数据处理

安装openpyxl

# 当前执行的命令是安装在该虚拟python环境中
!pip install openpyxl -i https://mirrors.aliyun.com/pypi/simple/

数据查看

import pandas as pd
fund = pd.read_excel('./fund.xlsx')
# 查看前10条数据
fund.head(10)

	姓名	公司	基金数量	年	天	基金规模	基金收益
0	艾定飞	华商基金	2	2	135	7.23亿元	60.88%
1	艾小军	国泰基金	19	7	88	793.09亿元	133.26%
2	安昀	长信基金	4	6	353	48.11亿元	176.47%
3	彬彬	人保资产	6	2	85	5.23亿元	51.72%
4	包兵华	鹏华基金	4	1	355	148.30亿元	102.21%
5	白冰洋	中银证券	4	4	174	1.84亿元	20.95%
6	薄官辉	银华基金	5	5	347	34.73亿元	160.91%
7	边慧	银华基金	2	0	14	44.33亿元	0.15%
8	白海峰	招商基金	10	4	332	30.00亿元	93.60%
9	白洁	中银基金	13	10	26	1161.36亿元	44.71%

# 基金总数据条目
fund.shape # (2550, 7)# 去重：基金公司数量
fund['公司'].nunique() # 159# 基金总数量
fund['基金数量'].sum() # 16045# 计算基金总规模
cond = fund['基金规模'].str.endswith('亿元')  # 判断是否以"亿元"结尾
fund2 = fund[cond] # 数据筛选# 计算基金总规模
size = fund2['基金规模'].str[:-2].astype('float').sum()
size # 298453.42000000004

数据清洗转换

# 过滤基金规模为亿元结尾的数据
cond = fund['基金规模'].str.endswith('亿元')
fund = fund[cond]# 过滤基金规模小于1亿的数据
cond2 = fund['基金规模'].str[:-2].astype('float') > 1
fund = fund[cond2]# 过滤基金收益为空的数据
cond3 = fund['基金收益'].str.endswith('%')
fund = fund[cond3]# 清洗后的数据保存到新的excel
fund.to_excel('./fund_clean.xlsx', index = False)
fund.head()

	姓名	公司	基金数量	年	天	基金规模	基金收益
0	艾定飞	华商基金	2	2	135	7.23亿元	60.88%
1	艾小军	国泰基金	19	7	88	793.09亿元	133.26%
2	安昀	长信基金	4	6	353	48.11亿元	176.47%
3	彬彬	人保资产	6	2	85	5.23亿元	51.72%
4	包兵华	鹏华基金	4	1	355	148.30亿元	102.21%

fund = pd.read_excel('./fund_clean.xlsx')# 基金规模字符串转变为浮点数
fund['基金规模'] = fund['基金规模'].str[:-2].astype('float')# 基金收益字符串转变为浮点数
fund['基金收益'] = fund['基金收益'].str[:-1].astype('float')# 修改列名
fund.columns = ['姓名', '公司', '基金数量', '年', '天','基金规模（亿元）', '基金收益（%）']# 数据保存
fund.to_excel('./fund_result.xlsx',index = False)
fund.head(10)

	姓名	公司	基金数量	年	天	基金规模（亿元）	基金收益（%）
0	艾定飞	华商基金	2	2	135	7.23	60.88
1	艾小军	国泰基金	19	7	88	793.09	133.26
2	安昀	长信基金	4	6	353	48.11	176.47
3	彬彬	人保资产	6	2	85	5.23	51.72
4	包兵华	鹏华基金	4	1	355	148.30	102.21
5	白冰洋	中银证券	4	4	174	1.84	20.95
6	薄官辉	银华基金	5	5	347	34.73	160.91
7	边慧	银华基金	2	0	14	44.33	0.15
8	白海峰	招商基金	10	4	332	30.00	93.60
9	白洁	中银基金	13	10	26	1161.36	44.71

数据可视化

基金规模前10公司

%%time
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snsplt.figure(figsize=(12,9))sns.set_theme(style='darkgrid',context = 'talk',font='SimHei')fund = pd.read_excel('./fund_result.xlsx')# 分组聚合
com = fund.groupby(by = '公司')[['基金规模（亿元）']].sum()# 排序，ascending = False降序；inplace=True:在原始 DataFrame 上进行排序
com.sort_values(by = '基金规模（亿元）',ascending = False, inplace = True)
# 行索引重置
com.reset_index(inplace = True)
com.head()

Wall time: 305 ms

	公司	基金规模（亿元）
0	易方达基金	19795.79
1	天弘基金	16402.23
2	南方基金	12535.71
3	广发基金	12398.20
4	汇添富基金	11204.00

# 取排名前10的基金公司进行展示
# orient='h': 设置条形图为水平方向
sns.barplot(x = '基金规模（亿元）',y = '公司',data = com.iloc[:10],orient='h')plt.savefig('./十大基金公司.png',dpi = 200)

收益十佳基金经理

import numpy as npfund = pd.read_excel('./fund_result.xlsx')# 降序排序
fund.sort_values(by = '基金收益（%）',ascending=False, inplace=True) 
fund.iloc[:10]

	姓名	公司	基金数量	年	天	基金规模（亿元）	基金收益（%）
2179	朱少醒	富国基金	2	15	148	306.81	2082.04
1802	杨谷	诺安基金	1	15	50	34.82	739.50
1769	谢治宇	兴证全球基金	4	8	72	597.58	710.91
2083	张坤	易方达基金	4	8	195	1197.46	681.80
48	陈军	东吴基金	2	13	288	34.63	554.64
1370	魏博	中欧基金	5	8	239	20.15	516.85
88	曹名长	中欧基金	8	14	111	54.68	501.94
1698	萧楠	易方达基金	6	8	195	626.39	501.19
1287	孙伟	民生加银基金	12	6	278	233.79	494.82
1220	孙芳	上投摩根基金	5	9	125	99.72	488.85

plt.figure(figsize=(12,9))
sns.set_theme(style='darkgrid',context = 'talk', font='SimHei')# 条形图
# palette 指定使用'Set1'调色板
sns.barplot(x = '基金收益（%）',y = '姓名',data = fund.iloc[:10], orient='h',palette = 'Set1')for i in range(10):rate = fund.iloc[i]['基金收益（%）']pe = fund.iloc[i]['基金规模（亿元）']# 绘制基金规模plt.text(x = rate/2, y = i,s = str(pe) + '亿元',ha = 'center',va = 'center')# 绘制基金收益plt.text(x = rate + 50,y = i,s = str(rate) + '%',va = 'center')plt.xlim(0,2500) # 横坐标范围
plt.xticks(np.arange(0,2500,200)) # 横坐标刻度
plt.savefig('./收益十佳基金经理.png', dpi = 100)