【模拟简易银行系统~python】

目录~python

面向对象编程之模拟银行系统
- 相关程序代码如下：
- - 运行效果如下：
pandas 每日一练：
- - 运行结果为：
- 66、模拟绘制sku_cost_prc的简易密度曲线
- - 运行效果为：
- 67、计算后一天与前一天sku_cost_prc的银行差值
- - 运行结果为：
- 68、计算后一天与前一天sku_cost_prc变化率
- - 运行结果为：
- 69、系统设置日期为索引
- - 运行结果为：
- 70、模拟以9个数据作为一个数据滑动窗口，简易在这5个数据上取均值（`sku_cost_prc`）
- - 运行结果为：
- 每日一言：
- - 持续更新中...

个人昵称：lxw-pro
个人主页：欢迎关注我的银行主页
个人感悟： “失败乃成功之母”，这是系统不变的道理，在失败中总结，模拟在失败中成长，简易才能成为IT界的银行一代宗师。

面向对象编程之模拟银行系统

现在呀，系统虽说已经大面积的模拟使用微信支付、支付宝支付等，简易可要想微信、银行支付宝等留有余额，还是离不开我们的存款，存款的话也得有现金，当然，自动取款机还是依旧那么方便，“自己动手，丰衣足食”，那么，我们的自动取款机又是怎么知道你存了这么多，怎么清楚地知道你的余额的呢，下面我们来康康这所谓的简易模拟系统叭！

相关程序代码如下：

import datetimeclass Bank(object):    account_log = []    def __init__(self, name):        self.name = name    def deposit(self, amount):      # 存钱        user.balance += amount        self.write_log('存钱', amount)    def withdrawal(self, amount):   # 取钱        if amount >user.balance:            print("余额不足")        else:            user.balance -= amount            self.write_log('取钱', amount)    def write_log(self, type, amount):  # 写日志        now = datetime.datetime.now()        ct = now.strftime("%Y-%m-%d %H:%M:%S")        data = [self.name, user.name, ct, type, amount, f"{ user.balance:.2f}"]        Bank.account_log.append(data)class User(object):    def __init__(self, name, balance):        self.name = name        self.balance = balance    def print_log(self):        for item in Bank.account_log:            print(item)def show_menu():    menu = '''    0: 退出    1: 存款    2: 取款    3: 打印交易信息    '''    print(menu)bank = Bank("贵阳银行")user = User('lxw-pro', 520)while True:    show_menu()    num = int(input("请输入菜单编号："))    if num == 0:        print("退出系统")        break    elif num == 1:        print("存款")        amount = float(input("请输入存款金额："))        bank.deposit(amount)        print(f"当前金额是{ user.balance:.2f}")    elif num == 2:        print("取款")        amount = float(input("请输入取款金额："))        bank.withdrawal(amount)        print(f"当前金额是{ user.balance:.2f}")    elif num == 3:        print("查看记录")        user.print_log()    else:        print("输入有误！")

运行效果如下：

看效果，有点长，故截成两张图
在这里插入图片描述

————————————————————————————————————————————

pandas 每日一练：

# -*- coding = utf-8 -*-# @Time : 2022/7/29 15:15# @Author : lxw_pro# @File : pandas-11 练习.py# @Software : PyCharmimport pandas as pdimport matplotlib.pyplot as pltlxw = pd.read_excel("site.xlsx")print(lxw)

运行结果为：

Unnamed: 0  Unnamed: 0.1   create_dt  ...   yye  sku_cost_prc     lrl0             0             1  2016-11-30  ...   8.8          6.77  30.00%1             1             2  2016-11-30  ...   7.5          5.77  30.00%2             2             3  2016-11-30  ...   5.0          3.85  30.00%3             3             4  2016-11-30  ...  19.6          7.54  30.00%4             4             5  2016-12-02  ...  13.5         10.38  30.00%..          ...           ...         ...  ...   ...           ...     ...751         751           752  2016-12-31  ...   1.0          0.77  30.00%752         752           753  2016-12-31  ...   2.0          1.54  30.00%753         753           754  2016-12-31  ...   1.0          0.77  30.00%754         754           755  2016-12-31  ...   7.6          2.92  30.00%755         755           756  2016-12-31  ...   3.3          2.54  30.00%[756 rows x 8 columns]

66、绘制sku_cost_prc的密度曲线

lxw['sku_cost_prc'].plot(kind='kde')plt.show()

运行效果为：

在这里插入图片描述

67、计算后一天与前一天sku_cost_prc的差值

print(-lxw['sku_cost_prc'].diff())

运行结果为：

0       NaN1      1.002      1.923     -3.694     -2.84       ... 751    3.13752   -0.77753    0.77754   -2.15755    0.38Name: sku_cost_prc, Length: 756, dtype: float64

68、计算后一天与前一天sku_cost_prc变化率

print(-lxw['sku_cost_prc'].pct_change())

运行结果为：

0           NaN1      0.1477102      0.3327563     -0.9584424     -0.376658         ...   751    0.802564752   -1.000000753    0.500000754   -2.792208755    0.130137Name: sku_cost_prc, Length: 756, dtype: float64

69、设置日期为索引

data = lxw.set_index('create_dt')print(data)

运行结果为：

Unnamed: 0  Unnamed: 0.1  sku_cnt  ...   yye  sku_cost_prc     lrlcreate_dt                                      ...                            2016-11-30           0             1      1.0  ...   8.8          6.77  30.00%2016-11-30           1             2      1.0  ...   7.5          5.77  30.00%2016-11-30           2             3      1.0  ...   5.0          3.85  30.00%2016-11-30           3             4      2.0  ...  19.6          7.54  30.00%2016-12-02           4             5      1.0  ...  13.5         10.38  30.00%                ...           ...      ...  ...   ...           ...     ...2016-12-31         751           752      1.0  ...   1.0          0.77  30.00%2016-12-31         752           753      1.0  ...   2.0          1.54  30.00%2016-12-31         753           754      1.0  ...   1.0          0.77  30.00%2016-12-31         754           755      2.0  ...   7.6          2.92  30.00%2016-12-31         755           756      1.0  ...   3.3          2.54  30.00%[756 rows x 7 columns]

70、以9个数据作为一个数据滑动窗口，在这5个数据上取均值（`sku_cost_prc`）

jz = data['sku_cost_prc'].rolling(10).mean()print(jz)

运行结果为：

create_dt2016-11-30      NaN2016-11-30      NaN2016-11-30      NaN2016-11-30      NaN2016-12-02      NaN              ...  2016-12-31    5.0162016-12-31    4.1852016-12-31    3.5002016-12-31    2.8022016-12-31    2.066Name: sku_cost_prc, Length: 756, dtype: float64