siat 2.13.43__py3-none-any.whl → 2.14.1__py3-none-any.whl

siat/common.py

@@ -284,6 +284,12 @@ def calculate_days(start_date, end_date):
  
 
 #==============================================================================
+if __name__ =="__main__":
+    basedate='2020-3-17' 
+    adjust=-365    
+    newdate = date_adjust(basedate, adjust)
+    print(newdate) 
+    
 def date_adjust(basedate, adjust=0):
     """
     功能：将给定日期向前或向后调整特定的天数
@@ -309,11 +315,105 @@ def date_adjust(basedate, adjust=0):
     return str(newdate)
  
 if __name__ =="__main__":
-    basedate='2020-3-17' 
-    adjust=-365    
-    newdate = date_adjust(basedate, adjust)
-    print(newdate)    
+    basedate='2024-3-17' 
+    
+    adjust_year=-1; adjust_month=-1; adjust_day=-1
+    adjust_year=-1; adjust_month=-1; adjust_day=-17
+    adjust_year=-1; adjust_month=0; adjust_day=-17
+    adjust_year=0; adjust_month=-3; adjust_day=0
+    adjust_year=0; adjust_month=-13; adjust_day=0
+    adjust_year=0; adjust_month=-15; adjust_day=0
+    adjust_year=0; adjust_month=-27; adjust_day=0
+    adjust_year=0; adjust_month=-27; adjust_day=0
+    
+    adjust_year=0; adjust_month=0; adjust_day=15
+    adjust_year=0; adjust_month=10; adjust_day=0
+    adjust_year=0; adjust_month=22; adjust_day=0
+    
+    adjust_year=0; adjust_month=-1; adjust_day=-1
+    adjust_year=0; adjust_month=-2; adjust_day=-1
+    adjust_year=0; adjust_month=-3; adjust_day=-1
+    adjust_year=0; adjust_month=-6; adjust_day=-1
+    adjust_year=-1; adjust_month=0; adjust_day=0
+    adjust_year=-2; adjust_month=0; adjust_day=0
+    adjust_year=-3; adjust_month=0; adjust_day=0
+    adjust_year=-5; adjust_month=0; adjust_day=0
+    
+    to_prev_month_end=False    
+    to_prev_month_end=True
+    
+    to_prev_year_end=False    
+    to_prev_year_end=True
+    
+    date_adjust2(basedate,adjust_year,adjust_month,adjust_day,to_prev_month_end,to_prev_year_end)
+
+def date_adjust2(basedate,adjust_year=0,adjust_month=0,adjust_day=0, \
+                 to_prev_month_end=False,to_prev_year_end=False):
+    """
+    功能：将给定日期向前或向后调整特定的天数，按照年月日精确调整
+    输入：基础日期，需要调整的天数。
+    basedate: 基础日期。
+    adjust_year, adjust_month, adjust_day：分别调整的年月日数量，负数向前调整，正数向后调整。
+    输出：调整后的日期字符串。
+    """
+    import pandas as pd    
+    from datetime import datetime, timedelta
+
+    #检查基础日期的合理性
+    try:
+        bd=pd.to_datetime(basedate)
+    except:
+        print("  #Error(date_adjust2): invalid date",basedate)
+        return None
 
+    #将基础日期分解为年月日
+    bd_year=bd.year
+    bd_month=bd.month
+    bd_day=bd.day
+    
+    #预处理调整的月数
+    if adjust_month <= -12:
+        adjust_year=adjust_year + int(adjust_month / 12)
+        adjust_month=adjust_month % -12
+    if adjust_month >= 12:
+        adjust_year=adjust_year + int(adjust_month / 12)
+        adjust_month=adjust_month % 12        
+    
+    #调整年
+    new_year=bd_year + adjust_year
+    
+    #调整月份
+    new_month=bd_month + adjust_month
+    if new_month <= 0:
+        new_month=new_month + 12
+        new_year=new_year - 1
+    if new_month > 12:
+        new_month=new_month % 12
+        new_year=new_year + 1
+        
+    #合成中间日期：新年份，新月份，原日期
+    ndym=datetime(new_year,new_month,bd_day)
+        
+    #调整日期
+    nd=ndym + timedelta(days=adjust_day)
+    
+    #如果还需要调整到上年年末，但不可同时使用调整到上月月末
+    if to_prev_year_end:
+        to_prev_month_end=False
+        
+        nd_year=nd.year - 1
+        nd=datetime(nd_year,12,31)
+    
+    #如果还需要调整到上月月末
+    if to_prev_month_end:
+        nd_day=nd.day
+        nd=nd + timedelta(days=-nd_day)
+
+    #提取日期字符串
+    newdate=nd.date()  
+    
+    return str(newdate)
+    
 #==============================================================================
 if __name__ =="__main__":
     portfolio={'Market':('US','^GSPC'),'EDU':0.4,'TAL':0.3,'TEDU':0.2}
@@ -357,13 +457,35 @@ def portfolio_name(portfolio):
     try:
         name=portfolio[keylist[0]][2]
     except:
-        name="投资组合"
+        name="PF1"
 
     return name    
 
 if __name__=='__main__':
     portfolio={'Market':('US','^GSPC','我的组合001'),'EDU':0.4,'TAL':0.3,'TEDU':0.2}
     portfolio_name(portfolio)
+
+if __name__=='__main__':
+    portfolio={'Market':('US','^GSPC','China Edtraining'),'EDU':0.4,'TAL':0.3,'TEDU':0.2}
+    portfolio='600519.SS'
+    
+    isinstance_portfolio(portfolio)
+
+def isinstance_portfolio(portfolio):
+    """
+    功能：判断是否投资组合
+    输入：投资组合
+    输出：True, False
+    注意：为了维持兼容性，特此定义此函数
+    """    
+    result=True
+    
+    try:
+        scope,mktidx,tickerlist,sharelist=decompose_portfolio(portfolio)
+    except:
+        result=False
+        
+    return result
     
 #==============================================================================
 def calc_monthly_date_range(start,end):
@@ -1744,7 +1866,7 @@ if __name__=='__main__':
     footnote="This is the footnote"
 
 def descriptive_statistics(df,titletxt,footnote,decimals=4,sortby='tpw_mean', \
-                           recommend_only=False,trailing=20,trend_threshhold=0.01):
+                           recommend_only=False,trailing=7,trend_threshhold=0.01):
     """
     功能：进行描述性统计，并打印结果
     df的要求：
@@ -1764,7 +1886,8 @@ def descriptive_statistics(df,titletxt,footnote,decimals=4,sortby='tpw_mean', \
         return
     
     # 计算短期趋势
-    df20=df[-trailing:]
+    #df20=df[-trailing:]
+    df20=df.tail(trailing)
     """
     df20ds=df20.describe()
     df20mean=df20ds[df20ds.index=='mean'].T
@@ -1993,6 +2116,259 @@ def descriptive_statistics(df,titletxt,footnote,decimals=4,sortby='tpw_mean', \
     
     return dst5
 
+#==============================================================================
+
+if __name__=='__main__':
+    tickers=['NIO','LI','XPEV','TSLA']
+    df=compare_mrar(tickers,
+                    rar_name='sharpe',
+                    start='2022-1-1',end='2023-1-31',
+                    market='US',market_index='^GSPC',
+                    window=240,axhline_label='零线')   
+    
+    titletxt="This is the title text"
+    footnote="This is the footnote"
+    decimals=4
+    sortby='tpw_mean'
+    recommend_only=False
+    trailing=7
+    trend_threshhold=0.01
+
+def descriptive_statistics2(df,titletxt,footnote,decimals=4,sortby='tpw_mean', \
+                           recommend_only=False,trailing=7,trend_threshhold=0.01, \
+                           printout=True,style_print=False):
+    """
+    功能：进行描述性统计，并打印结果
+    df的要求：
+    索引列为datetime格式，不带时区
+    各个列为比较对象，均为数值型，降序排列
+    
+    sortby='tpw_mean'：按照近期时间优先加权(time priority weighted)平均数排序
+    recommend_only=False：是否仅打印推荐的证券
+    """
+    
+    # 检查df
+    if df is None:
+        print("  #Error(descriptive_statistics2): none info found")
+        return
+    if len(df) == 0:
+        print("  #Error(descriptive_statistics2): zero data found")
+        return
+    
+    # 计算短期趋势
+    df20=df.tail(trailing)
+
+    ds=df.describe(include='all',percentiles=[.5])
+    dst=ds.T   
+    cols=['min','max','50%','mean','std']
+    
+    dst['item']=dst.index
+    cols2=['item','min','max','50%','mean','std']
+    
+    dst2=dst[cols2]
+    for c in cols:
+        dst2[c]=dst2[c].apply(lambda x: round(x,decimals))
+    
+    if sortby != 'tpw_mean': 
+        if sortby=='median':
+            sortby='50%'
+        dst2.sort_values(by=sortby,ascending=False,inplace=True)
+
+    cols2cn=['比较对象','最小值','最大值','中位数','平均值','标准差']
+    dst2.columns=cols2cn
+    
+    # 近期优先加权平均
+    dst2['近期优先加权平均']=dst2['比较对象'].apply(lambda x:time_priority_weighted_average(df,x,4))
+    if sortby == "tpw_mean":
+        dst2.sort_values(by='近期优先加权平均',ascending=False,inplace=True)
+    
+    dst3=dst2
+    dst3=dst3[(dst3['比较对象'] != 'time_weight') & (dst3['比较对象'] != 'relative_weight')]
+    
+    dst3.reset_index(drop=True,inplace=True)
+    dst3.index=dst3.index+1
+    
+    # 趋势标记
+    dst3['期间趋势']=dst3['比较对象'].apply(lambda x:curve_trend_direct(df,x,trend_threshhold))
+    dst3['近期趋势']=dst3['比较对象'].apply(lambda x:curve_trend_direct(df20,x,trend_threshhold))
+    
+    # 推荐标记：最大五颗星
+    dst3['推荐标记']=''
+    if sortby in ['tpw_mean','trailing']: #重视近期趋势
+        #注意：务必先加后减！
+        #若近期优先加权平均>0，给3星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+++') if (x['近期优先加权平均']>0) else x['推荐标记'],axis=1)
+        #若近期趋势➹，加2星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'++') if (x['近期趋势']=='➹') else x['推荐标记'],axis=1)  
+        #若期间趋势➹，加1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['期间趋势']=='➹') else x['推荐标记'],axis=1) 
+        #若平均值或中位数>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['平均值']>0) | (x['中位数']>0) else x['推荐标记'],axis=1)
+        #若最小值>0，加1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['最小值']>0) else x['推荐标记'],axis=1)  
+
+        #若近期趋势➷，减2星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期趋势']=='➷') else x['推荐标记'],axis=1)         
+        #若期间趋势➷，减1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['期间趋势']=='➷') else x['推荐标记'],axis=1)         
+        #若平均值且中位数<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['平均值']<0) & (x['中位数']<0) else x['推荐标记'],axis=1)
+        #若最小值<0，减1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['最小值']<0) else x['推荐标记'],axis=1)  
+        
+        #若近期优先加权平均<0，星星清零
+        dst3['推荐标记']=dst3.apply(lambda x: '' if (x['近期优先加权平均']<0) else x['推荐标记'],axis=1)
+        
+    elif sortby == 'min': #保守推荐
+        #若最小值>0，加5星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+++++') if (x['最小值']>0) else x['推荐标记'],axis=1)
+        #若近期优先加权平均>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期优先加权平均']>0) else x['推荐标记'],axis=1)
+        #若近期趋势➹，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期趋势']=='➹') else x['推荐标记'],axis=1)  
+        #若期间趋势➹，加1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['期间趋势']=='➹') else x['推荐标记'],axis=1) 
+        #若平均值或中位数>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['平均值']>0) | (x['中位数']>0) else x['推荐标记'],axis=1)
+
+        #若近期优先加权平均<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期优先加权平均']<0) else x['推荐标记'],axis=1)
+        #若平均值且中位数<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['平均值']<0) & (x['中位数']<0) else x['推荐标记'],axis=1)
+        #若近期趋势➷，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期趋势']=='➷') else x['推荐标记'],axis=1)  
+        #若期间趋势➷，减1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['期间趋势']=='➷') else x['推荐标记'],axis=1) 
+        
+    elif sortby == 'mean': #进取推荐，均值，重视整体趋势，不在乎近期趋势
+        #若平均值>0，给3星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+++') if (x['平均值']>0) else x['推荐标记'],axis=1)
+        #若期间趋势➹，加2星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'++') if (x['期间趋势']=='➹') else x['推荐标记'],axis=1) 
+        #若中位数>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['中位数']>0) else x['推荐标记'],axis=1)
+        #若近期趋势➹，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期趋势']=='➹') else x['推荐标记'],axis=1)  
+        #若近期优先加权平均>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期优先加权平均']>0) else x['推荐标记'],axis=1)
+        #若最小值>0，加1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['最小值']>0) else x['推荐标记'],axis=1)    
+
+        #若期间趋势➷，减2星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['期间趋势']=='➷') else x['推荐标记'],axis=1) 
+        #若近期趋势➷，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期趋势']=='➷') else x['推荐标记'],axis=1)  
+        #若近期优先加权平均<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期优先加权平均']<0) else x['推荐标记'],axis=1)
+        #若中位数<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['中位数']<0) else x['推荐标记'],axis=1)
+        #若最小值<0，减1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['最小值']<0) else x['推荐标记'],axis=1)    
+        
+        #若平均值<0，星星清零
+        dst3['推荐标记']=dst3.apply(lambda x: '' if (x['平均值']<0) else x['推荐标记'],axis=1)
+        
+    elif sortby == 'median': #进取推荐，中位数，看重整体趋势，不在乎近期短期变化
+        #若中位数>0，给3星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+++') if (x['中位数']>0) else x['推荐标记'],axis=1)
+        #若期间趋势➹，加2星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'++') if (x['期间趋势']=='➹') else x['推荐标记'],axis=1) 
+        #若平均值>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['平均值']>0) else x['推荐标记'],axis=1)
+        
+        #若近期趋势➹，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期趋势']=='➹') else x['推荐标记'],axis=1)  
+        #若近期优先加权平均>0，加1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['近期优先加权平均']>0) else x['推荐标记'],axis=1)
+        #若最小值>0，加1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'+') if (x['最小值']>0) else x['推荐标记'],axis=1)    
+
+        #若期间趋势➷，减2星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['期间趋势']=='➷') else x['推荐标记'],axis=1) 
+        #若近期趋势➷，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期趋势']=='➷') else x['推荐标记'],axis=1)  
+        #若近期优先加权平均<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['近期优先加权平均']<0) else x['推荐标记'],axis=1)
+        #若平均值<0，减1星
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['平均值']<0) else x['推荐标记'],axis=1)
+        #若最小值<0，减1星        
+        dst3['推荐标记']=dst3.apply(lambda x: change_stars2(x['推荐标记'],'-') if (x['最小值']<0) else x['推荐标记'],axis=1)    
+        
+        #若中位数<0，星星清零
+        dst3['推荐标记']=dst3.apply(lambda x: '' if (x['中位数']<0) else x['推荐标记'],axis=1)
+    else:
+        pass
+    
+    #最多5颗星星
+    dst3['推荐标记']=dst3.apply(lambda x: x['推荐标记'][:5] if (hzlen(x['推荐标记'])>5) else x['推荐标记'],axis=1)
+    #为了打印对齐，强制向左移动，不管用！
+    #dst3['推荐标记']=dst3.apply(lambda x: x['推荐标记']+'  ' if (hzlen(x['推荐标记'])>4) else x['推荐标记'],axis=1)
+    
+    dst4=dst3
+    
+    # 重排序：按照星星个数+数值，降序
+    dst5=dst4
+    if sortby == "tpw_mean":
+        dst5.sort_values(by=['推荐标记','近期优先加权平均'],ascending=[False,False],inplace=True)
+        #dst5.sort_values(by=['推荐标记','近期优先加权平均'],ascending=False,inplace=True)
+    elif sortby == "min":
+        dst5.sort_values(by=['推荐标记','最小值'],ascending=[False,False],inplace=True)
+    elif sortby == "mean":
+        dst5.sort_values(by=['推荐标记','平均值'],ascending=[False,False],inplace=True)
+    elif sortby == "median":
+        dst5.sort_values(by=['推荐标记','中位数'],ascending=[False,False],inplace=True)
+    elif sortby == "trailing":
+        dst5.sort_values(by=['推荐标记','最新均值差'],ascending=[False,False],inplace=True)
+    else:
+        pass
+    
+    #是否过滤无推荐标志的证券，防止过多无推荐标志的记录使得打印列表过长
+    if recommend_only:
+        dst6=dst5[dst5['推荐标记'] != '']
+        dst_num=len(dst6)
+        #若无推荐标志也要显示头十个
+        if dst_num < 10:
+            dst6=dst5.head(10)
+        else:
+            dst6=dst5.head(dst_num+3)
+    else:
+        dst6=dst5
+    
+    dst6.reset_index(drop=True,inplace=True)
+    dst6.index=dst6.index+1
+    
+    if printout:
+        #控制显示的小数点位数
+        for c in dst6.columns:
+            try:
+                dst6[c]=dst6[c].apply(lambda x: round(x,4))
+            except:
+                pass
+            #确保display显示时不再自动在数值尾部添加零至6位小数
+            dst6[c]=dst6[c].apply(lambda x: str(x))
+        
+        if not style_print: #markdown打印
+            print("\n"+titletxt+"\n")
+            #如果index=True则显示index，这样alignlist的长度就需要dst6列数+1
+            alignlist=['right','left']+['center']*(len(list(dst6))-3)+['center','left']
+            try:   
+                print(dst6.to_markdown(index=True,tablefmt='plain',colalign=alignlist))
+            except:
+                #解决汉字编码gbk出错问题
+                dst7=dst6.to_markdown(index=True,tablefmt='plain',colalign=alignlist)
+                dst8=dst7.encode("utf-8",errors="strict")
+                print(dst8)
+            print("\n"+footnote)
+            
+        else: #style打印
+            print("\n"+titletxt)
+            dst6sd= dst6.style.set_properties(**{'text-align': 'center'})
+            from IPython.display import display
+            display(dst6sd)
+            print(footnote+"\n")
+    
+    return dst5
+
 
 #==============================================================================
 if __name__=='__main__':
@@ -2010,6 +2386,31 @@ def print_list(alist,leading_blanks=1):
     print('\n')
     
     return
+
+if __name__=='__main__':
+    alist=['NIO','LI','XPEV','TSLA']
+    list2str(alist)
+    
+def list2str(alist):
+    """
+    功能：将列表转换为字符串，不带引号，节省空间
+    """
+    if len(alist) > 1:
+        result='['
+        for i in alist:
+            result=result+str(i)
+            if i != alist[-1]:
+                result=result+', '
+        result=result+']'
+        
+    elif len(alist) == 1:
+        result=str(alist[0])
+        
+    else:
+        result=''
+    
+    return result
+
 #==============================================================================
 # FUNCTION TO REMOVE TIMEZONE
 def remove_timezone(dt):
@@ -2144,18 +2545,18 @@ def curve_trend_regress(df,col,threshhold=0.0001):
     
     return result
 
-def curve_trend_direct(df,col,threshhold=0.0001):
+def curve_trend_direct(df,col,threshhold=0.01):
     """
     功能：直接对比首尾值大小。目的为判断曲线走势
     
     输入项：
     df: 数据框，假设其索引为日期项，且已升序排列
     col: 考察变量，检查该变量的走势，向上，向下，or 不明显（无显著性星星）
-    
-    返回值：尾值-首值
-    '➠'：差接近零(其绝对值小于threshhold)
-    '➷'：差为负数且其绝对值不小于threshhold
-    '➹'：差为正数且其绝对值不小于threshhold
+    threshhold：相对值
+    返回值：(尾值-首值)/首值
+    '➠'：变化率接近零(其绝对值小于threshhold)
+    '➷'：变化率为负数且其绝对值不小于threshhold
+    '➹'：变化率为正数且其绝对值不小于threshhold
     """    
     # 检查df是否为空
     if df is None:
@@ -2168,15 +2569,32 @@ def curve_trend_direct(df,col,threshhold=0.0001):
     df1.sort_index(ascending=True,inplace=True)
     first_value=df1.head(1)[col].values[0]
     last_value=df1.tail(1)[col].values[0]
-    diff=last_value - first_value
+    
+    #采用相对值，避免数量级差异，同时避免负负得正
+    if first_value != 0.0:
+        diff=(last_value - first_value)/abs(first_value)
+    elif last_value != 0.0:
+        #不得已
+        diff=(last_value - first_value)/abs(last_value)
+    else:
+        #实在不得已
+        diff=last_value - first_value
+        
     diff_abs=abs(diff)
     
     # 判断斜率方向
     result='➠'
+    """
     if diff_abs >= threshhold and diff > 0:    
         result='➹'
     if diff_abs >= threshhold and diff < 0:    
         result='➷'
+    """
+    #留出区间-threshhold至threshhold视为平行趋势
+    if diff > threshhold:    
+        result='➹'
+    if diff < -threshhold:    
+        result='➷'
     
     return result    
 #==============================================================================
@@ -2244,8 +2662,40 @@ def change_recommend_stars(stars_current,change='+'):
             stars_new=stars2   
             
     return stars_new
+
+#==============================================================================
+if __name__=='__main__':
+    stars_current=''
+    stars_current='✮✮'
     
+    change='+'
+    change='++'
+    change='-'
+    
+    change_stars2(stars_current,change)
+    
+def change_stars2(stars_current,change='+'):
+    """
+    功能：增减推荐的星星个数
+    注意：change中不能同时出现+-符号，只能出现一种，但可以多个
+    """   
+    stars1='✮'
+    
+    num_plus=change.count('+')
+    if num_plus > 0:
+        stars_new=stars_current+stars1 * num_plus
 
+    num_minus=change.count('-')
+    if num_minus >= 1:
+        stars_new=stars_current
+        for n in range(1,num_minus+1):
+            stars_new=stars_new[:-1]
+            if hzlen(stars_new)==0: break
+    """
+    if hzlen(stars_new)>5:
+        stars_new=stars_new[:5]
+    """    
+    return stars_new
 
 #==============================================================================
 if __name__=='__main__':
@@ -2320,6 +2770,12 @@ def fix_package(file='stooq.py',package='pandas_datareader'):
     """
     功能：修复stooq.py，使用siat包中的stooq.py覆盖pandas_datareader中的同名文件
     注意：执行本程序需要系统管理员权限，可以系统管理员权限启动Jupyter或Spyder
+    
+    改进：建立一个Excel文件，记录需要修复的文件和包，例如：
+    file                package
+    stooq.py            pandas_datareader
+    bond_zh_sina.py     akshare
+    
     """
     #判断操作系统
     import sys; czxt=sys.platform
@@ -2420,7 +2876,7 @@ def df_preprocess(dfs,measure,axhline_label,x_label,y_label,lang='Chinese', \
                 #相对起点值变化的百分数（起点值为0）
                 scalinglist=['mean','min','start','percentage','change%']
                 if not (scaling_option in scalinglist):
-                    print("  #Error(compare_msecurity): invalid scaling option",scaling_option)
+                    print("  #Error(df_preprocess): invalid scaling option",scaling_option)
                     print("  Valid scaling option:",scalinglist)
                     return None
                 if scaling_option == 'mean':
@@ -2536,7 +2992,8 @@ def df_preprocess(dfs,measure,axhline_label,x_label,y_label,lang='Chinese', \
                     measure_suffix='(相对百分数%)'
                 elif scaling_option == 'change%':
                     std_notes="注释：为突出变化趋势，图中数值为相对期间起点的增减百分比"
-                    measure_suffix='(增/减%)' 
+                    #measure_suffix='(增/减%)'
+                    measure_suffix='(涨/跌%)'
                     axhline_label='零线' #可以在security_trend中使用critical_value选项指定水平线位置，默认0
                     #axhline_value=0
                     
@@ -2550,4 +3007,266 @@ def df_preprocess(dfs,measure,axhline_label,x_label,y_label,lang='Chinese', \
     #返回内容
     return dfs2,axhline_label,x_label,y_label,plus_sign
 #==============================================================================
+if __name__=='__main__':
+    is_running_in_jupyter()
+
+
+def is_running_in_jupyter():
+    """
+    功能：检测当前环境是否在Jupyter中，误判Spyder为Jupyter，不行！
+    """
+    try:
+        # 尝试导入IPython的一些模块
+        from IPython import get_ipython
+ 
+        ipython = get_ipython()
+        if 'IPKernelApp' not in ipython.config:
+            return False
+        return True
+    
+    except ImportError:
+        return False
+    
+#==============================================================================
+if __name__=='__main__':
+    date1=pd.to_datetime('2024-1-2')
+    date2=pd.to_datetime('2024-1-9')
+    days_between_dates(date1, date2)
+ 
+def days_between_dates(date1, date2):
+    """
+    注意：date1和date2为datetime类型
+    """
+    from datetime import datetime
+    delta = date2 - date1
+    return delta.days
+
+#==============================================================================
+if __name__=='__main__':
+    stars_num=0
+    stars_num=3
+    stars_num=4.2
+    stars_num=4.6
+    
+    generate_stars(stars_num)
+    
+def generate_stars(stars_num):
+    """
+    功能：基于星星个数stars_num生成推荐星星符号，支持半颗星
+    """   
+    stars1='✮'
+    starsh='☆'
+    
+    stars_int=int(stars_num)
+    result=stars_int * stars1
+    
+    if (stars_num - stars_int) >= 0.5:
+        result=result + starsh
+        
+    return result
+    
+
+#==============================================================================
+if __name__=='__main__':
+    df=get_price('000001.SS','2000-1-1','2024-3-22')
+    column='Close'
+    minimum=30
+    method='max'
+    
+    df1=df[column].resample('4H').max()
+    df2=df1.interpolate(method='cubic')
+    
+    period='24H'
+    df2=df_resampling(df,column,period,method='mean',minimum=minimum)
+    df2[column].plot(title=period)
+
+    
+    period='auto'; method='mean'; minimum=50
+    df2=df_resampling(df,column,period,method='mean',minimum=minimum)
+    df2[column].plot()
+
+
+def df_resampling(df,column,period='auto',method='max',minimum=30):
+    """
+    注意：未完成状态。遇到的问题：平滑后数据的后面时间段丢失严重！
+    目的：将大量时间序列数据绘制重新采样，减少极端值，使得数据趋势简洁明了，可能丢失部分细节
+    功能：将df按照period对column字段数值重新采样，采样方法为method，采样前个数不少于minimum
+    注意：df需为时间序列；column为单个字段，需为数值型
+    period：采样间隔，支持小时'H'或'nH'(n=2,3,...)、周'W'、月'M'、季'Q'或年'Y'，默认由系统决定
+    method：暂仅支持平均值方法mean(典型)和求和方法sum
+    minimum：采样后需保留的最少数据个数，默认30个
+    """
+    DEBUG=True
+    
+    import pandas as pd
+    import numpy as np
+    
+    #检查df长度：是否需要重新采样
+    if len(df) <= minimum: 
+        if DEBUG: print("  #Notice(df_resampling): no need to resample",len(df))
+        return df #无需重新采样，返回原值
+    
+    #仅对采样字段进行处理
+    if column not in df.columns: 
+        if DEBUG: print("  #Warning(df_resampling): non-exist column",column)
+        return df #返回原值
+    
+    #取出采样字段    
+    df1=df[[column]].copy() #避免影响到原值
+    
+    #寻求最佳采样间隔
+    period_list=['2H','4H','6H','8H','12H','24H']
+    std_list=[]
+    dft_list=[]
+    for p in period_list:
+        dft1=df1[column].resample(p).mean()
+        dft2=dft1.interpolate(method='linear')
+        stdt=dft2.std()
+        std_list=std_list+[stdt]
+        dft_list=dft_list+[dft2]
+    
+    std_min=min(std_list)
+    pos=std_list.index(std_min)
+    period_min=period_list[pos]
+    df2=dft_list[pos]
+    
+    
+    #再次检查采样后的长度
+    if len(df2) < minimum: 
+        if DEBUG: print("  #Warning(df_resampling): resampled number",len(df2),"< minimum",minimum)
+        return df #返回原值
+    
+    return df2
+
+#==============================================================================
+if __name__=='__main__':
+    df=get_price('000001.SS','2000-1-1','2024-3-22')
+    
+    
+def linewidth_adjust(df):
+    """
+    功能：根据df中元素个数多少调节绘制曲线时线段的宽度linewidth
+    """    
+
+    dflen=len(df)
+    if dflen > 100: lwadjust=1.2
+    elif dflen > 200: lwadjust=1.0
+    elif dflen > 300: lwadjust=0.8
+    elif dflen > 500: lwadjust=0.4
+    elif dflen > 1000: lwadjust=0.2
+    elif dflen > 2000: lwadjust=0.1
+    elif dflen > 3000: lwadjust=0.05
+    elif dflen > 5000: lwadjust=0.01
+    else: lwadjust=1.5
+    
+    return lwadjust
+
+#==============================================================================
+if __name__=='__main__':
+    start='MRM'
+    start='L3M'
+    start='MRY'
+    start='L30Y'
+    
+    start='default'; end='default'
+    
+    start='2024-1-1'; end='2023-1-1'
+    
+    start_end_preprocess(start,end='today')
+
+def start_end_preprocess(start,end='today'):
+    """
+    功能：处理简约日期为具体日期，并检查日期的合理性
+    """
+
+    # 检查日期：截至日期
+    import datetime as dt; 
+    todaydt=dt.date.today();todaystr=todaydt.strftime('%Y-%m-%d')
+    
+    end=end.lower()
+    if end in ['default','today']:
+        todate=todaystr
+    else:
+        validdate,todate=check_date2(end)
+        if not validdate:
+            print("  #Warning(start_end_preprocess): invalid date for",end)
+            todate=todaystr
+
+    # 检查日期：开始日期
+    start=start.lower()
+    
+    """
+    if start in ['default','mrm','l1m']:  # 默认近一个月
+        fromdate=date_adjust(todate,adjust=-31-7) #多几天有利于绘图坐标标示
+    elif start in ['l2m']:  # 近2个月
+        fromdate=date_adjust(todate,adjust=-31*2-14)        
+    elif start in ['mrq','l3m']:  # 近三个月
+        fromdate=date_adjust(todate,adjust=-31*3-16) 
+    elif start in ['l6m','mrh']:  # 近6个月
+        fromdate=date_adjust(todate,adjust=-31*6-16)         
+    elif start in ['mry','l12m']:  # 近一年
+        fromdate=date_adjust(todate,adjust=-366-16)  
+    elif start in ['l2y']:  # 近两年以来
+        fromdate=date_adjust(todate,adjust=-366*2-15)  
+    elif start in ['l3y']:  # 近三年以来
+        fromdate=date_adjust(todate,adjust=-366*3-14)  
+    elif start in ['l5y']:  # 近五年以来
+        fromdate=date_adjust(todate,adjust=-366*5-13)  
+    elif start in ['l8y']:  # 近八年以来
+        fromdate=date_adjust(todate,adjust=-366*8-11)   
+    elif start in ['l10y']:  # 近十年以来
+        fromdate=date_adjust(todate,adjust=-366*10-9)  
+    elif start in ['l20y']:  # 近20年以来
+        fromdate=date_adjust(todate,adjust=-366*20-1)  
+    elif start in ['l30y']:  # 近30年以来
+        fromdate=date_adjust(todate,adjust=-366*30)           
+    elif start in ['ytd']:  # 今年以来
+        fromdate=str(todaydt.year-1)+'-12-1'        
+    else:
+        validdate,fromdate=check_date2(start)
+        if not validdate:
+            print("  #Warning(security_trend): invalid date for",start,"/b, reset to MRM")
+            fromdate=date_adjust(todate,adjust=-31-16)    
+    """
+    if start in ['default','mrm','l1m']:  # 默认近一个月
+        fromdate=date_adjust2(todate,adjust_month=-1,adjust_day=-1) #有利于绘图横坐标日期标示
+    elif start in ['l2m']:  # 近2个月
+        fromdate=date_adjust2(todate,adjust_month=-2,adjust_day=-1)        
+    elif start in ['mrq','l3m']:  # 近三个月
+        fromdate=date_adjust2(todate,adjust_month=-3,adjust_day=-1) 
+    elif start in ['l6m','mrh']:  # 近6个月
+        fromdate=date_adjust2(todate,adjust_month=-6,adjust_day=-1)         
+    elif start in ['mry','l12m']:  # 近一年
+        fromdate=date_adjust2(todate,adjust_year=-1,to_prev_month_end=True)  
+    elif start in ['l2y']:  # 近两年以来
+        fromdate=date_adjust2(todate,adjust_year=-2,to_prev_month_end=True)  
+    elif start in ['l3y']:  # 近三年以来
+        fromdate=date_adjust2(todate,adjust_year=-3,to_prev_month_end=True)  
+    elif start in ['l5y']:  # 近五年以来
+        fromdate=date_adjust2(todate,adjust_year=-5,to_prev_year_end=True)  
+    elif start in ['l8y']:  # 近八年以来
+        fromdate=date_adjust2(todate,adjust_year=-8,to_prev_year_end=True)   
+    elif start in ['l10y']:  # 近十年以来
+        fromdate=date_adjust2(todate,adjust_year=-10,to_prev_year_end=True)  
+    elif start in ['l20y']:  # 近20年以来
+        fromdate=date_adjust2(todate,adjust_year=-20,to_prev_year_end=True)  
+    elif start in ['l30y']:  # 近30年以来
+        fromdate=date_adjust2(todate,adjust_year=-30,to_prev_year_end=True)           
+    elif start in ['ytd']:  # 今年以来
+        fromdate=str(todaydt.year-1)+'-12-31'        
+    else:
+        validdate,fromdate=check_date2(start)
+        if not validdate:
+            print("  #Warning(security_trend): invalid date",start)
+            fromdate=date_adjust2(todate,adjust_month=-1,adjust_day=-1)    
+    
+    result,_,_=check_period(fromdate,todate)
+    if not result:
+        todate=todaystr
+        print("  #Warning(start_end_preprocess): invalid date period between",fromdate,todate)
+        
+    return fromdate,todate
+
+#==============================================================================
+#==============================================================================