指数基金日涨跌幅python_Python实例：根据2008-2020年大盘数据帮你判断指数基金定投的每周最佳扣款时间...

大家好！

基金定投大家肯定不陌生，要么按周定投、要么按月定投，但是不知道大家有没有想过到底哪一天进行扣款会相对合理呢？

今天来分享一下如何用Python工具来帮助我们判断指数基金定投的最佳扣款时间(数据口径：2008-2020年每日大盘数据)。

案例中数据：

2008年-2020年2月每天的上证指数数据

代码及演示：

import numpy as np

import pandas as pd

#读取2008年-2020年2月每天的上证指数数据

df1=pd.read_excel("D:\\01\\会Excel的隔壁老王\\Excel报表\\20200319-Python实例：大数据帮你判断指数基金定投的每周最佳扣款时间\\000001_2008-01-01_2020-02-29_history_A_stock_k_data.xlsx")

#选择我们需要的列

df_shares = df1[["date","code","open","high","low","close","pctChg"]]

df_shares

#添加rise_fall列，标志当天大盘涨跌情况

#pctChg列，if值>0的 = rise，else = fall

def function(x):

if x > 0:

return "rise"

else:

return "fall"

df_shares["rise_fall"]=df_shares.apply(lambda x: function(x.pctChg), axis=1)

df_shares

#添加date列的星期weekday列

df_shares["weekday"]=pd.DatetimeIndex(df_shares["date"]).weekday+1

df_shares

#数据透视，查看2008年-2020年2月的大盘涨跌情况

df_shares_pivot_table_1=pd.pivot_table(df_shares,index=["code","rise_fall","weekday"],values=["close"], aggfunc=np.count_nonzero, margins=all)

df_shares_pivot_table_1

#合并单元格拆分

df_shares_pivot_table_reset_1 = df_shares_pivot_table_1.reset_index()

df_shares_pivot_table_reset_1

#筛选出大盘下帖的数据

df_shares_pivot_table_reset_1_fall = df_shares_pivot_table_reset_1[ df_shares_pivot_table_reset_1.rise_fall == "fall" ]

df_shares_pivot_table_reset_1_fall

#显示1:"周一",2:"周二",3:"周三",4:"周四",5:"周五"

df_shares_pivot_table_reset_1_fall_replace = df_shares_pivot_table_reset_1_fall.replace({1:"周一",2:"周二",3:"周三",4:"周四",5:"周五",})

df_shares_pivot_table_reset_1_fall_replace

#画柱状图

from pyecharts import options as opts

from pyecharts.charts import *

from pyecharts.commons.utils import JsCode

from pyecharts.globals import ThemeType

values = []

for i in df_shares_pivot_table_reset_1_fall_replace.values:

dic = {}

dic["value"] = i[3]

values.append(dic)

c = (

Bar(init_opts=opts.InitOpts(width="800px", height="350px",theme = ThemeType.DARK ))

.add_xaxis( list( df_shares_pivot_table_reset_1_fall_replace["weekday"].values ) )

.add_yaxis("2018-2020年工作日大盘下跌次数", values, category_gap="60%")

.set_series_opts(

itemstyle_opts={

"normal": {

"color": JsCode(

"""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{

offset: 0,

color: 'rgba(22, 77, 167, 1)'

}, {

offset: 1,

color: 'rgba(77, 160, 321, 1)'

}], false)"""

),

"barBorderRadius": [30, 30, 30, 30],

"shadowColor": "rgb(77, 160, 321)",

}

}

)

.set_global_opts(title_opts=opts.TitleOpts(subtitle = "结论：按照2008年-2020年2月的历史数据统计，一般周四定投的平均成本更低！" ,title="Python：大数据帮你判断指数基金定投的每周最佳扣款时间(微信公众号：会Excel的隔壁老王)", pos_top = "1%", pos_right = "0%"),legend_opts=opts.LegendOpts( pos_top = "93%"))

#.render("bar_border_radius.html")

)

c.render_notebook()

完整python代码参考：

import numpy as np

import pandas as pd

#读取2008年-2020年2月每天的上证指数数据

df1=pd.read_excel("D:\\01\\会Excel的隔壁老王\\Excel报表\\20200319-Python实例：大数据帮你判断指数基金定投的每周最佳扣款时间\\000001_2008-01-01_2020-02-29_history_A_stock_k_data.xlsx")

#选择我们需要的列

df_shares = df1[["date","code","open","high","low","close","pctChg"]]

#添加rise_fall列，标志当天大盘涨跌情况

#pctChg列，if值>0的 = rise，else = fall

def function(x):

if x > 0:

return "rise"

else:

return "fall"

df_shares["rise_fall"]=df_shares.apply(lambda x: function(x.pctChg), axis=1)

#添加date列的星期weekday列

df_shares["weekday"]=pd.DatetimeIndex(df_shares["date"]).weekday+1

#数据透视，查看2008年-2020年2月的大盘涨跌情况

df_shares_pivot_table_1=pd.pivot_table(df_shares,index=["code","rise_fall","weekday"],values=["close"], aggfunc=np.count_nonzero, margins=all)

#合并单元格拆分

df_shares_pivot_table_reset_1 = df_shares_pivot_table_1.reset_index()

#筛选出大盘下帖的数据

df_shares_pivot_table_reset_1_fall = df_shares_pivot_table_reset_1[ df_shares_pivot_table_reset_1.rise_fall == "fall" ]

#显示1:"周一",2:"周二",3:"周三",4:"周四",5:"周五"

df_shares_pivot_table_reset_1_fall_replace = df_shares_pivot_table_reset_1_fall.replace({1:"周一",2:"周二",3:"周三",4:"周四",5:"周五",})

#画柱状图

from pyecharts import options as opts

from pyecharts.charts import *

from pyecharts.commons.utils import JsCode

from pyecharts.globals import ThemeType

values = []

for i in df_shares_pivot_table_reset_1_fall_replace.values:

dic = {}

dic["value"] = i[3]

values.append(dic)

c = (

Bar(init_opts=opts.InitOpts(width="800px", height="350px",theme = ThemeType.DARK ))

.add_xaxis( list( df_shares_pivot_table_reset_1_fall_replace["weekday"].values ) )

.add_yaxis("2018-2020年工作日大盘下跌次数", values, category_gap="60%")

.set_series_opts(

itemstyle_opts={

"normal": {

"color": JsCode(

"""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{

offset: 0,

color: 'rgba(22, 77, 167, 1)'

}, {

offset: 1,

color: 'rgba(77, 160, 321, 1)'

}], false)"""

),

"barBorderRadius": [30, 30, 30, 30],

"shadowColor": "rgb(77, 160, 321)",

}

}

)

.set_global_opts(title_opts=opts.TitleOpts(subtitle = "结论：按照2008年-2020年2月的历史数据统计，一般周四定投的平均成本更低！" ,title="Python：大数据帮你判断指数基金定投的每周最佳扣款时间(微信公众号：会Excel的隔壁老王)", pos_top = "1%", pos_right = "0%"),legend_opts=opts.LegendOpts( pos_top = "93%"))

#.render("bar_border_radius.html")

)

c.render_notebook()