基金大数据分析及基金投资建议（Python与Excel实现）

如果需要转载本文或者需要相关的数据资料，请与我联系。邮箱：[email protected]

一、目标确定
本次主要通过对基金进行大数据分析，了解目前开放型基金的现状，同时对基金的评级及回报率等相关数据进行分析，以确定最佳基金投资标的。

二、数据获取

数据获取方面，采用数据采集器，对天天基金网及晨星网的数据进行搜集。搜索数据包括基金的基本信息及分红数据，基金的历年收益率数据，基金的评级数据（包括晨星网和证券公司等评级机构的评级数据，数据量总计大约在一万五千条左右。并将数据存放在四个excel文件中，分别存放于divF.xlsx，OpenF.xlsx，RankOpenF.xlsx,tiantianRank.xlsx四个文件，作为数据源。
数据已经过清洗，其简要情况如下：
divF.xlsx:

OpenF.xlsx

RankOpenF.xlsx:

tiantianRank.xlsx:

三、数据清洗
数据清洗会消耗掉大量的时间，主要采用excel和python的相关功能进行，如excel的查找替换，python的dropna()等等。这里不过多描述。

四、数据整理及分析
这部分是核心，重点围绕数据整理及描述分析进行，呈现相应的实现代码和相关图表。后续依次生成数据分析报告。算是手把手教你如何用python进行基金的大数据分析了。
处理前提，导入相应的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar
import matplotlib
matplotlib.matplotlib_fname()  #会显示matplotlibrc文件的地址
from pyecharts import online

online() # needed for online viewing
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#有中文出现的情况，需要u'内容'

第一步，我们对整体的基金收益率进行简单分析，大部分分析思路已经通过注释的形式给出。这里文字点到为止。

#读入前期通过爬虫采集器采集天天基金网的数据
openF=pd.read_excel('D:/PythonData/OpenF.xlsx')
openF.head(3) #查看一下数据是否有异常。

显示如下：

#重命名索引为English name，方便数据处理，上面看到基金代码前面的0没识别，读的时候，把它转为str格式。
openF=pd.read_excel('D:/PythonData/OpenF.xlsx',converters = {u'基金代码':str}) #
openF.rename(columns={'序号':'NO.','基金代码':'code','基金简称':'name', '日期':'date','单位净值':'unitnet','累计净值':'sumnet','日增长率':'Dailygrowth','近1周':'Rweek','近1月':'R1month','近3月':'R3months','近6月':'R6months','近1年':'R1year','近2年':'R2years','近3年':'R3years','今年来':'thisyear','成立来':'SinceFounded','手续费':'charges'},inplace=True)
openF.head(3)

其显示如下：

#删除重复采集的数据序列
openF.drop_duplicates(inplace=True)
openF.describe()

#我们希望稳健一点，今年至今的8个月，上证指数差不多回到原点，我们希望基金今年的收益率为正。
type(openF.Dailygrowth[0]) #查看其均为str类型，需要转换成整数型
#open_F=openF[{'Dailygrowth','Rweek'}].str.strip('%').astype(float)/100   不可哈希，有毛病，得一个个来
temp=openF.replace('---',np.nan)
openF=temp.replace('--',np.nan)
openF.tail(100)
openF.dropna(inplace=True) #寻找那些成立3年以上的基金，删除近三年收益率为Nan的基金
#openF.count()

由于百分数导入为字符串格式，我们需要将其转换为float模式。

Dailygrowth=openF['Dailygrowth'].str.strip('%').astype(float)/100 
Rweek=openF['Rweek'].str.strip('%').astype(float)/100 
R1month=openF['R1month'].str.strip('%').astype(float)/100 
R3months=openF['R3months'].str.strip('%').astype(float)/100 
R6months=openF['R6months'].str.strip('%').astype(float)/100 
R1year=openF['R1year'].str.strip('%').astype(float)/100 
R2syears=openF['R2years'].str.strip('%').astype(float)/100
R3years=openF['R3years'].str.strip('%').astype(float)/100
thisyear=openF['thisyear'].str.strip('%').astype(float)/100
SinceFounded=openF['SinceFounded'].str.strip('%').astype(float)/100
charges=openF['charges'].str.strip('%').astype(float)/100 

openF['Dailygrowth']=Dailygrowth
openF['Rweek']=Rweek
openF['R1month']=R1month
openF['R3months']=R3months
openF['R6months']=R6months
openF['R1year']=R1year
openF['R2years']=R2syears
openF['R3years']=R3years
openF['thisyear']=thisyear
openF['SinceFounded']=SinceFounded
openF['charges']=charges

借助数据化的手段，让我们对基金的整体情况有一个更为直观的把握。可视化有助于我们对数据进行更直观的认识与把握，发现数据规律，洞察一些可能的趋势。
我们采用了bar来展示。

#openF.head(5)
#数据可视化，对数据有一个直观的认识
openF_charges=openF.groupby('charges').count()
openF_charges=openF_charges.reset_index()
openF_charges.head(2)

attr = ["{}".format(i*100)+str('%') for i in openF_charges['charges']]
#attr = [i for i in openF_charges['char