用 Python 快速追踪基金的收益情况！

那天晚上十一点多，我在客厅沙发上刷手机，看着基金 App 上一堆红红绿绿的曲线，心里就一个感觉：乱。 单只基金涨跌能看到，但我每个月定投、又在不同平台买，整个组合到底赚了多少、哪只拖后腿，完全没有全局观。

后来我干脆想，那不如用 Python 自己搞一套最简单的“收益仪表盘”，每天一跑，一目了然。今天就把这个东西摊开跟你聊聊，顺便把代码也贴出来，你照着改一下就能用。

我当时是直接在电脑上建了个 fund_positions.csv，放在项目目录里，大概这样：

code,name,shares,cost_price
161725,白酒指数,1000,1.23
501018,新能源车,800,1.80
001500,消费精选,1500,0.95

• code：基金代码
• name：你自己方便看的名字
• shares：当前持有份额
• cost_price：你的平均持仓成本（可以自己在 App 里看个大概填上）

先别纠结“多笔买入成本怎么精确计算”这种问题，等脚本跑起来你再慢慢抠，这样不容易半途而废。

我一般习惯先写一个特别土但能跑的版本，完全不管优不优雅。比如我们先不连任何接口，假装“当前净值”帮你手动填在代码里，先把计算打通。

import pandas as pd
# 1. 读持仓表
df = pd.read_csv("fund_positions.csv")
# 2. 暂时手动写当前净值（后面再换成接口）
current_nav_map = {
"161725": 1.45,
"501018": 1.60,
"001500": 1.10
}
# 3. 把当前净值映射到 DataFrame 里
df["current_nav"] = df["code"].map(current_nav_map)
# 4. 计算每只基金的数据
df["cost_amount"] = df["shares"] * df["cost_price"]      # 成本金额
df["current_amount"] = df["shares"] * df["current_nav"]  # 当前市值
df["profit"] = df["current_amount"] - df["cost_amount"]  # 浮动盈亏
df["profit_rate"] = df["profit"] / df["cost_amount"]     # 收益率
# 5. 打印看看效果
pd.set_option("display.float_format", lambda x: f"{x:,.2f}")
print(df[["code", "name", "cost_amount", "current_amount", "profit", "profit_rate"]])
# 6. 汇总一下整体
total_cost = df["cost_amount"].sum()
total_value = df["current_amount"].sum()
total_profit = total_value - total_cost
total_rate = total_profit / total_cost
print("\n===== 组合汇总 =====")
print(f"总成本: {total_cost:,.2f}")
print(f"总市值: {total_value:,.2f}")
print(f"总盈亏: {total_profit:,.2f}")
print(f"整体收益率: {total_rate:.2%}")

这个版本虽然“假装”当前净值，但是你一跑，就能立刻看到类似这样的输出（数值我随便举个例子）：

    code   name    cost_amount  current_amount    profit  profit_rate
0  161725  白酒指数      1,230.00        1,450.00    220.00        17.89%
1  501018  新能源车      1,440.00        1,280.00   -160.00       -11.11%
2  001500  消费精选      1,425.00        1,650.00    225.00        15.79%
===== 组合汇总 =====
总成本: 4,095.00
总市值: 4,380.00
总盈亏: 285.00
整体收益率: 6.96%

这一步的意义是：把“算收益”这件事拆成了几个很清楚的字段，逻辑完全透明。

上面那种手动填净值的方式，只适合你先验证公式。真正使用肯定得自动拉数据，不然你天天手抄净值会崩溃。

数据来源有很多种：

1. 你自己每天从平台导出 CSV（有些 App 支持导出交易/持仓明细）
2. 用第三方库（比如某些基金/股票接口库）
3. 直接调公开 API（有的基金网站会有 http 接口）

这里我不深入哪家平台接口，用一个“占位函数”的方式写给你，你只要把那一小段替换掉就行，其他逻辑不用动。

比如我们先写一个这样的函数：

import requests
defget_fund_nav(code: str) -> float:
"""
    通过基金代码获取最新净值。
    这里写的是伪代码，你根据自己选的接口改一下就行。
    """
# 举个结构示意，url 换成你实际的
    url = f"https://example.com/fund/nav?code={code}"
    resp = requests.get(url, timeout=5)
    resp.raise_for_status()

    data = resp.json()
# 假设返回结构是 {"code": "...", "nav": 1.2345, "date": "2024-01-01"}
return float(data["nav"])

然后把第二步里的 current_nav_map 换掉：

# 2. 根据 code 批量去拿当前净值
deffetch_all_current_nav(df: pd.DataFrame) -> pd.Series:
    navs = {}
for code in df["code"]:
try:
            navs[code] = get_fund_nav(code)
except Exception as e:
            print(f"获取 {code} 净值失败：{e}")
# 可以选择：用成本价顶一下，或者用上一次的净值缓存
            navs[code] = None
return pd.Series(navs)
df["current_nav"] = df["code"].map(fetch_all_current_nav(df))

这样你的主流程还是原来的那套，只是“当前净值”这列换成了自动获取。 你先可以只对一两只基金试，然后再慢慢扩展。

我那个脚本跑顺之后，强迫症就犯了，总觉得只看一行数字不过瘾，想看过去一段时间的走势。 最暴力的方法就是：每天把计算结果存一行到一个历史文件里，比如 fund_history.csv。

先改一下脚本最后部分，加个“落盘”的动作：

from datetime import datetime
import os
defappend_summary_history(total_cost, total_value, total_profit, total_rate):
    today = datetime.now().strftime("%Y-%m-%d")
    row = {
"date": today,
"total_cost": total_cost,
"total_value": total_value,
"total_profit": total_profit,
"total_rate": total_rate,
    }
    history_file = "fund_history.csv"
if os.path.exists(history_file):
        hist_df = pd.read_csv(history_file)
# 同一天多次运行可以选择覆盖或者追加，这里简单粗暴去重
        hist_df = hist_df[hist_df["date"] != today]
        hist_df = pd.concat([hist_df, pd.DataFrame([row])], ignore_index=True)
else:
        hist_df = pd.DataFrame([row])
    hist_df.to_csv(history_file, index=False)
    print("已写入历史记录:", row)
# 在打印汇总之后，加一句：
append_summary_history(total_cost, total_value, total_profit, total_rate)

跑几天之后，你就会有一个 fund_history.csv，类似这样：

date,total_cost,total_value,total_profit,total_rate
2024-01-01,10000,10300,300,0.03
2024-01-02,10000,10250,250,0.025
2024-01-03,10000,10420,420,0.042
...

然后用 matplotlib 画一下收益率曲线（不用搞得多花哨，能看就行）：

import pandas as pd
import matplotlib.pyplot as plt
hist_df = pd.read_csv("fund_history.csv", parse_dates=["date"])
hist_df = hist_df.sort_values("date")
plt.figure(figsize=(10, 4))
plt.plot(hist_df["date"], hist_df["total_rate"])
plt.title("组合整体收益率走势")
plt.xlabel("日期")
plt.ylabel("收益率")
plt.grid(True)
plt.tight_layout()
plt.show()

你把这个图一打开，心里大概就有数了：是最近走势差一点，还是长期趋势在往上。

我后来嫌每次还要 python xxx.py 麻烦，就干脆把主流程封进一个 main()，脚本放到某个固定目录，然后用系统自带的定时任务搞一下：

脚本大概这么收个尾：

defmain():
    df = pd.read_csv("fund_positions.csv")

# 这里接上前面那一整套处理逻辑：
# 1）获取 current_nav
# 2）计算 cost_amount / current_amount / profit / profit_rate
# 3）打印单只基金和汇总
# 4）append_summary_history
if __name__ == "__main__":
    main()

• Windows 可以用“任务计划程序”每天 21:00 跑一次
• mac / Linux 就用 crontab，一行：

0 21 * * * /usr/bin/python3 /path/to/your/fund_tracker.py >> /path/to/log.txt 2>&1

这样你每天打开 fund_history.csv 或者那张收益曲线图，就知道今天的组合情况了，完全不用再一只只点开 App 盯着看。