我的Python心路历程 第十二期 （12.11 基金实战可视化之根据基金代码离线获取净值并展示趋势）

背景

今日我的Python心路历程是 基金实战可视化之根据基金代码离线获取净值并展示趋势

分析

主要逻辑及注意事项：

• 日期轴显示：因为系统是毫秒级timeStamp故此需要除以1000取秒级timeStamp，否则转换后的日期不对
• 主次轴差异化显示
• 数据整合：提取x、y1、y2轴数据并整合, pd.merge适用于Series数据类型

方案

核心代码如下：

# 根据基金代码离线获取净值, 并展示趋势
def getWorthbyJSFile(fscode):
    # 获取绝对路径，funddata为当前文件夹
    curpath = os.path.join(os.path.dirname(__file__), 'funddata')
    fileName = fscode + 'content.js'
    file_object_path = os.path.join(curpath, fileName)

    f = open(file_object_path, 'r', encoding='utf-8')
    content = f.read()
    f.close()

    jsContent = execjs.compile(content)

    # 基金名称及代码
    name = jsContent.eval('fS_name')
    code = jsContent.eval('fS_code')

    # 初始化要显示的字符串
    showStr = ""

    # 收益率 应用时需要加百分比
    # 近一年收益率
    syl_1n = jsContent.eval('syl_1n')
    # 近6月收益率
    syl_6y = jsContent.eval('syl_6y')
    # 近三月收益率
    syl_3y = jsContent.eval('syl_3y')
    # 近一月收益率
    syl_1y = jsContent.eval('syl_1y')

    showStr += u"近一年收益率:%s" % syl_1n + '%' +"\n"
    showStr += u"近6月收益率:%s" % syl_6y + '%' + "\n"
    showStr += u"近3月收益率:%s" % syl_3y + '%' + "\n"
    showStr += u"近1月收益率:%s" % syl_1y + '%' + "\n"

    # 单位净值走势（及时的交易价值参考）
    netWorthTrendData = jsContent.eval('Data_netWorthTrend')
    # 累计净值走势=单位净值+累计分红
    ACWorthTrendData = jsContent.eval('Data_ACWorthTrend')

    # 基金规模，fluctuationScaleData
    fluctuationScaleData = jsContent.eval('Data_fluctuationScale')
    l = len(fluctuationScaleData['categories']) - 1
    fluctuationDate = fluctuationScaleData['categories'][l]
    fluctuationScale = fluctuationScaleData['series'][l]['y']

    # # 平均排名Data_rateInSimilarType
    #
    # # 同类排名走势 var Data_rateInSimilarType
    # rateInSimilarTypeData = jsContent.eval('Data_rateInSimilarType')
    # l = len(rateInSimilarTypeData) - 1
    # newrateInSimilarTypeX = datetime.datetime.fromtimestamp(int(rateInSimilarTypeData[l]['x'] / 1000)) #* 24 * 3600)))
    # newrateInSimilarTypeX.strftime('%Y-%m-%d')
    # newrateInSimilarTypeY = rateInSimilarTypeData[l]['y']
    # newrateInSimilarTypeSC = rateInSimilarTypeData[l]['sc']
    #
    # newrateInSimilarType = str(newrateInSimilarTypeY) + ' / ' + newrateInSimilarTypeSC
    #
    #
    #
    #
    # # 同类排名百分比 var Data_rateInSimilarPersent



    # 现任基金经理
    currentFundManager = jsContent.eval('Data_currentFundManager')
    showStr += u"现任基金经理:%s" % currentFundManager[0]['name'] + "\n"
    showStr += u"管理规模:%s" % currentFundManager[0]['fundSize']

    # y轴, 单位净值，累计净值
    netWorthTrend = [v["y"] for v in netWorthTrendData]
    ACWorthTrend = [v[1] for v in ACWorthTrendData]

    # x轴，日期。因为系统是毫秒级timeStamp故此需要除以1000取秒级timeStamp，否则转换后的日期不对
    # vtimeStamp = [int(v["x"] / 1000) for v in netWorthTrendData]  # // 算法符号的结果可以直接取整
    # x轴:日期。获取年月日需要除以(1000 *24*3600)，因为系统是毫秒级timeStamp。
    vtimeStamp = [int(v["x"] / (1000*24*3600)) for v in netWorthTrendData]  # // 算法符号的结果可以直接取整
    xs = pd.to_datetime(vtimeStamp, unit='D')  # , 看源码设定对应的unit，'s'类同format='%Y-%m-%dT%H:%M:%S'但其结果会出人意料的差

    # 定义字段名
    colSet = ['Date', 'netWorth', 'ACWorth']
    # 提取x、y1、y2轴数据并整合, pd.merge适用于Series数据类型
    # 设置y轴数据
    snetWorthTrend = pd.Series(netWorthTrend, name=colSet[1])
    sACWorthTrend = pd.Series(ACWorthTrend, name=colSet[2])
    tech_df = pd.merge(snetWorthTrend, sACWorthTrend, how='outer', left_index=True,
                       right_index=True)
    # 设置x轴数据
    stimeStamp = pd.Series(xs, name=colSet[0])
    tech_df.index = stimeStamp
    print(tech_df.head())

    # 测试基本图
    # tech_df.plot()

    # 主次轴差异化显示
    tech_df.plot(secondary_y=colSet[2], grid=True)
    ax = plt.gca()  # 表明设置图片的各个轴，plt.gcf()表示图片本身
    ax.xaxis.set_major_formatter(mdate.DateFormatter(
        '%Y-%m-%d'))  # 横坐标标签显示的日期格式;注意，如果不加语句plt.gca().xaxis.set_major_formatter(mdate.DateFormatter('%Y-%m-%d'))，则横坐标只显示年份
    plt.xlabel(u'日期')
    plt.ylabel(u'累计净值')
    plt.title(name+':'+code)
    plt.text('2017-01-01', 0.65, showStr)

    plt.gcf().autofmt_xdate()  # 自动旋转日期标记
    # plt.tight_layout()
    plt.show()

    # # 本基金参数信息
    # jsInfo = [code, name, currentFundManager[0]['name'], currentFundManager[0]['fundSize'], syl_1y, syl_3y, syl_6y, syl_1n, fluctuationDate, fluctuationScale, newrateInSimilarType]
    #
    # # 替换字段名称
    # # 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')
    # print("基金代码     基金简称        姓名      管理规模    单位净值    累计净值   近1月  近3月     近6月     近1年     最新变动日期  本基规模（亿RMB）    最新同类排名走势")
    # print(jsInfo)
    return

效果