C12-3 Python可视化看基金季度持股变化

在可以用python获取基金持股情况并按一定条件过滤的基础上,可以用可视化来对获取的数据进一步分析,更直观,更易懂。
以下是代码:

!/usr/bin/env python

-- encoding: utf-8 --

import sys

reload(sys)
sys.setdefaultencoding('utf-8')

import tushare as ts
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os.path

if os.path.exists("./t1.csv") and os.path.exists("./t2.csv") and os.path.exists("./t3.csv"):

#t1 = pd.read_csv('./t1.csv', sep=',')
#t2 = pd.read_csv('./t2.csv', sep=',')
#t3 = pd.read_csv('./t3.csv', sep=',')
t1=pd.read_json("./t1.csv")
t2= pd.read_json("./t2.csv")
t3= pd.read_json("./t3.csv")

else:

t1= ts.fund_holdings(2017,1)
t2= ts.fund_holdings(2017,2)
t3= ts.fund_holdings(2017,3)
with open('t1.csv', 'w') as f:
    f.write(t1.to_json())
with open('t2.csv', 'w') as f:
    f.write(t2.to_json())
with open('t3.csv', 'w') as f:
    f.write(t3.to_json())

t1.columns = t1.columns.str.replace('nums', 'nums1')
t2.columns = t2.columns.str.replace('nums', 'nums2')
t3.columns = t3.columns.str.replace('nums', 'nums3')

r1 = pd.merge(t1, t2, how='left',on=['code'])
r2=pd.merge(r1,t3,how='left',on=['code'])

g_data= r2[(r2["nums3"]>r2["nums2"])&(r2["nums2"]>r2["nums1"])][["code","name","nums3","nums2","nums1"]].sort_values(by=['nums3']).drop_duplicates(['code'])

means_frank =g_data["nums2"].values.tolist()# (90, 55, 40, 65)
means_guido =g_data["nums3"].values.tolist()# (85, 62, 54, 20)
means_first =g_data["nums1"].values.tolist()# (85, 62, 54, 20)

data to plot

n_groups = len(g_data)

create plot

fig, ax = plt.subplots() #生成图层,默认为一个
index = np.arange(n_groups) #生成用于迭代的变量
bar_width = 0.35 #条形宽度
opacity = 0.8 #透明度

rect1 = plt.bar(index, means_frank, bar_width,
alpha=opacity,
color='b',
label='S2')
rect2 = plt.bar(index + bar_width, means_guido, bar_width,
alpha=opacity,
color='g',
label='S3')
rect3 = plt.bar(index - bar_width, means_first, bar_width,
alpha=opacity,
color='y',
label='S1')

plt.xlabel('Name of Stock', fontsize=14)
plt.setp(ax.get_xticklabels(), color="red")
plt.ylabel('Funds for Stock', fontsize=14)
plt.title('The Increasing Of Stock By Funds, 2017', fontsize=24)

title_col=g_data["code"].values.tolist()

plt.xticks(index + bar_width, title_col,rotation='vertical',
verticalalignment='bottom') #相应代码垂直沉底放置于三季度条形图上
plt.legend(loc=2) #设置图例位置

plt.tight_layout()
plt.show()

代码解析:
1、获取数据同上一课内容雷同,只是对条件过滤多加了一个和(&)条件,注意敲代码时不能忘了并列条件要加括号;g_data为按条件过滤后,按关键字条件择取相应数据,并以三季度基金数据进行排序,最后再以code去重;打印出的g_data是这样的:


g_data.png

可见g_data仍然为一DataFrame数据;
2、means代表的几个变量分别为按季度数据将其转换为列表格式,也就是几个变量都是列表;便于后续作图;
3、n_groups为对g_data按索引取长度;因为要成条形图,并且比较各季度数据,需要提取是哪几只股票;按打印出的g_data是八支股票的数据;
4、np.arange(num),作用跟range类似,只不过支持步长为小数,用于迭代;将其赋予index变量;
5、rect1,rect2,rect3,分别为以2季度、3季度、1季度数据绘制条形图,可以看出,第一个位置实参为条形的位置,第二个位置实参为成图数据,第三个位置实参为条形宽度,关键字实参分别代表,颜色,标签,透明度;其中可见,绘图时首先以index为初始位置,2季度数据线绘制条形,三季度紧挨着2季度,可以用index加一个条形宽度定位,一季度为减一个条形宽度定位;
6、其余就是设置图形的相关配置;其中setp为获取ax子图层的x参数标签,并作用于一系列条形图对象;
7、plt.xticks为设置当前X轴刻度,用特定方式显示股票代码,因为我的显示不出汉子,所以变通了下;结果是这样的:


可视化结果.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,968评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,601评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,220评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,416评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,425评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,144评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,432评论 3 401
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,088评论 0 261
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,586评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,028评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,137评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,783评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,343评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,333评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,559评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,595评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,901评论 2 345

推荐阅读更多精彩内容