معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Create a local DB with the term structure of the Brazilian CDI curve (data from B3).

ویژگی	مقدار
سیستم عامل	-
نام فایل	b3-cdi-curve-1.2.0
نام	b3-cdi-curve
نسخه کتابخانه	1.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Fluxonaut
ایمیل نویسنده	contact@fluxonaut.com
آدرس صفحه اصلی	https://github.com/fluxonaut/b3_cdi_curve
آدرس اینترنتی	https://pypi.org/project/b3-cdi-curve/
مجوز	MIT

# B3 CDI Curve by Fluxonaut This package is a collection of Python scripts that extracts, consolidates and interpolates data from the Brazilian CDI Curve provided on the B3 Exchange web site. It allows you to produce a historical data series for any given duration (considering it respects the maximum available duration). It stores all the term structure of the CDI curve in a local SQLite database as well. ## Setup and usage Just install from PyPI as shown below. ```bash pip install b3-cdi-curve ``` Now just import it to your project. The package exposes two methods, **sync_db()** and **create_time_series(duration: int)**. Below you can find a basic usage example and a more detailed explanation. ```python import b3cdi # Create and/or update local DB b3cdi.sync_db() # Create time series for the desired duration (in days) b3cdi.create_time_series(360) ``` ![Creating database](https://github.com/fluxonaut/b3_cdi_curve/raw/master/docs/creating_db.png) ### **sync_db** This method loops through all the dates between the beginning of the series and the last working day looking for the prices on the B3 web site. It then generates and saves a local SQLite database (located on ./output/cdi.db). **The first run takes around two and half hours to build the database and it takes around 1.35 GB of disk space.** After it runs once, it'll check for the last inserted date, so it'll look only for working days after the last update. This keeps the database updated for each time you run the code. ### **create_time_series** ```python create_time_series(duration: int) ``` This method queries the local database to produce a Pandas DataFrame with the historical series of the requested duration. It then saves it as a CSV file on the ./output/ folder. **The parameter of the method is where you input your desired duration (e.g. 360).** ## Contributing Pull requests are welcome. Please open an issue first to discuss what you would like to change. ## To-do - [ ] Tests - [ ] Optimize db size ## Fluxonaut This code was made possible by the amazing people working at Fluxonaut who dedicated their free time to help the community. Please be sure to check our our website at https://fluxonaut.com. ## License This project is under the [MIT](https://opensource.org/licenses/MIT) license.

نیازمندی

مقدار	نام
>=4.9.3	beautifulsoup4
>=1.19.2	numpy
>=1.1.3	pandas
>=2.6.0	pylint
>=2.24.0	requests
>=1.1	html5lib
>=1.5.3	scipy
>=9.2.0	rich

نحوه نصب

نصب پکیج whl b3-cdi-curve-1.2.0:

pip install b3-cdi-curve-1.2.0.whl

نصب پکیج tar.gz b3-cdi-curve-1.2.0:

pip install b3-cdi-curve-1.2.0.tar.gz