python 和vba在财务上_Excel,VBA太烦！PowerBI太贵！可以用Python处理公司财务数据并实现可视化吗？...

内容首发

乐学偶得(http://lexueoude.com) 公众号： 乐学Fintech

用代码理解分析解决金融问题

0.想法：本地架设服务汇总

不少小伙伴非常感兴趣，这次我们继续以我们之前推送的知识点与相关技术为基础，架设一个本地服务。

只要利用这个原理，甚至可以展示足够多的自定义数据，构建免费的类似Power BI的“总裁仪表盘”，将所有数据汇总实时监控，运筹帷幄～

Let's Rock!

1.技术选取

本地架设服务的方式非常多，我们这里跟大家介绍一个非常漂亮的库：plotly的dash，这个库文档非常详细，大家如果有兴趣可以专门钻研深挖，有很多可玩的地方：https://dash.plotly.com/installation

比如可以与Flask网站App开发结合起来：

做NLP自然语言分析与处理的App与可视化展示：

做机器学习的可视化调参与展示：

做在线图像识别服务的App：

做金融、财务等时间序列数据分析的展示：

做音波分析的，语言识别服务：

不错，咱们就选这个！

2.项目设计

我们先从一个最简单的小项目开始，App非常简单——建立一个非常基本的仪表盘，我们输入一个公司的股票 ，App会自动获取这个股票的关键金融与财务数据(比如收入与净利润)，然后本地以条形图的方式显示公司收入和净利润。

3.兵分两路之一：1.实现前端展示

我们首先来搞定前端的页面展示，我们可以充分利用Dash中的各种功能：

import dash

import dash_core_components as dcc

import dash_html_components as html

from dash.dependencies import Input, Output

这个库的逻辑非常简单，就是一个是Input，一个是Output，

Input是用户在前端输入的内容，我们把这些数据传到Python后端的函数处理。

Output是返回的以HTML形式展示的前端输出。

4.兵分两路之一：2.构建App

接下来我们就可以构建App了：

import requests

import plotly.graph_objects as go

导入必要库，并创建HTML前端展示的“模板”

app.layout = html.Div([

html.H1('Financial Dashboard'),

html.Div([

dcc.Input(id='company_selection',value='AAPL'),

html.H3(id='text'),

dcc.Graph(id ='revenue'),

dcc.Graph(id ='netincome'),

],style= {'padding':10})

])

5.兵分两路之二：实现后端功能

接下来我们就开始实现获取数据，数据处理与传给前端的功能方面。

注意到我们在下面代码中使用了app.callback()装饰器，以将输入和输出链接到我们的Dash布局组件。

我们先绘制一段时间内的公司收入：

@app.callback(Output('revenue','figure'),

[Input('company_selection','value')])

def retrieve_revenue(company):

demo = 'your api key'

stock = company

print(stock)

IS = requests.get(f'https://financialmodelingprep.com/api/v3/financials/income-statement/{company}?apikey={demo}')

IS = IS.json()

IS = IS['financials']

Revenues = []

Dates = []

count = 0

for item in IS:

Revenues.append(float(IS[count]['Revenue']))

Dates.append(IS[count]['date'])

count += 1

print(Revenues)

datapoints = {'data': [go.Bar(x=Dates, y=Revenues)],'layout': dict(xaxis={'title':'Date'},

yaxis={'title':'Revenue'},

)}

return datapoints

以上代码稍作修改，我们就可以获得净利润(或者你感兴趣的任意公司财务数据)

@app.callback(Output('netincome','figure'),

[Input('company_selection','value')])

def retrieve_revenue(company):

demo = 'your api key'

stock = company

IS = requests.get(f'https://financialmodelingprep.com/api/v3/financials/income-statement/{company}?apikey={demo}')

IS = IS.json()

IS = IS['financials']

Revenues = []

Dates = []

count = 0

for item in IS:

Revenues.append(float(IS[count]['Net Income']))

Dates.append(IS[count]['date'])

count += 1

datapoints = {'data': [go.Bar(x=Dates, y=Revenues,marker_color='lightsalmon',name='Net Income')],

'layout': dict(xaxis={'title':'Date'},

yaxis={'title':'Net Income'},

)}

return datapoints

6.两军汇总，前后端连接

我们接下来只需要将前后的Input与Output连接在一起就可以了

@app.callback(

Output(component_id='text', component_property='children'),

[Input(component_id='company_selection', component_property='value')]

)

def update_output_div(input_value):

return 'Displaying Data for "{}"'.format(input_value)

7.启动！大功告成！

我们只需要加一个小尾巴，这个程序就可以作为本地服务跑起来咯～

if __name__ == '__main__':

app.run_server(debug=True)

打开浏览器，访问～

输入任意上市公司代号，就可以在本地将感兴趣的数据可视化展示咯～

首发

乐学偶得 公众号： 乐学Fintech

用代码理解分析解决金融问题