1. 实验介绍
1.1. 实验目的
本实验主要介绍企业资产指标的爬取与可视化。基于网络爬虫,爬取企业连续5年的企业资产关键财务指标,通过饼图、柱状图、折线图等对相关指标进行可视化展示。
1.2. 知识点
•企业资产介绍
•财务分析方法
•企业资产数据爬取
•企业资产数据展示
2. 企业资产介绍
企业的资产包括流动资产、固定资产、无形资产、股东权益等等,本次给大家介绍企业资产的数据爬取与分析。
**
3. 财务分析方法
**
首先,给大家介绍财务分析常用的方法。
•趋势分析法
通过对比两期或连续数期财务报告中的相同指标,确定其增减变动的方向、数额和幅度。
•比较分析法
具体运用主要有重要财务指标的比较、会计报表的比较和会计报表项目构成的比较三种方式。
•比率分析法
利用财务报表中两项相关数值的比率揭示企业财务状况和经营成果。
•因素分析法
确定几个相互联系的因素对分析对象综合财务指标或经济指标的影响程度。
**
4. Python 企业资产财务数据爬取
**
4.1. 模块引入
import tushare as ts
import matplotlib.pyplot as plt
import numpy as np
分别引入了财务模块、可视化模块与计算科学模块。
4.2. 参数定义
scode ='300114'
timelist=[2010,2011,2012,2013,2014]
year1=2010
year2=2011
year3=2012
year4=2013
year5=2014
定义企业代码‘300114’,时间年限为连续的5年,2010到2014年。这些参数是可以修改的。
4.3. 数据爬取
通过引入 ‘ts.getstockbasics()’ 包,抓取各项财务数据,这里不对财务指标进行介绍,下面会进行分类统计。
#请求财务数据接口
stock_basics = ts.get_stock_basics()
#按照特定的‘scode’企业代码获取财务数据
stock__basics = stock_basics[stock_basics.index == scode]
#获取企业信息,包括名称、行业地区等。
name = str(stock__basics.name[stock__basics.index == scode])
industry = str(stock__basics.industry[stock__basics.index == scode])
area = str(stock__basics.area[stock__basics.index == scode])
pe = float(stock__basics.pe[stock__basics.index == scode])
pb = float(stock__basics.pb[stock__basics.index == scode])
#获取企业流动资产、固定资产、总资产数据
liquidasset = float(stock__basics.liquidAssets[stock__basics.index == scode])
fixedasset = float(stock__basics.fixedAssets[stock__basics.index == scode])
totalasset = float(stock__basics.totalAssets[stock__basics.index == scode])
#获取企业所有者权益数据
outstanding = float(stock__basics.outstanding[stock__basics.index == scode])
totals = float(stock__basics.totals[stock__basics.index == scode])
#获取企业每股收益、每股帐面价值、每股公积金、每股未分配等数据
esp = float(stock__basics.esp[stock__basics.index == scode])
bvps = float(stock__basics.bvps[stock__basics.index == scode])
reservedpershare = float(stock__basics.reservedPerShare[stock__basics.index == scode])
perundp = float(stock__basics.perundp[stock__basics.index == scode])
5. Python 企业资产财务状况展示
5.1. 资产占比图
具体代码如下:
plt.figure(figsize=(12, 6))
# 资产状况饼图
plt.subplot(131)
labels_asset = 'liquid asset', 'fixed asset'
sizes_asset = liquidasset, fixedasset
colors_asset = 'yellowgreen', 'gold'
plt.axis('equal')
plt.pie(sizes_asset, explode=None, labels=labels_asset, colors=colors_asset, autopct='%1.1f%%', shadow=True,
startangle=50)
plt.title('Asset situation')
输出结果:
流动资产占比79.5%,固定资产占比20.5%,是个科技型上市公司,资产以流动资产为主。
5.2. 股本状况占比
具体代码如下:
# 股本状况饼图
plt.subplot(132)
labels_share = 'outstanding', 'totals'
sizes_share = outstanding, totals
colors_share = 'yellowgreen', 'gold'
plt.axis('equal')
plt.pie(sizes_share, explode=None, labels=labels_share, colors=colors_share, autopct='%1.1f%%', shadow=True,startangle=50)
plt.title('Equity situation')
输出结果:
全部的股本都为优质股,优质股与全部股本的比例是1:1。
5.3. 每股资产柱状图
具体代码如下:
# 每股净资,每股未分配利润
plt.subplot(133)
ind = np.arange(2)
numlist = [bvps, perundp]
plt.bar(ind, numlist)
plt.xlabel('DATA PS')
plt.ylabel('YUAN')
plt.title('NA&UNDNI PS')
plt.xticks(ind, ('NAPS', 'UNDNIPS'))
for a, b in zip(ind, numlist):
plt.text(a, b + 0.05, '%.2f' % b, ha='center', va='bottom', fontsize=7)
plt.show()
输出结果如下:
每股净资为2.71,每股未分配利润1.29。由于没有行业对比,我们得不到结论。
5.4. 最终结果
最终结果如下:
**
6. 学习总结
**
经过本实验,我们主要掌握了企业资产指标的爬取与可视化。我们爬取并展示了企业的资产占比、股本状况与每股资产情况。
想获取更多内容,请关注海数据实验室公众号。
本期分享到这里,我们会每天更新内容,咱们下期再见,期待您的再次光临。有什么建议,比如想了解的知识、内容中的问题、想要的资料、下次分享的内容、学习遇到的问题等,请在下方留言。如果喜欢请关注。