本文介绍了如何使用Python构建一个基金监控机器人，涵盖了数据采集、处理、分析和可视化。通过akshare和requests库获取基金历史数据，利用matplotlib和dataframe-image进行数据展示。项目支持查询指定日期段的基金净值，并以表格或趋势图形式返回结果，未来计划添加更多功能。
今天给大家分享一个综合了数据采集、处理、分析、可视化、接口调用等技术点的项目。
一、说点东西
老早就想搞个基金监控机器人了，方便自己查看自己关注基金的各种指数涨跌情况，及时进行止损或者止盈，今天我们先建楼基，手把手带大家实现一个基金查询机器人，目前主要可以查询基金指定日期段数据和查看基金净值走势图，后面慢慢新增功能。
二、开始动手动脑
2.1 环境准备
Linux、Mac、Windows 都可以
python 3.7及以上
相关第三方包：pandas（数据处理）、requests（爬取数据）、re（文本内容解析）、akshare（获取基金股票数据）、matplotlib（数据可视化）、dataframe-image（dataframe表格转成图片）
2.2 获取指定日期段基金数据
基金数据可以从一些金融相关的网站获取到，比如天天基金网、新浪基金网等，可以自己写爬虫程序获取网站数据，也可以使用现成的工具包获取数据，比如之前介绍过的 tushare 和akshare等库。
这里我们同时介绍下两种方法：
2.2.1 回顾下akshare获取基金数据
目前akshare不支持获取指定日期范围内的基金净值数据，但是可以一次获取到基金历史净值数据，调用函数fund_em_open_fund_info获取基金历史数据，然后自己根据日期选取时间段进行分析。
import akshare as ak
fund_data = ak.fund_em_open_fund_info(fund='005827', indicator='单位净值走势')
print(fund_data)
2.2.2 自己调用现成数据接口
本质上akshare也是从一些金融相关的网站获取到数据，我们也可以自己写代码进行获取，通过浏览器我们很快能搜索到基金数据接口，来自东方财富的天天基金网。
f'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={code}&page={page}&sdate={start_date}&edate={end_date}&per={per}'
code - 基金代码
page - 基金数据页码
start_date - 数据开始日期
end_date - 数据结束日期
per - 每页展现数据量，最多40
根据指定参数，浏览器会返回指定参数，一段js赋值代码，包括了 基金数据（content）、总记录条数（records）、总页数（pages）、当前页数（curpage）。
格式非常规整，我们可以直接通过正则提取数据，
'''
获取单页面 基金数据
'''
def get_html(code, start_date, end_date, page=1, per=40):
url = f'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={code}&page={page}&sdate={start_date}&edate={end_date}&per={per}'
# print(url)
rsp = requests.get(url)
html = rsp.text
return html
通过返回的数据可以发现，基金数据部分是一个由table标签包裹的html代码，那我们可以直接使用pandas的read_html来解析数据。
# 从html中解析出数据表部分 并解析成df
def parses_table(html):
# 获取基金数据表
pattern = 'content:"<table(.*)</table>",'
table = re.search(pattern, html).group(1)
table = '<table' + table + '</table>'
fund_data = pd.read_html(table)[0]
return fund_data前面有提到，基金数据接口返回数据每页最多展示40条，所以要想获取所有数据，我们可能需要遍历每一页，那么我们还需要通过正则将总页数pages获取到，然后遍历调用get_html和parses_table函数解析出所有数据。
# 获取指定日期内 累计净值 等数据
def get_fund_data(code, start_date, end_date):
first_page = get_html(code, start_date, end_date)
# 获取总页数
pattern = 'pages:(.*),'
pages = re.search(pattern, first_page).group(1)
# 转成int数据
try:
pages = int(pages)
except Exception as e:
r = f'【错误信息】{e}'
# print(r)
return r
# 存放每页获取到的基金数据 dataframe格式 便于后面合并
fund_df_list = []
# 循环便利所有页面
for i in range(pages):
if i == 0:
fund_data = parses_table(first_page)
else:
page_html = get_html(code, start_date, end_date, page=i+1)
fund_data = parses_table(page_html)
fund_df_list.append(fund_data)
# 将每页的数据合并到一起
fund_df = pd.concat(fund_df_list)
return fund_df
上面两种方法都可以获取到基金净值数据，最后我选择了akshare方式获取，设置一个定时任务，每天三点更新自己关注的基金所有数据，存储到本地，后面要查询的时候直接读取本地文件查询即可。
定时任务：每天早上3点获取所有关注的基金历史数据，存储到本地
# 定时任务：每天早上3点获取所有关注的基金历史数据，存储到本地
def get_all():
try:
# 从文件读取 自己关注的基金代码列表
with open('./FD/funds.txt') as f:
funds = [i.strip() for i in f.readlines()]
# 遍历 一个个更新数据
for fund in funds:
fund_df = ak.fund_em_open_fund_info(fund, indicator='单位净值走势')
fund_df = fund_df.sort_values(by=['净值日期'], ascending=False)
fund_df.to_csv(f"./FD/DATA/F{fund}_data.csv", index=False)
# print(f"./FD/DATA/F{fund}_data.csv")
time.sleep(random.randint(1,5))
return '基金数据更新完成'
except Exception as e:
r = f"【错误信息】{e}"
return r获取指定基金 指定日期段 净值数据
# 获取指定基金 指定日期段 净值数据
def get_fund_data(fund, start_d, end_d):
fund_df = pd.read_csv(f'./FD/DATA/{fund}_data.csv')
result_df = fund_df.query(f"'{start_d}'<=净值日期<='{end_d}'")
return result_df2.3 返回数据呈现方式
目前先简单点，设置规则如下：
1）如果数据量小于等于30条，就返回原始数据图
原始数据图就是直接将获取到的数据转成图片的方式发送给用户，这里我们使用dataframe-image这个第三方包，使用非常简单，pip安装后，直接调用export函数即可快速将datafrmae数据转成图片。
# 将dtaframe表格转变成图片
def df_to_img(fund_df, fund, start_d, end_d):
if fund_df.shape[0] <=1:
dfi.export(fund_df, f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')
return
# 格式化表格 凸显最大最小值
fund_df = fund_df.style.highlight_max(subset=['单位净值'], color='red')\
.highlight_min(subset=['单位净值'], color='green')\
.format({'日增长率': '{:}%'})
dfi.export(fund_df, f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')为了图片数据更好看，我们还使用了df.style设置数据表格样式（单位净值最大值、最小值高亮和日增长率添加百分号）。
2）如果数据量大于30条，就返回原始数据趋势图
原始数据趋势图就是将数据可视化下，然后返回给用户，这里我们选择绘制数据的走（趋）势图，使用matplotlib进行绘制。
# 绘制基金单位净值走势图
def draw_fund_line(fund_df, fund, start_d, end_d):
plt.rcParams['figure.figsize'] = (8.0, 4.0) # 设置figure_size尺寸
plt.rcParams['savefig.dpi'] = 300 #保存图片分辨率
# 不显示右、上边框
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 设置坐标网格
plt.grid(axis="y", color='gray')
# 计算最大值 最小值坐标 并标注到图中
fund_max = fund_df.loc[fund_df['单位净值'].idxmax()]
fund_min = fund_df.loc[fund_df['单位净值'].idxmin()]
ax.annotate(f'({fund_max[0]},{fund_max[1]})', xy=(fund_max[0], fund_max[1]), color='red')
ax.annotate(f'({fund_min[0]},{fund_min[1]})', xy=(fund_min[0], fund_min[1]), color='green')
# 画图
plt.plot(fund_df['净值日期'],fund_df['单位净值'], color="c")
plt.title('基金单位净值走势图')
plt.xticks(rotation=30)
plt.xlabel('净值日期')
plt.ylabel('单位净值')
plt.savefig(f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')这里使用的是折线图，有一些对图片样式的设置，比如：大小、边框、最大/小值标注，但依然不是很美观，后面继续优化。
完整调用
# 返回数据
def response_data(fund, start_d, end_d):
# 本地查看 查询结果是否已存在
imgs = os.listdir('./FD/IMG/')
if f'{fund}_{start_d}_{end_d}_data.png' in imgs:
return f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png'
# 获取数据
fund_df = get_fund_data(fund, start_d, end_d)
# 如果数据量小于等于30条，就返回原始数据图
if fund_df.shape[0]<= 30:
df_to_img(fund_df, fund, start_d, end_d)
else:
# 否则返回数据趋势图
fund_df = fund_df.sort_values(by=['净值日期'])
draw_fund_line(fund_df, fund, start_d, end_d)
return f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png'2.4 对接钉钉机器人设置守护程序
目前项目对接了两种机器人：钉钉群机器人和企业机器人，相关配置方法因篇幅原因这里不展开介绍。
钉钉群机器人主要用来汇报每天自动汇报基金数据更新情况，后面还可以加基金涨跌检测情况等。
企业机器人主要用来做基金数据查询自动回复功能，也可以拓展主动发消息给用户。
2.5 最终效果图
指定查询
查看某基金某个时间段内的基金净值数据。（30条以内数据，表格展示；大于30条，趋势图展示）
查询格式： F基金代码 起始日期 结束日期，如：F005827 2021-12-03 2022-02-10
普通查询
查看某基金近10天内净值和日增长率数据+趋势图
查询格式： F基金代码，如：F005827
三、后言后语
这项目说大不大，说小也不小，百行代码。目前基金监测机器人还比较简陋，甚至都没有监测功能（目前只支持数据查询和更新），但是这个楼基很稳、很深，后面添加其他功能会简单、便捷许多，欢迎大家评论区留言，说说你想为这个机器人添加的功能。完整代码在下个版本文章发布时一起分享出来，还请耐心等待。
推荐阅读:
入门: 最全的零基础学Python的问题 | 零基础学了8个月的Python | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 | 从万众期待到口碑扑街！唐探3令人失望 | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影
趣味:弹球游戏 | 九宫格 | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！| 再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜年度爆款文案
点阅读原文，看原创200个趣味案例!
扫一扫
951
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
