综合信用评价 信用分析数据

company/analysis/scripts.py

@@ -1,68 +0,0 @@
-from company.db import find_data_in_tfse, conserve_data_to_tfse
-
-
-def credit_analysis(param1, param2):
-    """
-    存储综合评价分析中信用分析数据
-    Parameters:
-        param1: 企业ID
-        param2: 评价ID
-    Returns:
-        result: 保存信用分析数据结果
-    """
-    # Parameters 查询text_model数据
-    data = find_data_in_tfse('评价', '报告数据', {"企业ID": param1, "评价ID": param2})[0]
-
-    # Returns
-    result = dict()
-
-    # 经营分析
-    def business_analysis():
-        describe = data['报告内容'][1]['章节内容'][0]['小节内容'][1]['段落']
-        return describe
-
-    # 财务分析
-    def financial_analysis():
-        if data['行业选择'][0] == '制造业':
-            describe = list()
-            describe.append(data['报告内容'][3]['章节内容'][0]['小节内容'][1]['段落'])
-            describe.append(data['报告内容'][3]['章节内容'][1]['小节内容'][2]['段落'])
-            describe = ''.join(describe)
-        else:
-            describe = data['报告内容'][3]['章节内容'][0]['小节内容'][2]['段落']
-        return describe
-
-    # 风险分析
-    def risk_analysis():
-        risk_01 = data['报告内容'][4]['章节内容'][0]['小节内容'][0]['段落']
-        list_01 = risk_01.split('，')
-        risk_02 = data['报告内容'][4]['章节内容'][1]['小节内容'][0]['段落']
-        list_02 = risk_02.split('，')
-        risk_03 = data['报告内容'][4]['章节内容'][2]['小节内容'][0]['段落']
-        list_03 = risk_03.split('，')
-        describe = list()
-        describe.append(list_01[::-1][0])
-        describe.append(list_02[::-1][0])
-        describe.append(list_03[::-1][0])
-        describe = ','.join(describe)
-        res = describe.replace('。', '', 2)
-        return res
-
-    # 评价意见
-    def evaluation_comments():
-        describe = list()
-        eva_01 = data['报告内容'][5]['章节内容'][0]['小节内容'][0]['段落']
-        eva_02 = data['报告内容'][5]['章节内容'][0]['小节内容'][1]['段落']
-        eva_03 = data['报告内容'][5]['章节内容'][0]['小节内容'][2]['段落']
-        describe.append(eva_01)
-        describe.append(eva_02)
-        describe.append(eva_03)
-        describe = ''.join(describe)
-        return describe
-
-    result['信用分析.经营分析'] = business_analysis()
-    result['信用分析.财务分析'] = financial_analysis()
-    result['信用分析.风险分析'] = risk_analysis()
-    result['信用分析.评价意见'] = evaluation_comments()
-
-    return result

company/routes.py

@@ -1,7 +1,6 @@
 from flask import Blueprint, request
 
 from common.scripts import verify_token
-from company.analysis.scripts import credit_analysis
 from company.scripts import *
 
 company_route = Blueprint('company', __name__)
@@ -54,22 +53,3 @@ def general_rating():
     risk_analysis_etl(rid)
 
     return {"info": "数据准备完成"}
-
-
-@company_route.route('/company_credit_etl', methods=['POST'])
-@verify_token
-def credit_etl():
-    """
-    清洗综合信用分析所需要的数据
-    Parameters:
-        rid str 评价ID
-        cid str 企业ID
-    Returns:
-        清洗好的信用分析数据
-    """
-    # Parameters
-    rid = request.json['rid']
-    cid = request.json['cid']
-    data = credit_analysis(cid, rid)
-
-    return {"data": data}, 200

company/scripts.py

@@ -126,9 +126,11 @@ def general_rating_etl(rid):
     """
 
     # Parameters
+    rating_record = find_data_in_tfse('评价', '评价记录', {"评价ID": rid})[0]
     rating_result = find_data_in_tfse('评价', '评价结果', {"评价ID": rid})[0]
-    rating_record = find_data_in_tfse('评价', '评价结果', {"企业ID": rating_result['企业ID']})
+    rating_results = find_data_in_tfse('评价', '评价结果', {"企业ID": rating_result['企业ID']})
-    df_records = pd.DataFrame(rating_record).sort_values('评价时间', ascending=False)
+    text_model = find_data_in_tfse('评价', '报告数据', {"企业ID": rating_result['企业ID'], "评价ID": rid})[0]
+    df_records = pd.DataFrame(rating_results).sort_values('评价时间', ascending=False)
 
     # Returns
     result = dict()
@@ -203,13 +205,63 @@ def general_rating_etl(rid):
     df_risks = pd.DataFrame({'实际值': risks, '最大值': {"合规风险": 43, "经营风险": 10, "关联风险": 10}})
     result['指标表格']['风险指标'] = json.loads((df_risks['实际值'] / df_risks['最大值']).apply(lambda x: '优' if x >= 1 else ('良' if x >= 0.75 else ('中' if x >= 0.5 else ('低' if x >= 0.25 else '差')))).to_json())
 
-    # 生成信用分析数据
+    def credit_analysis_content():
-    result['信用分析'] = dict()
+        """
-    result['信用分析']['经营分析'] = '经营分析是利用会计核算、统计核算、业务以及其他方面提供的数据信息，。。。。'
+        综合评价分析中信用分析数据
-    result['信用分析']['财务分析'] = '财务分析是以会计核算和报表资料及其他相关资料为依据，采用一系列专门的分析技术和方法，对企业等经济组织过去和现在有关筹资活动、投资活动、经营活动、分配活动的盈利能力、营运能力、偿债能力和增长能力状况等进行分析与评价的经济管理活动。'
+        """
-    result['信用分析']['风险分析'] = '风险分析有狭义和广义两种，狭义的风险分析是指通过定量分析的方法给出完成任务所需的费用、进度、性能三个随机变量的可实现值的概率分布。 而广义的风险分析则是一种识别和测算风险，开发、选择和管理方案来解决这些风险的有组织的手段。 它包括风险识别、风险评估和风险管理三方面的内容。 本文中论及风险分析时，都采用后一种定义。'
+        # 经营分析
-    result['信用分析']['评价意见'] = '评价意见是指在掌握大量数据资料的基础上，对经过筛选后的少数方案再具体化，通过进一步的调查、研究和评价，最后选出最令人满意的方案，其评价结论是方案审批的依据。'
+        def business_analysis_content():
-    result['信用分析']['查看报告'] = '/file/get_company_report?file_id=61bc4c4733120000ce000695'
+            describe = text_model['报告内容'][1]['章节内容'][0]['小节内容'][1]['段落']
+            return describe
+
+        # 财务分析
+        def financial_analysis_content():
+            if text_model['行业选择'][0] == '制造业':
+                describe = list()
+                describe.append(text_model['报告内容'][3]['章节内容'][0]['小节内容'][1]['段落'])
+                describe.append(text_model['报告内容'][3]['章节内容'][1]['小节内容'][2]['段落'])
+                describe = ''.join(describe)
+            else:
+                describe = text_model['报告内容'][3]['章节内容'][0]['小节内容'][2]['段落']
+            return describe
+
+        # 风险分析
+        def risk_analysis_content():
+            risk_01 = text_model['报告内容'][4]['章节内容'][0]['小节内容'][0]['段落']
+            list_01 = risk_01.split('，')
+            risk_02 = text_model['报告内容'][4]['章节内容'][1]['小节内容'][0]['段落']
+            list_02 = risk_02.split('，')
+            risk_03 = text_model['报告内容'][4]['章节内容'][2]['小节内容'][0]['段落']
+            list_03 = risk_03.split('，')
+            describe = list()
+            describe.append(list_01[::-1][0])
+            describe.append(list_02[::-1][0])
+            describe.append(list_03[::-1][0])
+            describe = ','.join(describe)
+            res = describe.replace('。', '', 2)
+            return res
+
+        # 评价意见
+        def evaluation_comments_content():
+            describe = list()
+            eva_01 = text_model['报告内容'][5]['章节内容'][0]['小节内容'][0]['段落']
+            eva_02 = text_model['报告内容'][5]['章节内容'][0]['小节内容'][1]['段落']
+            eva_03 = text_model['报告内容'][5]['章节内容'][0]['小节内容'][2]['段落']
+            describe.append(eva_01)
+            describe.append(eva_02)
+            describe.append(eva_03)
+            describe = ''.join(describe)
+            return describe
+
+        # 生成信用分析数据
+        result['信用分析'] = dict()
+        result['信用分析']['经营分析'] = business_analysis_content()
+        result['信用分析']['财务分析'] = financial_analysis_content()
+        result['信用分析']['风险分析'] = risk_analysis_content()
+        result['信用分析']['评价意见'] = evaluation_comments_content()
+        result['信用分析']['查看报告'] = '/file/get_company_report?file_id={}'.format(rating_record['报告fid'])
+
+    credit_analysis_content()
 
     insert_data_to_tfse('企业', '综合评价分析', result)
 
@@ -438,9 +490,3 @@ def risk_analysis_etl(rid):
     result['周边风险'] = associate_risk()
     result['变更记录'] = change_log()
     insert_data_to_tfse('企业', '风险要素分析', result)
-
-
-if __name__ == '__main__':
-    # general_rating_etl("kSVoCeJ1")
-    # financial_analysis("bR2n0mV0")
-    risk_analysis_etl("bR2n0mV0")