电子商务，是一种极具互联网时代特色的新型商务模式。
在电商小镇的展示中心中，陈列着琳琅满目的商品。而这些商品，正是通过电商的渠道，源源不断的被发往五湖四海。
也正是这种突破地域限制的商业模式，使得生产商出于降低成本，扩大知名度等原因聚集在了一个地方。而这就是我们的调查目标“淘宝村”
7月8-14日，我们清华大学计算机系的视窗计划同学们组成了“电商力量”暑期实践支队，奔赴曹县、义乌调查电商发展情况。
曹县，位于山东省菏泽市，是“演出服”与“木制品”聚集地，这个仅有一百多万人的县城，仍然保持着农村特有的乡土气息，让人很难与互联网联系在一起。
然而，正是这个曾经贫穷的县城，电子商务深深铭刻在了人们的心中。走在街上，四处可见“淘宝饭店”，“淘宝旅馆”等招牌。宣传的大字标语也是随处可见。这种近似洗脑的宣传手段可以看出淘宝在人民心中的地位。
曹县的电商普及，源于本身有大企业领头，政府也有对应的补助、推广。
这里的人们，在淘宝普及时，由于周围亲朋好友投入电商，而自己也开始尝试。等到尝到了甜头，便坚持做了下来。
本身教育程度不高，却又遇到了突如其来的财富。人们注定会将自己的富裕归功于“电子商务”本身，但并不明白其内在逻辑。
缺乏商业前瞻意识，没有刻意的品牌意识，在竞争日益激烈的电商领域，倘若盲目信赖“电商”本身而非“正确的商业策略”，可能会在日后的转型中失败。
电子商务，让部分电商老板得到了巨大的财富，但是也有更多的“打工者”，在这里拥有和其他地方相同的低工资。这也是一点值得探讨的问题。电商，真的让人们富起来了么？
作为中国小商品集散地的义乌，其发展水平已经非常高，而我们去的青岩刘村则完全不同。
整齐的规划，现代的建筑风格，使得这座城中村显得更加的富裕。短短一个街区，竟然有三家“电子商务培训学校”，这里的人们相比于曹县，拥有更加敏锐的商业头脑。他们相信个人直觉，而非盲目从众。很多商家正在从“电商”向“微商”转型。而他们，也都发展出了自己独特的品牌。这样的商业模式，远比“曹县”要健康许多。
青岩刘村的原住民，拥有可以持续创造价值的天价地产。毋庸置疑早已脱离了贫困。但是其中有多少人继续进入了电商环节打拼，我们还不太清楚，不过可以清楚的是，青岩刘村的电商，外来人员撑起了一大片天。
我们走访的街道，与其说是电商一条街，不如说是“体验店”一条街，由于青岩刘作为电商第一村，吸引了一大批人前来参观。平均能达到每天好几批。故这条街兼具一种“对外宣传”的作用。毋庸置疑，其中肯定存在着一定程度的美化。
两个地方，政府都扮演了举足轻重的作用。虽然电子商务本身的特性意味着政府无法从中直接获得利益。不过政府在发展中确实起了非常重要的作用。不论是孵化中心，以及信用贷款等，都对电商发展起了重要的作用。
之前总有一个问题困扰着我，为什么有些地方可以发展出电子商务，而有些地方则不行？在行程中，我获得了满意的答案——
1. 政府的政策支持、孵化园区的建设，以及电商专用信用贷款
2. 内部存在一些机制来平衡竞争：比如曹县演出服不同商家做不同款式，互相代卖；义乌则是拥有非常分散的商品类别。
3. 发展前期存在龙头企业
最后，感谢一直支持着我们实践的政府工作人员以及电商从业人员，然我们对电子商务有了新的了解！
gte':start}}):
for w in item.keys():
if (w=='_id'):
continue
result[w].append(item[w])
result = pd.DataFrame(result)
return result
def get_hist_data_sp(stock,date,ktype='D'):
logger = logging.getLogger(__name__)
logger.debug("CALL get_hist_data_sp <%s,%s,%s>",stock,date,ktype)
collection = db.hist_data
ww = collection.find_one({'stock':stock,'date':date,'ktype':ktype})
if (ww == None):
logger.debug("ReFetch... <%s,%s>",stock,date)
df = ts.get_hist_data(stock,start = date,ktype=ktype)
store_data = json.loads(df.to_json(orient='records'))
for i in range(0,len(store_data)):
www = collection.find_one({'stock':stock,'date':df.index[i],'ktype':ktype})
if (www!=None):
continue
store_data[i]['stock'] = stock
store_data[i]['date'] = df.index[i]
store_data[i]['ktype'] = ktype
collection.insert(store_data[i])
else:
logger.debug("Use cache..")
ww = collection.find_one({'stock':stock,'date':date,'ktype':ktype})
if ww == None:
ww = collection.find_one()
result = dict()
for w in ww.keys():
if (w=='_id'):
continue
result[w] = []
for item in collection.find({'stock':stock,'date':date,'ktype':ktype}):
for w in item.keys():
if (w=='_id'):
continue
result[w].append(item[w])
result = pd.DataFrame(result)
return result
if __name__ == '__main__':
#clear_database()
stock = '002082'
date = '2016-10-30'
result = get_hist_data_day(stock,'2016-11-01','2017-01-01')
