电子商务网站建设设计原则网站建设项目体会

当前位置： 首页 > news >正文

电子商务网站建设设计原则,网站建设项目体会,描述网站的整体建设一般步骤,织梦手机网站制作分析 需求分析 可转债退市原因的种类与占比是多少 强赎与非强赎导致的退市可转债 存续时间 维度占比 强赎与非强赎导致的退市可转债 发行资金 规模占比 强赎与非强赎导致的退市可转债 各个评级 的占比 强赎与非强赎导致的退市可转债 各个行业#xff08;一级行业#xf…分析 需求分析 可转债退市原因的种类与占比是多少 强赎与非强赎导致的退市可转债 存续时间 维度占比 强赎与非强赎导致的退市可转债 发行资金 规模占比 强赎与非强赎导致的退市可转债 各个评级 的占比 强赎与非强赎导致的退市可转债 各个行业一级行业 的占比 程序环境分析 需要依赖的三方代码库   requests(处理http请求) pyecharts(图表显示) pandas(数据表处理) BeautifulSoup(html文件解析) 抓取数据的网站 集思录www.jisilu.cn/ 程序逻辑分析 通过 http请求 抓取已退市可转债的列表 获取列表中的每个转债代码通过 http请求 访问转债详情页面通过BeautifulSoup库提供的方法 获取到债券评级与行业 获取列表中的转债代码、转债名称、发行规模、存续年限、退市原因、债券评级、行业字段存入到csv文件中 存入到csv文件是因为后面要做各个维度的数据分析如果不存到文件中后面数据分析中一但出现一点错误就又得重新去网站抓取数据比较麻烦 读取csv文件中的数据用pandas转成表格按退市原因分组计数用pyecharts做成饼图展示 读取csv文件中的数据用pandas转成表格按强赎与非强赎中的存续时间分组计数用pyecharts做成饼图 读取csv文件中的数据用pandas转成表格按强赎与非强赎中的发行资金规模分组计数从大到小排序取前15用pyecharts做成柱形图 读取csv文件中的数据用pandas转成表格按强赎与非强赎中的债券评级分组计数用pyecharts做成饼图 读取csv文件中的数据用pandas转成表格按强赎与非强赎中的债券行业分组计数用pyecharts做成柱状图 实现代码 编写http请求方法 import pandas as pd from bs4 import BeautifulSoup from pyecharts.charts import Bar, Pie from pyecharts import options as optsdef get_request(url):# 设置请求头防止部分网站对请求头做拦截 headers {User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36}try:resp requests.get(url, headersheaders)resp.encodingutf-8if resp.status_code 200:return resp.textexcept Exception as e:print(http请求出错:,e)return None 爬取债券详情页取 债券评级与行业 列表页面中没有这两个 def assemble_grade(resp):resp_jsonjson.loads(resp)datasresp_json[rows]if datas is None:return NonedataList[]for data in datas:# 转债代码、转债名称、发行规模、存续年限、退市原因、债券评级bond_iddata[cell][bond_id]bond_nmdata[cell][bond_nm]orig_iss_amtdata[cell][orig_iss_amt]listed_yearsdata[cell][listed_years]delist_notesdata[cell][delist_notes]#获取详情grade,indusityparse_html(https://www.jisilu.cn/data/convert_bond_detail/%s %bond_id)print(当前可转债是%s,评级是:%s,行业是%s %(bond_nm,grade,indusity))dataList.append(,.join([bond_id,bond_nm,orig_iss_amt,listed_years,delist_notes,grade,indusity]))#防止访问过快网站拦截睡5秒time.sleep(2)return dataList 将抓取的数据存入csv文件中 def write_csv(data):if not data:print(当前要写入的数据为空)with open(bonds.csv, w, encodingutf-8) as f:f.write(\n.join(data)) 读取csv文件的数据用做分析 type 1全部 2强赎 3非强赎def read_csv(type):dataList[]with open(bonds.csv, r, encodingutf-8) as f:linesf.readlines()for line in lines:lineline.replace(\n,)dataline.split(,)# 排除可交换债if data[1].endswith(EB):continueindustrydata[6].split(-)[0]yearassemble_year(data[3])if type1:dataList.append([data[2], year, data[4],data[5],industry])elif type2:if data[4]强赎:dataList.append([data[2], year, data[4],data[5],industry])elif type3:if data[4] ! 强赎:dataList.append([data[2],year,data[4],data[5],industry])return dataList 按退市原因进行分析,生成饼图 def craete_notes_pie(pf):data pf.groupby(by[delist_notes]).size()notesListlist(data.index)notesCountlist(data)c(Pie().add(,[list(z) for z in zip(notesList,notesCount)]).set_global_opts(title_optsopts.TitleOpts(title退市原因统计)).set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}个 ,占比{d}%)).render(notes.html)) 按强赎与非强赎中的存续时间分组计数用pyecharts做成饼图 def craete_years_pie(pf,name,title):data pf.groupby(by[listed_years]).size()notesList list(data.index)notesCount list(data)c (Pie().add(, [list(z) for z in zip(notesList, notesCount)]).set_global_opts(title_optsopts.TitleOpts(titletitle),legend_optsopts.LegendOpts(pos_left20%)).set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}个 ,占比{d}%)).render(name)) 按强赎与非强赎中的发行资金规模分组计数从大到小排序取前15用pyecharts做成柱形图 def craete_amt_bar(pf,name,title):data pf.groupby(by[orig_iss_amt]).size().reset_index(namesize).sort_values(size,ascendingFalse).head(15)print(data)notesListlist(data[orig_iss_amt])notesCountlist(data[size])c(Bar().add_xaxis(notesList).add_yaxis(发行规模,notesCount).set_global_opts(title_optsopts.TitleOpts(titletitle),xaxis_optsopts.AxisOpts(axislabel_optsopts.LabelOpts(rotate-20))).render(name)) 按强赎与非强赎中的债券评级分组计数用pyecharts做成饼图 def craete_grade_pie(pf,name,title):data pf.groupby(by[grade]).size()notesListlist(data.index)notesCountlist(data)c(Pie().add(,[list(z) for z in zip(notesList,notesCount)]).set_global_opts(title_optsopts.TitleOpts(titletitle)).set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}个 ,占比{d}%)).render(name)) 按强赎与非强赎中的债券行业分组计数用pyecharts做成柱状图 def craete_industry_bar(pf,name,title):# 按行业分组排序取前30位data pf.groupby(by[industry]).size().reset_index(namesize).sort_values(size,ascendingFalse).head(30)print(data)notesListlist(data[industry])notesCountlist(data[size])c(Bar().add_xaxis(notesList).add_yaxis(行业,notesCount).set_global_opts(title_optsopts.TitleOpts(titletitle),xaxis_optsopts.AxisOpts(axislabel_optsopts.LabelOpts(rotate45))).render(name)) 最终调用 主方法 def main():#生成动太时间戳rTimestr(round(time.time()*1000))#获取退市可转债列表respget_request(https://www.jisilu.cn/data/cbnew/delisted/?___jslLST___trTime)#组装每个可转债的评级dataListassemble_grade(resp)#将数据写入csvwrite_csv(dataList)#读取csv文件中的数据,并制成表格(发行规模存续时间退市原因)dfData read_csv(1)pf pd.DataFrame(dfData, columns[orig_iss_amt, listed_years, delist_notes, grade, industry])dfDataread_csv(2)pf2pd.DataFrame(dfData, columns[orig_iss_amt, listed_years, delist_notes,grade,industry])dfData read_csv(3)pf3 pd.DataFrame(dfData, columns[orig_iss_amt, listed_years, delist_notes, grade,industry])#按退市原因分组计数用pyecharts做成饼图craete_notes_pie(pf)#存续时间维度占比craete_years_pie(pf2,qs_years.html,强赎存续年限统计)craete_years_pie(pf3,years.html,非强赎存续年限统计)# 强赎与非强赎发行资金规模占比craete_amt_bar(pf2,qs_amt.html,强赎发行规模统计)craete_amt_bar(pf3, amt.html,非强赎发行规模统计)# 强赎与非强赎各个评级的占比craete_grade_pie(pf,qs_grade.html,强赎评级统计)craete_grade_pie(pf, grade.html, 非强赎评级统计)# 强赎与非强赎行业占比craete_industry_bar(pf2,qs_industry.html,强赎行业统计)craete_industry_bar(pf3, industry.html, 非强赎行业统计)if name main:main() 结果展示图 退市原因分析总135个已退市可转债中127个都是 强赎导致的占比是94.08%8个是因为到期或者资产不足导致占比5.92% 存续时间分析 强赎的可转债中按存续时间分析1年以内被强赎的最多有53个占比 41.73%,其次是 大于1年小于等于2年的有46个占比 36.22%, 其次是 大于2年小于等于3年的有 14个占比11.02% ….    ,从分析结果中可得知 可转债发行后短时间内被赎回的概率比较大存续时间越长赎回概率则越小 发行规模分析 强赎的可转债中按资金规模划分 发行10亿的有6个4.2亿的3个,25亿的3个… 按债券评级分析 强赎的可转债中按评级划分 占比最多的是AA级有61个,占比 45.18%其次是 AA 有25个,占比18.52 第三是 AAA有22个,占比16.3%…    总结最好买AA- 级或以上的被强赎的概率最高 按债券行业分析 强赎的可转债中按一级行业划分取排名靠前的30个占比最多的是 电子行业其次是医药生物、化工、机械设备等 总结 岂今为止在已退市的可转债中94%以上都是被强赎的 可转债发行后1年以内被强赎的概率最高存续时间越往后则概率越低 从债券评级上看AA- 或以上被强赎的概率最高AAA级债券暂还没出现被回售的 从行业上看电气、医药生物、化工、机械设备、电气设备等都是被强赎比较高的行业 注此历史数据只供参考具体投资还需要独立思考且近两年可转债的发行数量增加很多质量更是参差不齐选择时还需要谨慎。 如果能抱着持有到期的心态买上价格在100以内AA级及以上的债券相信亏本的可能性及小且收益不会太差此乃保守投资者投资的一种方式 程序猿与投资生活实录已改名为  程序猿知秋WX同款欢迎关注