pandas 爬取 LPR 数据并可视化

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

贷款市场报价利率（LPR）是指各银行根据其对最优质客户的贷款利率，结合公开市场操作利率加点报价，由中国人民银行授权的全国银行间同业拆借中心计算并发布的利率。实际贷款利率则根据借款人信用、抵押、贷款期限等因素，在LPR基础上加减点进行调整。

需求描述

为了为分析 LPR 的变化数据，我们找到了一个长期更新 LPR 数据的网址：https://www.boc.cn/fimarkets/lilv/fd32/201310/t20131031_2591219.html ，然后需要用代码将表格里的数据爬取出来，并对数据进行处理，最后绘制一个折线图，图中有代表 1 年期和 5 年期以上利率的两条线。

思路

需求中的数据是一个 HTML 表格数据，你完全可以直接使用 pandas.read_html() 来读取网页中的表格数据，它会自动从网页中提取所有表格并返回一个包含 DataFrame 的列表。这样可以避免手动解析 HTML 内容。

接着将带有 % 号的字符串转换为纯数字，最后绘制折线。

代码

根据思路，我们的代码如下。先读取数据：

import pandas as pd

url = 'https://www.boc.cn/fimarkets/lilv/fd32/201310/t20131031_2591219.html'
dfs = pd.read_html(url)
df = dfs[0]
df
'''
         LPR报价    1年期  5年期以上
0   2024-10-21  3.10%  3.60%
1   2024-09-20  3.35%  3.85%
2   2024-08-20  3.35%  3.85%
3   2024-07-22  3.35%  3.85%
4   2024-06-20  3.45%  3.95%
..         ...    ...    ...
58  2019-12-20  4.15%  4.80%
59  2019-11-20  4.15%  4.80%
60  2019-10-21  4.20%  4.85%
61  2019-09-20  4.20%  4.85%
62  2019-08-20  4.25%  4.85%

[63 rows x 3 columns]
'''

对数据进行处理：

(
    df.set_index('LPR报价')
    .map(lambda x: x.replace('%', '') )
    .astype(float)
    .sort_index(ascending=True)
)
'''
             1年期  5年期以上
LPR报价                  
2019-08-20  4.25   4.85
2019-09-20  4.20   4.85
2019-10-21  4.20   4.85
2019-11-20  4.15   4.80
2019-12-20  4.15   4.80
...          ...    ...
2024-06-20  3.45   3.95
2024-07-22  3.35   3.85
2024-08-20  3.35   3.85
2024-09-20  3.35   3.85
2024-10-21  3.10   3.60

[63 rows x 2 columns]
'''

绘图，并处理中文显示的问题：

import matplotlib.pyplot as plt
import matplotlib

# 设置支持中文的字体（以 SimHei 为例）
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体为 SimHei
matplotlib.rcParams['axes.unicode_minus'] = False   # 解决负号显示为乱码的问题

(
    df.set_index('LPR报价')
    .map(lambda x: x.replace('%', '') )
    .astype(float)
    .sort_index(ascending=True)
    .plot()
)
# <Axes: xlabel='LPR报价'>

在 JupyterLab 上显示如下图形：

LPR 数据可视化

这样就完成了需求。

（完）

pandas 爬取 LPR 数据并可视化

需求描述

思路

代码

相关内容