    def create_time_dataform(self, data, dates: DatetimeIndex, columns=list('ABCD')):
+        return pd.DataFrame(data, index=dates, columns=columns)
+
+    def dicts_to_dataform(self, dicts):
+        """
+        字典转二维数据
+        {'A': 1.,
+        'B': pd.Timestamp('20130102'),
+        'C': pd.Series(1, index=list(range(4)), dtype='float32'),
+        'D': np.array([3] * 4, dtype='int32'),
+        'E': pd.Categorical(["test", "train", "test", "train"]),
+        'F': 'foo'}
+        :param dicts:
+        :return:
+        """
+        df = pd.DataFrame(dicts)
+        return df
+
+    def dtypes(self, df: DataFrame):
+        """
+        DataFrame 的列的数据类型
+        :return:
+        """
+        return df.dtypes
+
+    def head(self, df, num=5):
+        """
+        查看前几条数据（默认前五条）
+        :param num:
+        :return:
+        """
+        return df.head(num)
+
+    def tail(self, df, num=5):
+        """
+        查看后几条数据（默认后五条）
+        :param num:
+        :return:
+        """
+        return df.tail(num)
+
+    def index(self, df):
+        """
+        显示索引
+        :param df:
+        :return:
+        """
+        return df.index
+
+    def columns(self, df):
+        """
+        显示列名
+        :param df:
+        :return:
+        """
+        return df.columns
+
+    def dataform_to_numpy(self, df):
+        """
+        输出底层数据的 NumPy 对象。
+        注意，DataFrame 的列由多种数据类型组成时，该操作耗费系统资源较大，
+        输出不包含行索引和列标签
+        :return:
+        """
+        return df.to_numpy()
+
+    def describe(self, df):
+        """
+        可以快速查看数据的统计摘要：
+        :param df:
+        :return:
+        """
+        return df.describe()
+
+    def df_T(self, df):
+        """
+        转置数据
+        :param df:
+        :return:
+        """
+        return df.T
+
+    def sort_index(self, df):
+        """
+        按轴排序
+        :return:
+        """
+        return df.sort_index(axis=1, ascending=False)
+
+    def sort_values(self, df):
+        """
+        按值排序
+        :param df:
+        :return:
+        """
+        return df.sort_values(by='B')
+
+    def get_series(self, df):
+        """
+        获取单列数据 等于 df.A
+        :param df:
+        :return:
+        """
+        return df["A"]
+
+    def get_spilt(self, df):
+        """
+        切片行 或者 df['20130102':'20130104']
+        :return:
+        """
+        return df[0:3]
+
+    def get_loc(self, df, dates: DatetimeIndex):
+        """
+        标签提取一行数据
+        :return:
+        """
+        return df.loc[dates[0]]
+
+    def get_many_loc(self, df):
+        """
+        用标签选择多列数据
+        :return:
+        """
+        return df.loc[:, ['A', 'B']]
+
+    def get_many_loc_index(self, df):
+        """
+        用标签切片，包含行与列结束点
+        :param df:
+        :return:
+        """
+        return df.loc['20130102':'20130104', ['A', 'B']]
+
+    def get_onedata(self, df, dates):
+        """
+        提取标量值
+        快速访问标量，与上述方法等效：df.at[dates[0], 'A']
+        :return:
+        """
+        return df.loc[dates[0], 'A']
+
+    def get_index(self, df):
+        """
+        获取行 用整数位置选择
+        :return:
+        """
+        return df.iloc[3]
+
+    def get_qiepian(self, df):
+        """
+        3:5 为行 0:2列
+        用整数列表按位置切片
+        df.iloc[[1, 2, 4], [0, 2]]
+        显式整行切片
+         df.iloc[1:3, :]
+         显式整列切片
+         df.iloc[:, 1:3]
+         显式提取值
+         df.iloc[1, 1]
+         快速访问标量，与上述方法等效：
+         df.iat[1, 1]
+        :param df:
+        :return:
+        """
+        return df.iloc[3:5, 0:2]
+
+    def select_data(self, df):
+        """
+        用单列的值选择行数据
+        选择 DataFrame 里满足条件的值：
+        df[df > 0]
+        :param df:
+        :return:
+        """
+        return df[df.A > 0]
+
+    def copy(self, df):
+        df2 = df.copy()
+        return df2
+
+    def add_col(self, df):
+        """
+        添加列
+        :return:
+        """
+        df['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
+        return df
+
+    def isin(self, df):
+        """
+        用 isin() 筛选 行
+        :return:
+        """
+        return df[df['E'].isin(['two', 'four'])]
+
+    def set_value(self, df):
+        """
+        按标签赋值
+        df.at[dates[0], 'A'] = 0
+        按位置赋值：
+         df.iat[0, 1] = 0
+         按 NumPy 数组赋值：
+         df.loc[:, 'D'] = np.array([5] * len(df))
+         用 where 条件赋值：
+         df2 = df.copy()
+         df2[df2 > 0] = -df2
+         Pandas 主要用 np.nan 表示缺失数据
+        :param df:
+        :return:
+        """
+        s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130102', periods=6))
+        df['F'] = s1
+
+    def reindex(self, df, dates):
+        """
+        重建索引（reindex）可以更改、添加、删除指定轴的索引，并返回数据副本，即不更改原数据。
+        :param df:
+        :return:
+        """
+        df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])
+        df1.loc[dates[0]:dates[1], 'E'] = 1
+
+    def dropna(self, df):
+        """
+        删除所有含缺失值的行：
+        :param df:
+        :return:
+        """
+        return df.dropna(how='any')
+
+    def fillna(self, df):
+        """
+        填充缺失值
+        :param df:
+        :return:
+        """
+        return df.fillna(value=5)
+
+    def isna(self,df):
+        """
+        提取 nan 值的布尔掩码
+        :param df:
+        :return:
+        """
+        return pd.isna(df)

re_common/baselibrary/utils/basepeewee.py

@@ -1,11 +1,11 @@
-from peewee import SqliteDatabase
-
-
-class BasePeewee(object):
-
-    def __init__(self):
-        self.db = None
-
-    def connent_sqlite(self, path):
-        self.db = SqliteDatabase(path)
-        return self.db
+from peewee import SqliteDatabase
+
+
+class BasePeewee(object):
+
+    def __init__(self):
+        self.db = None
+
+    def connent_sqlite(self, path):
+        self.db = SqliteDatabase(path)
+        return self.db