代码主要实现了复利投资模拟功能。通过定义sta001函数计算复利终值，考虑了每年固定投入和复利增长的因素。主程序部分计算了四种不同年利率（5%、10%、15%、20%）下，连续 40 年每年投入 1.4 个单位资金的复利终值，并将结果存储在 DataFrame 中。最后使用hot颜色映射绘制图表，以直观地展示不同年利率下复利终值随年份的变化趋势。复利的力量通过图表可以清晰地看到：随着时间的推移，较高利率的投资回报呈现指数级增长，与低利率投资的差距越来越大。这体现了长期投资和选择合适投资回报率的重要性。

# 导入数值计算库numpy，用于进行数学计算
import numpy as np
# 导入数据处理库pandas，用于数据结构和分析
import pandas as pd
# 导入绘图库matplotlib，用于数据可视化
import matplotlib as mpl

# 设置matplotlib的样式为seaborn-whitegrid，这是一种美观的带网格线的白色背景样式
mpl.style.use('seaborn-whitegrid');

# 定义复利终值计算函数
# k: 年利率
# nyear: 投资年数
# xd: 每年投入金额
def sta001(k, nyear, xd):
    # 使用numpy的fv函数计算复利终值（Future Value）
    # 参数说明：k为利率，nyear为期数，-xd为每期投入（负号表示现金流出），-xd为初始投入
    d2 = np.fv(k, nyear, -xd, -xd);
    # 对计算结果进行四舍五入取整
    d2 = round(d2)
    # 返回计算结果
    return d2

# 计算年利率为5%时，0到39年每年投入1.4的复利终值列表
dx05 = [sta001(0.05, x, 1.4) for x in range(0, 40)]
# 计算年利率为10%时，0到39年每年投入1.4的复利终值列表
dx10 = [sta001(0.10, x, 1.4) for x in range(0, 40)]
# 计算年利率为15%时，0到39年每年投入1.4的复利终值列表
dx15 = [sta001(0.15, x, 1.4) for x in range(0, 40)]
# 计算年利率为20%时，0到39年每年投入1.4的复利终值列表
dx20 = [sta001(0.20, x, 1.4) for x in range(0, 40)]

# 创建一个DataFrame来存储不同利率下的复利终值数据
df = pd.DataFrame(columns=['dx05', 'dx10', 'dx15', 'dx20']);
# 将各利率下的复利终值数据添加到DataFrame的对应列
df['dx05'] = dx05;
df['dx10'] = dx10;
df['dx15'] = dx15;
df['dx20'] = dx20;

# 打印DataFrame的最后几行，用于查看数据情况
print(df.tail())

# 使用matplotlib的hot颜色映射绘制DataFrame中的数据
# 这里将显示四条曲线，分别代表四种不同利率下复利终值随年份的变化
df.plot(colormap='hot')

runfile('D:/zwPython/zwrk/6_零起点Python机器学习与量化交易/k101cmap2.py', wdir='D:/zwPython/zwrk/6_零起点Python机器学习与量化交易')
     dx05   dx10    dx15     dx20
35  134.0  419.0  1420.0   4955.0
36  142.0  462.0  1634.0   5947.0
37  151.0  510.0  1881.0   7138.0
38  160.0  562.0  2165.0   8567.0
39  169.0  620.0  2491.0  10281.0
D:\zwPython\zwrk\6_零起点Python机器学习与量化交易\k101cmap2.py:13: DeprecationWarning: numpy.fv is deprecated and will be removed from NumPy 1.20. Use numpy_financial.fv instead (https://pypi.org/project/numpy-financial/).
  d2=np.fv(k,nyear,-xd,-xd);