在mac和window测试环境下调试均无问题，但部署到centos下生成报告时报如下错误：

1
2

11:07:19.093 ERROR c.d.f.report.controller.ProductDetailController - 生成报告失败，
失败原因:Font 'STZhongsong' is not available to the JVM. See the Javadoc for more details.

按照错误提示，把STZHONGS.ttf字体复制到centos的fonts中，按照如何给CentOS安装字体库中的方法，

mac版 eclipse 只能run不能debug的解决方案

mac：macOS Sierra 10.12.2
eclipse：Version: Neon.1a Release (4.6.1)

debug时进度一直停在93%，然后超时报错：

制作分布图类似密度图，在python中利用pandas来提取分布数据是比较方便的。主要用到pandas的cut和groupby等函数。

第一步，从数据库中提取数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import pandas
from sqlalchemy import create_engine
host_mysql_test = '127.0.0.1'
port_mysql_test = 3306
user_mysql_test = 'admin'
pwd_mysql_test = '1234'
db_name_mysql_test = 'mydb'
engine_hq = create_engine('mysql+mysqldb://%s:%s@%s:%d/%s' % (user_mysql_test,
                                                              pwd_mysql_test,
                                                              host_mysql_test,
                                                              port_mysql_test,
                                                              'hq_db'), connect_args={'charset': 'utf8'})

sql = "SELECT * FROM fund_data where quarter>=8 order by yanzhi desc"
df = pd.read_sql(sql, engine)
#将yanzhi数据转换为百分比
df['yanzhi'] = df['yanzhi'].apply(lambda x: x * 100)

scrapy爬虫写好后，需要用命令行运行，如果能在网页上操作就比较方便。scrapyd部署就是为了解决这个问题，能够在网页端查看正在执行的任务，也能新建爬虫任务，和终止爬虫任务，功能比较强大。

一、安装

1，安装scrapyd

1

pip install scrapyd

2， 安装 scrapyd-deploy

IOS开发中需要为创建的数据保存到网络后台长久存储，刚开始想到的是直接连接mysql，但要在ios中安装mysql的控件，实在是麻烦。于是定义一个restful接口，通过http请求的方式来上传和获取数据，是一种比较方便的方式。
本文是基于Django框架，实现以下几个功能：

• Model和ModelForm创建表单

• POST上传图片

Scrapy适合做全量爬取，但是，我们不是一次抓取完就完事了。很多情况，我们需要持续的跟进抓取的站点，增量抓取是最需要的。
Scrapy与Redis配合，在写入数据库之前，做唯一性过滤，实现增量爬取。

一、官方的去重Pipeline

官方文档中有一个去重的过滤器:

一年多没接触xcode了，这一年主要用python做开发，刹一接触xcode代码，还是有点陌生的感觉。在网上闲逛了一通，发现网上的ios教程用swift编写的比oc的多多了。看来苹果的swift推广的比较好。我偶尔写写简单的app，objective-c用过一段时间，这次还是用oc，swift等有时间了好好研究一下。
前段时间有朋友让做一个ipad程序，用webview封装一个网站，实现一个独立的app应用。
功能虽然简单，实现起来发现ios开发的好些功能都有涉及，丢了一年的ios开发中的概念捡起来不易，于是记录下来，以免后面重复造轮子时又忘了。

主要功能介绍：

• 自适应iphone和ipad
• 屏幕翻转自适应拉伸
• 自定义导航栏返回按钮
• 网页加载进度条显示
• 主屏幕左滑后退

一、简介

G2是阿里巴巴内部开放的数据可视化工具，提供丰富的图表类型，并且简单易上手，有比较完善的示例代码。其生成的图表简单漂亮，而且有JS互动显示，比较适合报告和文章插图。G2的数据来源是json格式数据。

G2绘制的图形

在系列第一篇《跟着分析师炒股系列（一）》里，信谁大数据科学团队以分析师研报推荐的股票池，建立了一套股票组合轮动的交易策略，发掘出累积收益最高的一票分析师，其中最牛的招商证券分析师刘荣的累积收益竟达80倍！

不过，累积收益还可能包含运气成分，比如大牛市下推荐股票都大涨，还不能算真英雄。这一次我们来看看相对收益，看能不能找出穿越牛熊的分析师，尤其是最近一年熊市震荡下他们的表现如何。

延续上一篇的交易策略，筛选分析师评级为买入和增持的股票，形成股票池。
调仓周期为3个月。
选取分析师评级为“买入、增持”的股票。实现3个月一轮换。

上一回，我们利用大数据展示了分析师研报预测与个股真实涨跌的对比情况，发现了不少“高言值”分析师，说明专业研究的价值。点击回顾《大数据教你挑选分析师》
那么，结合个人实际持仓操作情况，如果我们就跟着分析师的推荐构建买卖组合，能取得怎样的成绩呢？
信谁大数据科学团队这次就以分析师研报推荐的股票池，建立了一套股票组合轮动的交易策略，来看看结果如何。
技术男的方法依然简单直接：
一名普通分析师每个月发表的研报数量大多数在5篇以上，但选股在精不在多，实际也不可能买入分析师推荐的所有股票。而短线投资对时间精力要求高，仍提倡中长期投资为主。信谁数据科学实验室制定了一个简单有效的交易策略：