做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
pro = ts.pro_api()
需要说明的是,tushare 中不同的数据获取需要的权限是不一样的,如果权限不够,可能获取不到数据哦。
获取基金基础信息
首先,咱们来获取基金基础信息,包括基金名称、基金费率、基金公司、基金成立时间等。在 tushare 中,提供了 fund_basic()
接口来获取这些信息。
该接口有两个参数,咱们主要关注的是第一个参数 market
,由于基金有场内基金(ETF和LOF)和场外基金,因此,全部的基金是这两者之和。
所有基金的基础信息获取代码如下:
# 获取基金中文名称信息
df_e = pro.fund_basic(market=‘E’)
df_o = pro.fund_basic(market=‘O’)
df_fund_info = df_e.append(df_o)
df_fund_info = df_fund_info[[‘ts_code’,‘name’, ‘management’,‘m_fee’, ‘c_fee’,‘found_date’]]
df_fund_info.columns = [‘fund_code’,‘fund_name’, ‘management’,‘m_fee’, ‘c_fee’,‘found_date’]
df_fund_info = df_fund_info.reset_index(drop=True)
df_fund_info
结果如下:
目前整个市场上有 1.5万多支基金,是不是超出你的想象了啊~~~
当然了,这是包括了混合型、股票型、债券型、货币基金类等全部的基金。
获取基金经理信息
对于主动型基金而言,挑选基金时,选择一个好的基金经理是很重要的因素,因此,在追踪基金的收益情况时,是有必要将基金经理的信息一并获取的。
在tushare 中,可通过接口 fund_manager
来获取某只基金过往基金经理的信息。
在获取基金经理信息后,可以跟之前获取基金基础信息进行合并。
这个过程,阳哥写了一个自定义函数,如下:
# 获取单个基金的信息
def get_fund(fund_code,df_fund_info):
# 获取基金经理信息,以及开始管理该基金的日期
df_manager = pro.fund_manager(ts_code=fund_code)
df_manager = df_manager[df_manager[‘end_date’].isna()]
df_manager = df_manager.sort_values(‘begin_date’,ascending=True).head(1)
begin_date = df_manager[‘begin_date’].values[0] # 开始管理该基金的日期
df_manager = df_manager[[‘ts_code’, ‘name’, ‘gender’,‘begin_date’]]
df_manager.columns = [‘fund_code’, ‘manager_name’, ‘gender’,‘begin_date’]
# 合并
df_fund = pd.merge(df_manager,df_fund_info,how=‘left’,on=‘fund_code’)
return df_fund
假如你想获取易方达中小盘基金的信息,可以基于上面的自定义函数 get_fund
,使用如下的代码:
# 110011.OF,易方达中小盘
df_fund = get_fund(‘110011.OF’,df_fund_info)
df_fund
获取的信息如下:
计算基金规模和收益情况
接下来,咱们还需要获取两个信息,基金规模和基金近几年的收益情况。
基金规模,可以从一个角度来观察该基金在市场上的受欢迎度,一般来说,规模较大的基金,说明该基金过往的表现应该还是可以的。不过这里也有两点需要注意:
-
基金过往业绩并不代表未来依然会如此;
-
基金规模小,并不一定说明该基金未来表现会不好。
除了基金规模,另一个咱们经常关注的,也是基金营销机构经常拿出来宣传的,就是基金的过往收益情况。
基金规模的计算公式如下:
基金规模亿元基金份额数量基金单位净值
在 tushare 中 基金份额数量由函数 fund_share
来获取,基金单位净值(unit_nav)数据由函数 fund_nav
来获取。
此外,在计算基金的过往年度收益时,也是基于其累计净值(accum_nav)来实现的。
因此,阳哥将基金规模获取过程和基金近几年收益情况计算合并在一个自定义函数里,代码如下:
# 获取单支基金的年度收益,基金规模等信息
def get_returns(fund_code,start_year):
df_fund_nav = pro.fund_nav(ts_code=fund_code)
df_fund_nav[‘date’] = pd.to_datetime(df_fund_nav[‘end_date’])
df_fund_nav = df_fund_nav.set_index(‘date’).sort_index()
years = df_fund_nav[‘accum_nav’].resample(‘AS’).sum().to_period(‘A’)
# 获取年度数据,类型为 pandas 的 period
years = years.index.tolist()
# 有些基金的开始日期晚于2018年,需要对齐列,补空白
year_list = [yr.year for yr in years if yr.year>=start_year]
# 将 period 时间数据转为 string 的年度数据
years = [str(yr.year) for yr in years]
df_yrs_index = pd.DataFrame()
for yr in years:
df_yr_index = df_fund_nav.loc[yr].tail(1)
df_yrs_index = df_yrs_index.append(df_yr_index)
df_yrs = df_fund_nav.head(1).append(df_yrs_index)
# 计算每年的收益率,即涨跌幅度
df_yrs[‘returns’] = df_yrs[‘accum_nav’].pct_change()
# 删除收益率为 NA 的行 (第1天有数据记录的日期)
df_yrs = df_yrs.dropna(subset=[‘returns’])
# 筛选自开始年份以来的数据
df_yrs = df_yrs.loc[str(start_year):]
df_yrs = df_yrs.reset_index()
df_yrs[‘year’] = df_yrs[‘date’].dt.year
# 透视表
df_yr_returns = pd.pivot_table(
df_yrs, index=[‘ts_code’],
values=[‘returns’], columns=[‘year’], fill_value=“”
)
# 将多层索引转变为单层索引
df_yr_returns = df_yr_returns[‘returns’]
df_yr_returns = df_yr_returns.reset_index()
df_yr_returns.columns.name = None
df_yr_returns = df_yr_returns.rename(columns={‘ts_code’:‘fund_code’})
# 基金份额
df_fund_share = pro.fund_share(ts_code=fund_code).head(1)
df_fund_share.columns = [‘fund_code’, ‘fd_share_date’, ‘fd_share’, ‘fund_type’, ‘market’]
# fd_share,单位是 万份
fd_share_date = df_fund_share[‘fd_share_date’].values[0] # 份额对应的日期
# 份额日期的净值数据
df_ann_nav = df_fund_nav.loc[fd_share_date:fd_share_date].sort_values(‘update_flag’,ascending=False).head(1)
df_ann_nav = df_ann_nav[[‘ts_code’, ‘accum_nav’,‘unit_nav’]]
df_ann_nav.columns = [‘fund_code’, ‘accum_nav’,‘unit_nav’]
# 计算基金规模,amount,单位:亿元
df_fund_amount = pd.merge(df_fund_share,df_ann_nav,how=‘left’,on=‘fund_code’)
df_fund_amount[‘amount’] = df_fund_amount[‘fd_share’] * df_fund_amount[‘unit_nav’]/10000
df_fund_amount = df_fund_amount[[‘fund_code’,‘amount’,‘fd_share_date’]]
# 合并数据
df_yr_returns = pd.merge(df_fund_amount,df_yr_returns,how=‘left’,on=‘fund_code’)
for yr in year_list:
if yr not in df_yr_returns.columns.tolist():
df_yr_returns[yr]=np.nan
return df_yr_returns
假如你想获取易方达中小盘基金的2018年以来的收益情况信息,可以基于上面的自定义函数 get_returns
,使用如下的代码:
df_return = get_returns(‘110011.OF’,2018)
df_return
获取的信息如下:
同时获取多只基金的信息
上面已经实现了获取单只基金所需要的信息,接下来,咱们需要拼接之前获取的信息。
同时,我们一般会同时关注多只基金,因此同时获取多只基金的信息,也是基本必备的需求。
实现的代码如下:
# 获取多只基金的信息
def get_data_fund(df_fund_info,fund_code_short,code_exception,start_year):
df_filter_info = pd.DataFrame()
for code in fund_code_short:
df_tmp = df_fund_info[df_fund_info[‘fund_code’].str.contains(code)].head(1)
df_filter_info = df_filter_info.append(df_tmp)
df_filter_info = df_filter_info.reset_index(drop=True)
fund_codes = df_filter_info[‘fund_code’].tolist()
# fund_codes
df = pd.DataFrame()
for code in fund_codes:
if code in code_exception:
code_update = code[:-2]+‘OF’
code_short = code[:-3]
df_fund = get_fund(code_update,df_fund_info)
df_fund[‘fund_code’] = code
df_fund = df_fund[[‘fund_code’,‘manager_name’,‘gender’,‘begin_date’]]
df_fund = df_fund.dropna(axis=1) # 删除含 NaN 的列
test_m = df_fund_info[df_fund_info[‘fund_code’].str.contains(code_short)]
df_fund = pd.merge(df_fund,test_m,how=‘left’,on=‘fund_code’)
else:
df_fund = get_fund(code,df_fund_info)
df_return = get_returns(code,start_year)
df_fund_merge = pd.merge(df_fund,df_return,how=‘left’,on=‘fund_code’)
df = df.append(df_fund_merge)
df = df.reset_index(drop=True)
df = df.rename(columns={
‘fund_code’:‘基金代码’,‘manager_name’:‘基金经理’,
‘gender’:‘性别’,‘begin_date’:‘上任日期’,
‘fund_name’:‘基金名称’,‘management’:‘基金公司’,
‘m_fee’:‘管理费’,‘c_fee’:‘托管费’,
‘found_date’:‘成立时间’,‘amount’:‘基金规模(亿元)’,
‘fd_share_date’:‘规模对应日期’
})
# 调整列的排序
cols = df.columns.tolist()
col_1 = cols[:4]
col_2 = cols[4:5]
col_3 = cols[5:]
cols = col_2 + col_1 + col_3
df = df[cols]
return df
上面的自定义函数 get_data_fund
中,存在一些特列,我也进行了调整。
这个特列,主要是有一类基金,叫做LOF基金,场内和场外的数字代码是一样的,比如谢治宇的兴全合润基金,在tushare中,场内的完整代码是163406.SZ,场外的完整代码是163406.OF,对于LOF基金,我们只需要获取一个的信息即可。
同时,由于LOF基金获取信息是基金基础信息和基金经理信息用的代码有些区别,需要分开应用。因此,需要在上面的函数 get_data_fund
中进行区别,并且引入一个 code_exception
参数。
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!