Note: Python学习笔记 -- Anaconda install jqdata

• 运行代码下列代码，提示错误 没有安装 jqdata。
• 打开Anaconda Prompt  输入 pip install jqdata 提示cannot find command 'git'
• 然后百度了半天，有人说 pip install git 出错可以使用 conda install git 但是依然出错。
• 最后去官网下载了Git:https://git-scm.com/download/win
• 点击可执行文件进行安装，一路next, 然后将安装的有git.exe文件的路径添加到电脑的系统环境变量中。
• Git就安装好了。再去Anaconda Prompt  输入 下列两个中任意一个。

pip install git+https://github.com/JoinQuant/jqdatasdk.git

pip install git+https://github.com/JoinQuant/jqdatasdk.git -i https://mirrors.aliyun.com/pypi/simple/

• 如果提示成功就算安装好了，如果还是有提示没有git 就尝试将Anaconda Users的权限改一下试试，我改了之后解决问题了

如果使用命令行安装Jqdata包有问题，也可以选择下载到本地:https://codeload.github.com/JoinQuant/jqdatasdk/zip/master

然后打开Anaconda Prompt 转到文件放置的位置，cd mu\lu

转到setup.py文件所在目录后 运行 python setup.py install 安装即可。

####基于利润率中位数的行业分析
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import datetime
from jqdata import *

#--设置参数----------------------------------------------------

industry_name='sw_l2'   #选择行业划分方法
    
'''
    行业划分方法， 取值如下：
    "sw_l1": 申万一级行业
    "sw_l2": 申万二级行业
    "sw_l3": 申万三级行业
    "jq_l1": 聚宽一级行业
    "jq_l2": 聚宽二级行业
    "zjw": 证监会行业
'''
years=["2015","2016","2017","2018","2019"]  #使用过去5年的财报数据进行分析
#-------------------------------------------------------------------------------------
    
aa=get_industries(name=industry_name) #按照行业分类获取行业列表。
# print(aa)
aa=aa[['name']]    #aa用于存放行业名称
a=list(aa.index)   #a用于存放行业代码

bb = pd.DataFrame()  ####用于存放所有的财务数据!!!!!!

for i in range (len(a)):                #i用于行业的循环
    stocks= get_industry_stocks(a[i])   #获取行业的股票
    
    for j in years:                     #j用于年的循环
        pd1= get_fundamentals(query(
            indicator.code,
            indicator.net_profit_margin
            ).filter(indicator.code.in_(stocks)  #这里不能使用 in 操作, 要使用in_()函数
            ),statDate=j) 
        
        pd1["year"]=j  #在数据中加入年的信息
        pd1["industry"]=aa.loc[a[i],"name"]  #在数据中加入行业名称信息
        
        bb=bb.append(pd1)
    

cc=bb.groupby('industry').median()   ####算出行业利润率的median,并排序

# df['net_profit_margin'].values.tolist()
cc=cc.sort_values("net_profit_margin",ascending=False)   #按行业Median排序，
dd=cc.head(10) #用于存放优秀的行业
ee=cc.tail(10) #用于存放落后的行业