首页 > 其他分享 >数据分析 - 公司财务指标分析(以宁德时代为例)

数据分析 - 公司财务指标分析(以宁德时代为例)

时间：2022-12-26 16:11:58浏览次数：44  
标签：数据分析 name idx 为例 df 宁德 finData comCd opts

一、选题的背景

 财务报表能够全面反映企业的财务状况、经营成果和现金流量情况，但是单纯丛财务报表上的数据还不能直接或全面说明企业的财务状况，特别是不能说明企业经营状况的好坏和经营成果的高低，只有将企业的财务指标与有关的数据进行比较才能说明企业财务状况所处的地位，因此要进行财务报表分析。

二、分析设计方案

数据内容：包括公司财务指标和财务比率等

设计方案：数据读取和清理，pyecharts基本图表等

三、数据分析步骤

数据源：GitHub上的开源公司财务数据集

数据清洗：

 

# 数据清洗
# 去除所有含空值的行 
finData.dropna(how='any',axis=0,inplace=True)  #1列

#去除数据不满五年的公司
for i in finData.comCd:
    if finData.comCd.to_list().count(i) != 5:   #使用列表count出现次数 
        finData.drop(finData[finData.comCd == i].index, axis=0,inplace=True)  #删除行(0)
# 修改索引
finData.reset_index(inplace=True)  #去掉原索引
finData.drop("index",axis=1,inplace=True)    #设置新索引 0 ~ 5*n-1

 

数据可视化

本公司基本面数据表

 

expense = (
        Bar(init_opts=opts.InitOpts(width="700px", height="400px",theme= ThemeType.LIGHT ))  #初始化 图表画布的宽高
        .add_xaxis(year_lst)   #x轴：列表[str]
        .add_yaxis("销售费用率", finData[finData.comCd == code]["销售费用率(%)_Opeexprt"].to_list() ,stack="stack",bar_min_width=10,bar_max_width=50)
        .add_yaxis("管理费用率", finData[finData.comCd == code]["管理费用率(%)_Admexprt"].to_list() ,stack="stack")
        .add_yaxis("财务费用率", finData[finData.comCd == code]["财务费用率(%)_Finexprt"].to_list() ,stack="stack")
        #设置所有系列属性
        .set_series_opts(
            label_opts=opts.LabelOpts(position="inside",  formatter="{c}%")   # 设置标签：显示位置，格式
            )    
        .set_global_opts(
            title_opts=opts.TitleOpts(title=name+"费用率表"),  #设置标题
            legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性#设置横纵坐标属性
            xaxis_opts=opts.AxisOpts(name="Year",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),
            yaxis_opts=opts.AxisOpts(name="Percent",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))
            )
)
expense.render_notebook()  #显示

 


def drawLineChart(df,cpnCode,chartName,x,y):
    """
    绘制折线图：x横坐标(年份)，y为展示的几项指标
    cpnCode：本公司代码
    chartName：图表名称
    """
    lineChart = Line(init_opts=opts.InitOpts(width="700px", height="400px",))   # 初始化折线图，设置宽高
    lineChart.add_xaxis(x)    #添加x轴 ：[str]

    for idx in y:   #添加所有y轴系列
        idx_ch = ""
        for i in idx:
            if("\u4e00"<i<"\u9fa5"):  #提取汉字
                idx_ch +=i
        lineChart.add_yaxis(idx_ch,df[df.comCd == cpnCode][idx].to_list())  
        
    lineChart.set_global_opts(   #设置图表全局属性
        title_opts=opts.TitleOpts(title=chartName),   #图表标题
        legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),   #设置图例样式
        xaxis_opts=opts.AxisOpts(name="Year",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),   #x轴属性
        yaxis_opts=opts.AxisOpts(name="Percent",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),   #y轴属性
    )
    # 多个系列使用同一配置
    lineChart.set_series_opts(
        label_opts=opts.LabelOpts(formatter="{@[1]}%"),   #标签显示格式
        linestyle_opts=opts.LineStyleOpts( width=2)    #线宽
    )
    return lineChart

liability = drawLineChart(finData,code,name+"偿债能力表",year_lst,["净负债率(%)_NetLiaRt","净资产负债率(%)_NetAstLiaRt","现金流动负债比_OpeCcurdb"])
profit = drawLineChart(finData,code,name+"盈利能力表",year_lst,["销售净利率(%)_Netprfrt","销售毛利率(%)_Gincmrt","营业利润率(%)_Opeprfrt"])
operate = drawLineChart(finData,code,name+"营运能力表",year_lst,["存货周转率(次)_Invtrtrrat","总资产周转率(次)_Totassrat"])
liability.render_notebook()

profit.render_notebook()

operate.render_notebook()

 

 行业财务状况

def idstAna(df,idx,name,code):
    """
    指定某项index对行业进行分析
    name 本公司名
    code 本公司代码
    """
    comNumber = len(df)//5  #公司数量
    quartile = [int(i*comNumber) for i in [0.25,0.5,0.75]]   #四分位公司的排名
    idx_df = df[["comCd","comNm","endDt",idx]]    #只含该idx的df
    # cpns = idx_df[idx_df.endDt==idx_df['endDt'].iloc[-2]].sort_values(idx).iloc[quartile]["comCd"].to_list()
    cpns = idx_df[idx_df.endDt==idx_df['endDt'].iloc[-1]].sort_values(idx).iloc[quartile]["comCd"].to_list()   #找出本年四分位公司代码

    this_idxs = idx_df[idx_df["comCd"]== code][idx].to_list()  #本公司该idx所有数据 5年的
    this_idxs_change = [round((this_idxs[i]-this_idxs[i-1])*100/this_idxs[i-1],2) for i in range(1,len(this_idxs))]   #本公司变化率
    this_idxs_change.insert(0,0)   #第一年 变化率为0
    
    idx_ch = ""   
    for i in idx:   #提取指标中的中文名，也可使用正则表达式
        if("\u4e00"<i<"\u9fa5"):
            idx_ch +=i

 

    # 净利率行业对比
    idxBar = (
        Bar(init_opts=opts.InitOpts(width="700px", height="400px",theme= ThemeType.LIGHT ))#设置图表画布宽度
            .add_xaxis(list(df.endDt.apply(lambda x:str(x)[:4]).unique()))   #取出年份5年的
            .extend_axis(yaxis=opts.AxisOpts())  #多添加一个y轴
            .add_yaxis(f"行业25%", idx_df[idx_df["comCd"]== cpns[2]][idx].to_list(),   #使用公司代码找到近五年指标数据
                        label_opts=opts.LabelOpts(is_show=False) , yaxis_index=0, # 指定y轴，等于0时可以省略
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][0],opacity=.8,),)   #设置透明度，避免遮挡折线
            .add_yaxis(f"行业50%", idx_df[idx_df["comCd"]== cpns[1]][idx].to_list(),
                        label_opts=opts.LabelOpts(is_show=False), yaxis_index=0,
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][1],opacity=.8,),)
            .add_yaxis(f"行业75%", idx_df[idx_df["comCd"]== cpns[0]][idx].to_list(),
                        label_opts=opts.LabelOpts(is_show=False), yaxis_index=0,
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][2],opacity=.8,),)  
            .add_yaxis(name, this_idxs,
                        label_opts=opts.LabelOpts(formatter="{c}%"), yaxis_index=0,   
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][3],opacity=.8,),
            )  

            .set_global_opts(
                title_opts=opts.TitleOpts(title=idx_ch+"\n行业对比"),
                legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
                #设置横纵坐标属性
                yaxis_opts=opts.AxisOpts(name="Percent",position="left",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))
            )
    )

    idxLine = (
        Line()
        .add_xaxis(list(df.endDt.apply(lambda x:str(x)[:4]).unique()))
        .add_yaxis(name+"增长率",this_idxs_change,
                label_opts=opts.LabelOpts(formatter="{@1}%"),yaxis_index=1, # 指定使用的Y轴 1
                 itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][19],opacity=1,),
                )  
        .set_global_opts(
            yaxis_opts=opts.AxisOpts(name=name+"增长率", position="right",
                                    name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),
                                    axislabel_opts=opts.LabelOpts(formatter="{value}%"))
        )
        .set_series_opts(   #设置所有系列
            label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
            linestyle_opts=opts.LineStyleOpts( width=2),
        )
    )

    idxBar.overlap(idxLine)
    return idxBar
netAstLia = idstAna(finData,'净资产负债率(%)_NetAstLiaRt',name,code)
netAstLia.render_notebook(

 netPro = idstAna(finData,"销售净利率(%)_Netprfrt",name,code)
netPro.render_notebook()

 

assRat = idstAna(finData,"总资产周转率(次)_Totassrat",name,code)
assRat.render_notebook()

 

  财务效率的行业图

 

# 财务效率 行业状况 排名
quartile = [int(i*comNumber) for i in [0.2,0.4,0.6,0.8]]

# 选列：取今年的三项指标列数据
finEff_df = finData[["comCd","comNm","endDt",'销售净利率(%)_Netprfrt',"总资产周转率(次)_Totassrat","净资产负债率(%)_NetAstLiaRt"]][finData['endDt']==year_lst[-1]+"-12-31"]
# 选行： 取按照净利率排序后分位公司 concat 本公司
finEff_df = pd.concat([finEff_df.sort_values("销售净利率(%)_Netprfrt").iloc[quartile],finEff_df[finEff_df.comCd==code]])   #只包含5家公司

 

# 净利率行业对比
finEff = (
    Bar(init_opts=opts.InitOpts(width="700px", height="400px",theme= ThemeType.LIGHT ))#设置图表画布宽度
        .add_xaxis(finEff_df["comNm"].to_list(),)
        .extend_axis(yaxis=opts.AxisOpts()) #添加一个y轴
        .add_yaxis("总资产周转率", finEff_df["总资产周转率(次)_Totassrat"].to_list(),
                    label_opts=opts.LabelOpts(formatter="{@1}%") , yaxis_index=0,
                    itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][2],opacity=.7,),
                    
                    )  # 指定y轴，等于0时可以省  
        .set_global_opts(
            title_opts=opts.TitleOpts(title="财务效率"),
            legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
            #设置横纵坐标属性
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-20)),
            yaxis_opts=opts.AxisOpts(name="Percent",position="left",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))
        )
        .set_series_opts(
                    markpoint_opts=opts.MarkPointOpts(
                        data=[opts.MarkLineItem(name,coord=[finEff_df["comNm"].to_list()[-1],finEff_df["总资产周转率(次)_Totassrat"].to_list()[-1]])]
                    )
        )
)

 

finEffLine = (
    Line()
        .add_xaxis(finEff_df["comNm"].to_list(),)
        .add_yaxis("净资产负债率",finEff_df["净资产负债率(%)_NetAstLiaRt"].to_list(),
                label_opts=opts.LabelOpts(formatter="{@1}%"),yaxis_index=1,
                itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][1],opacity=1,),
                )  
        .add_yaxis("销售净利率",finEff_df["销售净利率(%)_Netprfrt"].to_list(),
                label_opts=opts.LabelOpts(is_show=False),yaxis_index=1,
                itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][0],opacity=8,),
                )  
        .set_global_opts(
            yaxis_opts=opts.AxisOpts("", position="right",
                                    name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),
                                    axislabel_opts=opts.LabelOpts(formatter="{value}%")),
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-20))
                        )
        .set_series_opts(
            label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
            linestyle_opts=opts.LineStyleOpts( width=2),
        )
)

finEff.overlap(finEffLine)
finEff.render_notebook()

 

 


 行业营收

 

# 取出所有公司 今年（行）的营收（列） ， 并排序（默认升序）
incmOpe_df = finData[finData.endDt==finData['endDt'].iloc[-1]][["comCd","营业收入(元)_Incmope"]].sort_values("营业收入(元)_Incmope",ascending=False)  #当年排序后的营收

# rolling(n).mean()求相邻n行数据的均值
y = [incmOpe_df["营业收入(元)_Incmope"].rolling(comNumber//5).mean().iloc[i*comNumber//5-1] for i in range(1,6)]
x = [f"行业排名{i*20}%-{i*20+20}%\n平均营收=" for i in range(5)]

# funnel的输入：二位列表[[text,index],[]…… ]
data = [[x[i]+str(y[i]//10000)+"w",i+1] for i in range(len(y))]   #index 1~5

incmOpe =(
    Funnel(init_opts=opts.InitOpts(width="900px", height="500px"))
    .add(
        series_name="平均营收",
        data_pair=data,
        gap=1,   #间隙设置
        tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} {c}"),
        sort_="ascending",  #正三角
        label_opts=opts.LabelOpts(is_show=True, position="inside"),   #标签显示位置
        itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=10),   #边框设置
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            pos_top='30%',   #标题距上边位置
            title=f"{year_lst[-1]}行业营收分析",
            subtitle=f"{name}={incmOpe_df[incmOpe_df.comCd == code]['营业收入(元)_Incmope'].iloc[-1]//10000}w"   #显示宁德时代数据
            )
        )
)
incmOpe.render_notebook()

 

 

 

 程序源代码



 

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar      #柱状图
from pyecharts.charts import Line     #折线图
from pyecharts.charts import Funnel   #漏斗图
from pyecharts.charts import Page
from pyecharts.globals import ThemeType
from pyecharts.charts import Grid
from pyecharts.commons.utils import JsCode

#数据读取和清洗

# 读取数据
finRatio = pd.read_excel('F:/1/所有公司财务比率.xls')
finIndex = pd.read_excel('F:/1/所有公司财务指标.xls')

# 修改列名 ： 由于两表中有相同字段的列名不同
# inplace = True 替换原df
finRatio.rename(columns={'上市公司代码_Comcd': 'comCd','最新公司全称_Lcomnm':'comNm','截止日期_Enddt':'endDt'},inplace=True)  
finIndex.rename(columns={'上市公司代码_Comcd':'comCd','最新公司全称_Lcomnm':'comNm','截止日期_EndDt':'endDt'},inplace=True)

# 将两个表合成一个
# 连接方式为inner，内连接：保留共有部分
# 连接字段为['comCd','comNm','endDt']
finData =  pd.merge(finRatio,finIndex, how='inner', on=['comCd','comNm','endDt'])
finData

 

# 数据清洗
# 去除所有含空值的行
finData.dropna(how='any',axis=0,inplace=True)  #1列

#去除数据不满五年的公司
for i in finData.comCd:
    if finData.comCd.to_list().count(i) != 5:   #使用列表count出现次数
        finData.drop(finData[finData.comCd == i].index, axis=0,inplace=True)  #删除行(0)

finData

finData.reset_index(inplace=True)  #去掉原索引
finData.drop("index",axis=1,inplace=True)    #设置新索引 0 ~ 5*n-1
finData

#选择公司名和公司代码

comNumber = int(len(finData)/5)  #行业公司总数
year_lst = list(finData.endDt.apply(lambda x:str(x)[:4]).unique())      #选取的五个年份
code = "C300750"       #本公司代码
name = "宁德时代"         #本公司名

# 2-L 偿债能力表  (修改：将双Y轴改为1个)
liability = (
        Line(init_opts=opts.InitOpts(width="700px", height="400px",))
        .add_xaxis(year_lst)
        .add_yaxis("净负债率",finData[finData.comCd == code]["净负债率(%)_NetLiaRt"].to_list())  
        .add_yaxis("净资产负债率", finData[finData.comCd == code]["净资产负债率(%)_NetAstLiaRt"].to_list())
        .add_yaxis("现金流动负债率",finData[finData.comCd == code]["现金流动负债比_OpeCcurdb"].to_list())  
        .set_global_opts(
            title_opts=opts.TitleOpts(title=name+"偿债能力表"),
            legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
            xaxis_opts=opts.AxisOpts(name="Year",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),
            yaxis_opts=opts.AxisOpts(name="Percent",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%")),
        )
        .set_series_opts(
            label_opts=opts.LabelOpts(formatter="{@[1]}%"),  #JsCode("function (params) {return params.value[1] + '%'}")
            linestyle_opts=opts.LineStyleOpts( width=2)
        )   # 连线样式配置
    )

liability.render_notebook()

#盈利能力表 3 -L
profit = Line(init_opts=opts.InitOpts(width="700px", height="400px",))
profit.add_xaxis(year_lst)
profit.add_yaxis("销售净利率",finData[finData.comCd == code]["销售净利率(%)_Netprfrt"].to_list())
profit.add_yaxis("销售毛利率", finData[finData.comCd == code]["销售毛利率(%)_Gincmrt"].to_list())
profit.add_yaxis("营业利润率",finData[finData.comCd == code]["营业利润率(%)_Opeprfrt"].to_list())

profit.set_global_opts(
    title_opts=opts.TitleOpts(title=name+"盈利能力表"),
    legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
    xaxis_opts=opts.AxisOpts(name="Year",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),
    yaxis_opts=opts.AxisOpts(name="Percent",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),
)

# 多个系列使用同一配置
profit.set_series_opts(
    label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
    linestyle_opts=opts.LineStyleOpts( width=2)
)

profit.render_notebook()

#4 - L 营运能力表
operate = Line(init_opts=opts.InitOpts(width="700px", height="400px")).set_global_opts(
        title_opts=opts.TitleOpts(title=name+"营运能力表"),  
        legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
        xaxis_opts=opts.AxisOpts(name="Year",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold')),
        yaxis_opts=opts.AxisOpts(name="Percent",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))   
)

operate.add_xaxis(year_lst)  
operate.add_yaxis("存货周转率",finData[finData.comCd == code]["存货周转率(次)_Invtrtrrat"].to_list())
operate.add_yaxis("总资产周转率",finData[finData.comCd == code]["总资产周转率(次)_Totassrat"].to_list())
# 多个系列使用同一配置
operate.set_series_opts(
        label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
        linestyle_opts=opts.LineStyleOpts( width=2),
)

operate.render_notebook()

 

def idstAna(df,idx,name,code):
    """
    指定某项index对行业进行分析
    name 本公司名
    code 本公司代码
    """
    comNumber = len(df)//5  #公司数量
    quartile = [int(i*comNumber) for i in [0.25,0.5,0.75]]   #四分位公司的排名
    idx_df = df[["comCd","comNm","endDt",idx]]    #只含该idx的df
    # cpns = idx_df[idx_df.endDt==idx_df['endDt'].iloc[-2]].sort_values(idx).iloc[quartile]["comCd"].to_list()
    cpns = idx_df[idx_df.endDt==idx_df['endDt'].iloc[-1]].sort_values(idx).iloc[quartile]["comCd"].to_list()   #找出本年四分位公司代码

    this_idxs = idx_df[idx_df["comCd"]== code][idx].to_list()  #本公司该idx所有数据 5年的
    this_idxs_change = [round((this_idxs[i]-this_idxs[i-1])*100/this_idxs[i-1],2) for i in range(1,len(this_idxs))]   #本公司变化率
    this_idxs_change.insert(0,0)   #第一年 变化率为0
    
    idx_ch = ""   
    for i in idx:   #提取指标中的中文名，也可使用正则表达式
        if("\u4e00"<i<"\u9fa5"):
            idx_ch +=i

    # 净利率行业对比
    idxBar = (
        Bar(init_opts=opts.InitOpts(width="700px", height="400px",theme= ThemeType.LIGHT ))#设置图表画布宽度
            .add_xaxis(list(df.endDt.apply(lambda x:str(x)[:4]).unique()))   #取出年份5年的
            .extend_axis(yaxis=opts.AxisOpts())  #多添加一个y轴
            .add_yaxis(f"行业25%", idx_df[idx_df["comCd"]== cpns[2]][idx].to_list(),   #使用公司代码找到近五年指标数据
                        label_opts=opts.LabelOpts(is_show=False) , yaxis_index=0, # 指定y轴，等于0时可以省略
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][0],opacity=.8,),)   #设置透明度，避免遮挡折线
            .add_yaxis(f"行业50%", idx_df[idx_df["comCd"]== cpns[1]][idx].to_list(),
                        label_opts=opts.LabelOpts(is_show=False), yaxis_index=0,
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][1],opacity=.8,),)
            .add_yaxis(f"行业75%", idx_df[idx_df["comCd"]== cpns[0]][idx].to_list(),
                        label_opts=opts.LabelOpts(is_show=False), yaxis_index=0,
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][2],opacity=.8,),)  
            .add_yaxis(name, this_idxs,
                        label_opts=opts.LabelOpts(formatter="{c}%"), yaxis_index=0,   
                        itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][3],opacity=.8,),
            )  

            .set_global_opts(
                title_opts=opts.TitleOpts(title=idx_ch+"\n行业对比"),
                legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
                #设置横纵坐标属性
                yaxis_opts=opts.AxisOpts(name="Percent",position="left",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))
            )
    )

    idxLine = (
        Line()
        .add_xaxis(list(df.endDt.apply(lambda x:str(x)[:4]).unique()))
        .add_yaxis(name+"增长率",this_idxs_change,
                label_opts=opts.LabelOpts(formatter="{@1}%"),yaxis_index=1, # 指定使用的Y轴 1
                 itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][19],opacity=1,),
                )  
        .set_global_opts(
            yaxis_opts=opts.AxisOpts(name=name+"增长率", position="right",
                                    name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),
                                    axislabel_opts=opts.LabelOpts(formatter="{value}%"))
        )
        .set_series_opts(   #设置所有系列
            label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
            linestyle_opts=opts.LineStyleOpts( width=2),
        )
    )

    idxBar.overlap(idxLine)
    return idxBar
netAstLia = idstAna(finData,'净资产负债率(%)_NetAstLiaRt',name,code)
netAstLia.render_notebook()

netPro = idstAna(finData,"销售净利率(%)_Netprfrt",name,code)
netPro.render_notebook()

assRat = idstAna(finData,"总资产周转率(次)_Totassrat",name,code)
assRat.render_notebook()

 

# 财务效率 行业状况 排名
quartile = [int(i*comNumber) for i in [0.2,0.4,0.6,0.8]]

# 选列：取今年的三项指标列数据
finEff_df = finData[["comCd","comNm","endDt",'销售净利率(%)_Netprfrt',"总资产周转率(次)_Totassrat","净资产负债率(%)_NetAstLiaRt"]][finData['endDt']==year_lst[-1]+"-12-31"]
# 选行： 取按照净利率排序后分位公司 concat 本公司
finEff_df = pd.concat([finEff_df.sort_values("销售净利率(%)_Netprfrt").iloc[quartile],finEff_df[finEff_df.comCd==code]])   #只包含5家公司

# 净利率行业对比
finEff = (
    Bar(init_opts=opts.InitOpts(width="700px", height="400px",theme= ThemeType.LIGHT ))#设置图表画布宽度
        .add_xaxis(finEff_df["comNm"].to_list(),)
        .extend_axis(yaxis=opts.AxisOpts()) #添加一个y轴
        .add_yaxis("总资产周转率", finEff_df["总资产周转率(次)_Totassrat"].to_list(),
                    label_opts=opts.LabelOpts(formatter="{@1}%") , yaxis_index=0,
                    itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][2],opacity=.7,),
                    
                    )  # 指定y轴，等于0时可以省  
        .set_global_opts(
            title_opts=opts.TitleOpts(title="财务效率"),
            legend_opts=opts.LegendOpts(textstyle_opts=opts.LabelOpts(font_weight='bold')),#设置图例属性
            #设置横纵坐标属性
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-20)),
            yaxis_opts=opts.AxisOpts(name="Percent",position="left",name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),axislabel_opts=opts.LabelOpts(formatter="{value}%"))
        )
        .set_series_opts(
                    markpoint_opts=opts.MarkPointOpts(
                        data=[opts.MarkLineItem(name,coord=[finEff_df["comNm"].to_list()[-1],finEff_df["总资产周转率(次)_Totassrat"].to_list()[-1]])]
                    )
        )
)

finEffLine = (
    Line()
        .add_xaxis(finEff_df["comNm"].to_list(),)
        .add_yaxis("净资产负债率",finEff_df["净资产负债率(%)_NetAstLiaRt"].to_list(),
                label_opts=opts.LabelOpts(formatter="{@1}%"),yaxis_index=1,
                itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][1],opacity=1,),
                )  
        .add_yaxis("销售净利率",finEff_df["销售净利率(%)_Netprfrt"].to_list(),
                label_opts=opts.LabelOpts(is_show=False),yaxis_index=1,
                itemstyle_opts=opts.ItemStyleOpts(color=operate.options['color'][0],opacity=8,),
                )  
        .set_global_opts(
            yaxis_opts=opts.AxisOpts("", position="right",
                                    name_textstyle_opts=opts.TextStyleOpts(font_weight='bold'),
                                    axislabel_opts=opts.LabelOpts(formatter="{value}%")),
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-20))
                        )
        .set_series_opts(
            label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '%'}")),
            linestyle_opts=opts.LineStyleOpts( width=2),
        )
)

finEff.overlap(finEffLine)
finEff.render_notebook()

# 取出所有公司 今年（行）的营收（列） ， 并排序（默认升序）
incmOpe_df = finData[finData.endDt==finData['endDt'].iloc[-1]][["comCd","营业收入(元)_Incmope"]].sort_values("营业收入(元)_Incmope",ascending=False)  #当年排序后的营收

# rolling(n).mean()求相邻n行数据的均值
y = [incmOpe_df["营业收入(元)_Incmope"].rolling(comNumber//5).mean().iloc[i*comNumber//5-1] for i in range(1,6)]
x = [f"行业排名{i*20}%-{i*20+20}%\n平均营收=" for i in range(5)]

# funnel的输入：二位列表[[text,index],[]…… ]
data = [[x[i]+str(y[i]//10000)+"w",i+1] for i in range(len(y))]   #index 1~5

incmOpe =(
    Funnel(init_opts=opts.InitOpts(width="900px", height="500px"))
    .add(
        series_name="平均营收",
        data_pair=data,
        gap=1,   #间隙设置
        tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} {c}"),
        sort_="ascending",  #正三角
        label_opts=opts.LabelOpts(is_show=True, position="inside"),   #标签显示位置
        itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=10),   #边框设置
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            pos_top='30%',   #标题距上边位置
            title=f"{year_lst[-1]}行业营收分析",
            subtitle=f"{name}={incmOpe_df[incmOpe_df.comCd == code]['营业收入(元)_Incmope'].iloc[-1]//10000}w"   #显示宁德时代数据
            )
        )
)
incmOpe.render_notebook()

# page 初始化，布局
page = Page(layout=opts.PageLayoutOpts(justify_content='center',display="flex", flex_wrap="wrap"))    # 简单布局：居中显示  
# 将上面定义好的图添加到 page
page.add(
    expense,netAstLia,liability,netPro,profit,assRat,operate,finEff,
    incmOpe
)
# 保存结果
page.render(f"F:/1/{name}公司财务指标分析表.html")

 

 

 

四、总结

 在做本次课程设计的过程中，我感触最深的当属查阅大量的设计资料了。为了让自己的设计更加完善，查阅这方面的设计资料是十分必要的，同时也是必不可少的。其次，在这次课程设计中，我们运用到了以前所学的专业课知识，学习的过程中带着问题去学我发现效率很高，这是我做这次课程设计的一大收获。



 

 

 

标签：数据分析,name,idx,为例,df,宁德,finData,comCd,opts
From： https://www.cnblogs.com/sss52/p/16999544.html

相关文章

  • 如何学习数据分析，分享我的一些心得
    大家好，我是梦想家Alex~相信大家基本都来自于数据领域的各个方向，对学习数据分析呢都多多少少有自己的一些心得！这几年，“数据分析”是很火啊，在这个数据驱动一切的时代，数据挖......
  • 常见的数据分析师的面试问题 完整文件放在GitHub链接上了！！！擅用crtl + F
    文章目录​​前言​​​​1.常见的数据分析师的面试问题​​​​1.1基础知识考查​​​​**1.1.1概率论与数理统计:**​​​​(1)用简洁的话语简述**随机变量**的含义。​......
  • Stitching模块中对特征提取的封装解析（以ORB特性为例）
    titching模块中对特征提取的封装解析（以ORB特性为例）   OpenCV中Stitching模块（图像拼接模块）的拼接过程可以用PipeLine来进行描述，是一个比较复杂的过程。在这......
  • 大数据分析——近两年全国各个省份GDP
    一、选题的背景介绍本课题是对中国近两年各个省份GDP值的研究分析。在过去的2020，2021年中，由于疫情的影响，我国的经济发展遭受了严重的阻力，国民收入减少导致在外各个行业都......
  • 大数据分析——能源产量可视化分析
    一、选题的背景介绍（15分）可持续发展是当今社会发展的重要课题，开发利用清洁能源，减低化石能源消耗，是平衡经济增长、社会发展和节能减排之间矛盾和制约的重要途径，从社会方面分......
  • 大数据分析——保险推销用户行为分析
    保险推销用户行为分析一、选题的背景当今社会时代下，人们生活中有时遇到一些意外事故，比如车祸，伤病等，而随之发展起来针对这些意外事故做保护的各种保险产业，应运而生。保险......
  • 乐高玩具数据分析
    一、选题的背景（1）为什么要选择此选题？ 乐高是一个很受欢迎的玩具积木品牌，它们通常是成套出售的，用来制作特定的物品，每一套都包含许多不同形状、大小和颜色的零件。它是......
  • 大数据分析——电影大热榜
    大数据分析——电影大热榜一、选题的背景随着国家的富强，人们的生活水平也得到提升。在茶余饭后现在人们都喜欢在视频软件上追剧看电影。来打法时间。“爱奇艺”是当下热......
  • Python爬虫——豆果美食菜谱爬取及数据分析
    一、选题的背景中国文化，博大精深，中国美食，也是数不胜数，在我国，不同地域的人，吃的美食也不相同，中国菜系我们统分为川菜、粤菜、东北菜、湘菜、鲁菜、浙菜、湖北菜和清真菜。通......
  • Python网络爬虫——福州小区信息的抓取与数据分析
    一、选题的背景为了能够充分了解福州当地小区的房价信息，并能够充分了解小区的位置，为每个人不同的需求，选择不同价位的房源，并通过其成交量进行参考和选择，以及剩余量爬取的信......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99