114 lines
4.8 KiB
Python
114 lines
4.8 KiB
Python
import traceback
|
||
from datetime import datetime, timedelta
|
||
|
||
import pandas as pd
|
||
import tushare as ts
|
||
from tqdm import tqdm
|
||
|
||
from database_manager import DatabaseManager
|
||
from logger import get_logger
|
||
from utils import load_config
|
||
|
||
|
||
class DataFetcher:
|
||
"""
|
||
数据获取器类，负责从Tushare获取各类数据并管理本地缓存
|
||
"""
|
||
|
||
def __init__(self):
|
||
# 加载配置并初始化tushare
|
||
self.config = load_config()
|
||
ts.set_token(self.config['tushare_token'])
|
||
self.pro = ts.pro_api()
|
||
# 初始化数据库管理器
|
||
self.db_manager = DatabaseManager()
|
||
# 获取日志器
|
||
self.logger = get_logger()
|
||
|
||
def get_trade_cal(self, start_date=None, end_date=None):
|
||
"""
|
||
获取指定时间段内的交易日历
|
||
参数：
|
||
start_date (str): 开始日期，格式'YYYYMMDD'
|
||
end_date (str): 结束日期，格式'YYYYMMDD'
|
||
返回：
|
||
list: 交易日期列表
|
||
"""
|
||
if start_date is None:
|
||
start_date = (datetime.now() - timedelta(days=30)).strftime('%Y%m%d')
|
||
if end_date is None:
|
||
end_date = datetime.now().strftime('%Y%m%d')
|
||
try:
|
||
trade_cal_df = self.pro.trade_cal(exchange='', start_date=start_date, end_date=end_date)
|
||
return trade_cal_df[trade_cal_df['is_open'] == 1]['cal_date'].tolist()
|
||
except Exception as e:
|
||
self.logger.error(f"获取交易日历时出错: {e}")
|
||
self.logger.debug(f"完整的错误追踪信息:\n{traceback.format_exc()}")
|
||
return []
|
||
|
||
def get_moneyflow_ind_dc(self, start_date=None, end_date=None, force_update=False):
|
||
"""
|
||
获取指定时间段内的板块资金流向数据，使用数据库缓存
|
||
参数:
|
||
start_date (str): 开始日期，格式'YYYYMMDD'
|
||
end_date (str): 结束日期，格式'YYYYMMDD'
|
||
force_update (bool): 是否强制更新所选区域数据，默认为False
|
||
返回:
|
||
pandas.DataFrame: 所有板块资金流向数据
|
||
"""
|
||
# 获取目标交易日历
|
||
all_trade_dates = self.get_trade_cal(start_date, end_date)
|
||
|
||
# 确定需要获取的日期
|
||
if not force_update:
|
||
# 从数据库获取已有的交易日期
|
||
existing_dates = self.db_manager.get_existing_trade_dates(table_key='moneyflow_ind_dc')
|
||
# 筛选出需要新获取的日期
|
||
dates_to_fetch = [date for date in all_trade_dates if date not in existing_dates]
|
||
else:
|
||
# 强制更新，获取所有日期数据
|
||
dates_to_fetch = all_trade_dates
|
||
self.logger.info(f"强制更新模式: 将更新 {len(dates_to_fetch)} 个交易日的数据")
|
||
|
||
if not dates_to_fetch:
|
||
self.logger.info("所有数据已在数据库中，无需更新")
|
||
return self.db_manager.load_df_from_db(table_key='moneyflow_ind_dc')
|
||
|
||
self.logger.info(f"需要获取 {len(dates_to_fetch)} 个交易日的数据")
|
||
|
||
# 获取数据
|
||
all_new_data = []
|
||
for trade_date in tqdm(dates_to_fetch):
|
||
try:
|
||
# 从tushare获取当日板块资金流向数据
|
||
df = self.pro.moneyflow_ind_dc(trade_date=trade_date)
|
||
if not df.empty:
|
||
all_new_data.append(df)
|
||
else:
|
||
self.logger.info(f"日期 {trade_date} 无数据")
|
||
except Exception as e:
|
||
self.logger.error(f"获取 {trade_date} 的数据时出错: {e}")
|
||
self.logger.debug(f"完整的错误追踪信息:\n{traceback.format_exc()}")
|
||
|
||
# 处理新数据
|
||
if all_new_data:
|
||
# 将所有新数据合并为一个DataFrame
|
||
new_df = pd.concat(all_new_data, ignore_index=True)
|
||
if force_update:
|
||
# 强制更新模式：需要删除已有的日期数据，然后重新插入
|
||
existing_df = self.db_manager.load_df_from_db(table_key='moneyflow_ind_dc')
|
||
# 过滤掉需要更新的日期范围内的数据
|
||
filtered_df = existing_df[~existing_df['trade_date'].isin(dates_to_fetch)]
|
||
# 拼接新数据
|
||
final_df = pd.concat([filtered_df, new_df], ignore_index=True)
|
||
# 替换整个表
|
||
self.db_manager.save_df_to_db(final_df, table_key='moneyflow_ind_dc', if_exists='replace')
|
||
self.logger.info(f"已强制更新 {len(new_df)} 条记录到数据库")
|
||
else:
|
||
# 普通追加模式
|
||
self.db_manager.save_df_to_db(new_df, table_key='moneyflow_ind_dc', if_exists='append')
|
||
self.logger.info(f"已将 {len(new_df)} 条新记录追加到数据库")
|
||
else:
|
||
self.logger.info("未获取到任何新数据")
|
||
|
||
return self.db_manager.load_df_from_db(table_key='moneyflow_ind_dc') |