项目需求：
- 控制台输出所有日志；
- 单独文件记录Error/Critical级别的日志；
Python中的traceback模块被用于跟踪异常返回信息，可以在logging中记录下traceback
logging模块默认定义了以下几个日志等级，它允许开发人员自定义其他日志级别，但是这是不被推荐的，尤其是在开发供别人使用的库时，因为这会导致日志级别的混乱。
| 日志等级（level） | 描述 |
|---|---|
| DEBUG | 最详细的日志信息，典型应用场景是 问题诊断 |
| INFO | 信息详细程度仅次于DEBUG，通常只记录关键节点信息，用于确认一切都是按照我们预期的那样进行工作 |
| WARNING | 当某些不期望的事情发生时记录的信息（如，磁盘可用空间较低），但是此时应用程序还是正常运行的 |
| ERROR | 由于一个更严重的问题导致某些功能不能正常运行时记录的信息 |
| CRITICAL | 当发生严重错误，导致应用程序不能继续运行时记录的信息 |
同花顺客户端软件，炒股外挂，炒股机器人，自动化买入卖出股票
获取字典的某个Key，可直接使用 下标[] 方式，但当key不存在时，会报错，可以采用如下方式安全处理：
dict_info = {'name': '温建宝', 'age': 18, 'address': '广东深圳'}
print(dict_info.get('name2')) # 还可以设置一个默认返回值
删除字典的某个Key，可直接使用 del命令 和 pop()方法，但当key不存在时，会报错，可以采用如下2种方式安全处理
dict_info = {'name': '温建宝', 'age': 18, 'address': '广东深圳'}
dict_info.pop('name', None) # 注意：需要给个输出默认值
print(dict_info)
自定义模块文件：json_util.py，解决如下报错问题：
TypeError: Object of type 'datetime' is not JSON serializable
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import statsmodels as sm
time模块中时间表现的格式主要有三种：
- timestamp：时间戳，时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量；
- struct_time：时间元组，共有九个元素组；
- format time：格式化时间，已格式化的结构使时间更具可读性。包括自定义格式和固定格式；
这个问题是如何在一些场景下使用断言表达式，通常会有人误用它，所以我决定写一篇文章来说明何时使用断言，什么时候不用。
为那些还不清楚它的人，Python的assert是用来检查一个条件，如果它为真，就不做任何事。如果它为假，则会抛出AssertError并且包含错误信息