Day 71：【99天精通Python】项目篇开篇 - 金融数据看板需求分析
Day 71：【99天精通Python】项目篇开篇 - 金融数据看板需求分析
前言
欢迎来到项目篇的第一天（第71天）！
在之前的 70 天里，我们像练武一样，先练了扎马步（基础语法），又练了拳法（进阶特性），还学了刀枪剑戟（实战库）。现在，是时候下山闯荡江湖，打一场硬仗了。
我们将启动第一个大型综合项目——金融数据可视化看板 (Financial Dashboard)。
不像之前的练习代码那样只有几十行，这个项目将包含数据采集、存储、分析、Web展示全流程，代码量可能会达到上千行。它将是你简历上非常亮眼的一个作品。
本节内容：
- 项目背景与目标
- 需求分析 (User Stories)
- 技术选型 (Stack)
- 系统架构设计
- 数据库表结构设计
一、项目背景
在金融投资领域，信息就是金钱。投资者需要实时监控多只股票的行情，查看历史走势，对比不同股票的收益率。
虽然有很多炒股软件，但作为程序员，我们要开发一个属于自己的、可定制的数据看板。
核心目标：
搭建一个 Web 网站，用户可以在网页上搜索股票代码，查看该股票的 K 线图、移动平均线、成交量，并能对比多只股票的涨跌幅。
二、需求分析
我们把功能拆解为具体的模块：
数据获取模块：
- 对接金融数据接口（Tushare 或 BaoStock）。
- 支持历史数据下载（过去 1-3 年）。
- 支持每日增量更新（定时任务）。
数据存储模块：
- 将下载的数据存入数据库，避免重复请求接口。
- 使用 SQL 进行高效查询。
Web 展示模块：
- 首页：显示大盘指数（上证指数、纳斯达克）的走势。
- 搜索页：输入代码（如
600519），跳转到详情页。 - 详情页：展示该股票的 K 线图 (Candlestick) 和均线 (MA)。
- 对比页：选择两只股票，画出它们的收益率曲线对比图。
三、技术选型
为了实现上述功能，我们需要组合使用之前学过的技术：
| 模块 | 技术栈 | 理由 |
|---|---|---|
| Web 框架 | Flask | 轻量级，适合做数据展示型应用。 |
| 数据源 | BaoStock | 免费、无门槛的 A 股数据接口。 |
| 数据库 | SQLite | 简单易用，无需额外部署服务器。 |
| ORM | SQLAlchemy | Flask 的标配 ORM，操作数据库更方便。 |
| 图表库 | ECharts | 百度开源的 JS 图表库，比 Matplotlib 生成的静态图更炫酷、可交互。 |
| 定时任务 | APScheduler | Flask 的定时任务扩展，用于每天收盘后更新数据。 |
四、系统架构设计
五、数据库设计
我们需要两张核心表：一张存股票列表（公司名、代码），一张存具体的日线行情数据。
5.1 股票基础信息表 (stock_basic)
| 字段名 | 类型 | 说明 |
|---|---|---|
| code | VARCHAR | 股票代码 (PK)，如sh.600519 |
| name | VARCHAR | 股票名称，如贵州茅台 |
| industry | VARCHAR | 所属行业 |
| update_time | DATETIME | 最后更新时间 |
5.2 日线行情表 (stock_daily)
| 字段名 | 类型 | 说明 |
|---|---|---|
| id | INTEGER | 自增主键 |
| code | VARCHAR | 股票代码 (FK) |
| date | DATE | 交易日期 |
| open | FLOAT | 开盘价 |
| close | FLOAT | 收盘价 |
| high | FLOAT | 最高价 |
| low | FLOAT | 最低价 |
| volume | FLOAT | 成交量 |
六、环境搭建
创建一个新的项目文件夹finance_board，并配置虚拟环境。
mkdirfinance_boardcdfinance_board# 1. 创建虚拟环境python -m venv venv# 2. 激活环境 (Windows)venv\Scripts\activate# (Mac/Linux: source venv/bin/activate)# 3. 安装依赖pipinstallflask flask-sqlalchemy baostock pandas apscheduler七、项目结构初始化
建立以下目录结构：
finance_board/ ├── app.py # Flask 入口 ├── config.py # 配置文件 ├── models.py # 数据库模型 ├── services/ # 业务逻辑 │ ├── data_fetcher.py # 数据抓取 │ └── analysis.py # 数据分析 ├── static/ # 静态文件 (JS/CSS) └── templates/ # HTML 模板八、小结
今天是项目启动的第一天。做项目最忌讳上来就写代码，想清楚比写得快更重要。
我们完成了：
- 需求明确：要做一个股票数据看板。
- 架构设计：确定了 Flask + SQLite + ECharts 的技术路线。
- 数据建模：设计了数据库表结构。
明天 (Day 72)，我们将开始编写后端核心代码：搭建数据库模型，并编写脚本从 BaoStock 拉取股票列表和历史数据。
系列导航：
- 上一篇：Day 70 - 实战篇总结
- 下一篇：Day 72 - 金融数据看板数据层实现（待更新）