Python大數(shù)據(jù)財務分析 課件 5.財務趨勢分析

第五章財務趨勢分析《Python大數(shù)據(jù)財務分析》配套課件2024/9/12目錄015.1趨勢分析數(shù)據(jù)預處理020403第五章財務趨勢分析5.2財務趨勢--盈利能力分析5.3財務趨勢--其他能力分析5.4趨勢分析綜合評分055.5同業(yè)比較--盈利能力比較06075.6同業(yè)比較--其他能力比較5.7同業(yè)分析綜合評分在上一章，我們介紹了利用Python計算上市公司的財務比率（靜態(tài)分析），但我們只得到了數(shù)字，并沒有進一步地進行分析。要對比率進行分析，就需要一個比較的標準，這樣的標準可以是該公司以往的數(shù)值，也可以是同行業(yè)的相關數(shù)值。根據(jù)這兩種標準進行財務分析，就分別稱為趨勢分析和同業(yè)分析，本章都將逐步介紹如何通過Python進行趨勢分析和同業(yè)分析。本章首先將在得到的財務比率表的基礎上，介紹利用Python實現(xiàn)財務趨勢分析，以更客觀地對企業(yè)財務數(shù)據(jù)進行評價。趨勢分析主要通過畫圖的方式，可視化地展現(xiàn)各財務比率的時間趨勢變化，判斷該企業(yè)各項能力的變化。引言5.1趨勢分析數(shù)據(jù)預處理首先我們讀取上一章所讀取到的貴州茅臺的“財務比率表”，并進行數(shù)據(jù)處理：#讀取并處理財務比率表數(shù)據(jù)df_ratio=pd.read_excel('貴州茅臺.xlsx',sheet_name='財務比率表')df_ratio=df_ratio.rename(columns={'Unnamed:0':'報告期'})#第一列索引列的列名是unnamed:0,這里換成報告期df_ratio=df_ratio.set_index('報告期')#設置報告期那一列為行索引

#轉置表格df_ratio=df_ratio.T#逆序排列data=df_ratio[::-1]#把inf（無限大）替換為0data[np.isinf(data)]=0data5.1趨勢分析數(shù)據(jù)預處理注意由于后面需要畫圖，因此最好讓數(shù)據(jù)按年份從小到大地排列，因此用到了逆序的操作。另外還需要把某些為inf（無限大）的值替換為0，避免無法畫圖。此時讀取表格如表所示：5.2財務趨勢--盈利能力分析首先來看盈利能力，這幾個指標仍然沿用上一章，但不同的是，上一章我們僅僅計算了各年的指標數(shù)字，而這個表現(xiàn)到底是出色還是平平，我們無從下手分析，綜合往年數(shù)據(jù)之后局勢將變得明朗起來。為了是趨勢分析更加直觀，我們在本章對每個指標還都畫出一張圖來顯示趨勢的變動。5.2.1毛利率與上一章不同的是，我們的結果不止一行，end_date這一列終于有了信息含量。接下來我們畫一張圖來可視化這一結果，主要用到matplotlib包：其中第一行導入模塊，第二行設置目標年份，第三行畫圖，傳入的第一個參數(shù)作為x，第二個參數(shù)作為y，第三個參數(shù)label規(guī)定圖例，第四行規(guī)定圖例的位置為左上，第五行輸出圖片。毛利率在2017年下降了，因為毛利率反映的是毛利占營業(yè)收入的比重，這一年下降可能是營業(yè)成本上升，也可能是營業(yè)收入下降，或者二者兼有。5.2.1毛利率接下來是營業(yè)利潤率：結果如圖：5.2.2營業(yè)利潤率扣除了三費和其他費用之后，2017年的營業(yè)利潤率反而是增長的，這可能是因為2016年三費很高，而2017年三費有所下降，這一信息是毛利率所無法體現(xiàn)的，這也是為什么企業(yè)的能力不能完全由一個指標所概括。

然后是凈利潤率：結果如圖：5.2.3凈利潤率貴州茅臺2017年凈利潤率的增長幅度似乎要大于營業(yè)利潤率，可見考慮了所得稅之后盈利能力又有所不同，這告訴我們一定要綜合多個指標對企業(yè)的能力進行評估。關于凈資產收益率的基本概念上一章已經(jīng)有所提及，這里不再贅述，上一章其實已經(jīng)按加權平均法計算好了，這里直接取用即可。得到的結果如圖:從這張圖可以看出貴州茅臺的凈資產收益率從2016到2017年經(jīng)歷了一個大幅上升，而在2019年略有下降。5.2.4凈資產收益率(ROE)目錄016.1盈利能力分析0204035.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）6.2運營能力分析6.3償債能力分析6.4成長能力分析056.5趨勢分析綜合評分5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）與上一節(jié)相同，由于運營能力相關的比率需要用到年度平均值，即分析2016年~2019年的趨勢也需要用到2015年的數(shù)據(jù)，故需要讀取2015年的三張報表的數(shù)據(jù)。例如存貨周轉率的分母是存貨的年度平均值，2016年的存貨平均值需要2016年期初余額（即2015年期余額）和2016年期末余額。#第一部分：運營能力分析#①存貨周轉率plt.plot(years,data['存貨周轉率'],label='存貨周轉率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()#②總資產周轉率plt.plot(years,data['總資產周轉率'],label='總資產周轉率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()#③應收賬款周轉率plt.plot(years,data['應收賬款周轉率'],label='應收賬款周轉率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()1.運營能力分析5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）繪制結果：5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）#第二部分：償債能力分析#①流動比率plt.plot(years,data['流動比率'],label='流動比率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()②速動比率plt.plot(years,data['速動比率'],label='速動比率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()#③利息保障倍數(shù)plt.plot(years,data['利息保障倍數(shù)'],label='利息保障倍數(shù)')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()2.償債能力分析5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）繪制結果：貴州茅臺的償債能力一直都很強，這與它的行業(yè)地位和品牌形象有關，從這三個指標的趨勢可以看出來近幾年的償債能力仍在不斷上升，這對投資者來說是一個很有意義的信息，投資者可以利用這一基本面分析的結果對企業(yè)的未來展開合理預測，從而進行理性科學的投資。而這一信息從靜態(tài)分析中是無法得到的。5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）#第三部分：成長能力分析。#①營收增長率：結果如圖5-11。plt.plot(years,data['營業(yè)收入增長率'],label='營業(yè)收入增長率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()#②營業(yè)利潤增長率：結果如圖5-12。plt.plot(years,data['營業(yè)利潤增長率'],label='營業(yè)利潤增長率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()#③凈利潤增長率：結果如圖5-13：plt.plot(years,data['凈利潤增長率'],label='凈利潤增長率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()3.成長能力分析成長能力指標本身就是跨期間的增長率指標，那么多年間的比較即便是有下降，也并不意味著該指標是負數(shù)，比如營收是否在下降應該關注該值是否為負，而趨勢分析中比較的是增長幅度是否有所下降。在這里提醒讀者對財務指標的意義和數(shù)學含義予以關注，避免掉入數(shù)據(jù)分析的陷阱。5.3

財務趨勢--其他能力分析（運營能力、償債能力、成長能力）繪制結果：與償債能力相似，貴州茅臺的這三個指標趨勢也非常類似。5.4

趨勢分析綜合評分接下來我們可以嘗試把所有指標進行綜合分析，得到一個對公司財務指標的趨勢綜合評分。實現(xiàn)該操作后，我們便可以推廣到對多家公司進行批量評分，并按評分排序，篩選出在趨勢分析中表現(xiàn)最好的公司。然而，對指標評分的標準是一個較為主觀的問題，不同的分析師或投資者對此有不同的標準，因此以下僅提供一種實現(xiàn)評分篩選的思路，而非提供正確答案。5.4

趨勢分析綜合評分對于一些越大越好的指標（毛利率、存貨周轉率等），我們希望它每年都比上一年更高，這說明公司在不斷變好，因此在對這些指標進行打分的時候，我們可以用這樣的規(guī)則：某年的指標相較上一年增長則加1分，否則0分。那么現(xiàn)在我們擁有5年的數(shù)據(jù)，一個指標的最高分就是4分，以茅臺的毛利率為例，只有2018年和2019年是較上期增長的，因此毛利率的指標上獲得2分。但是像流動比率、速動比率等，指標越大并不一定越好，雖然越大說明企業(yè)短期償債能力越好，但過高的比率可能代表了企業(yè)有大量的現(xiàn)金閑置，導致企業(yè)短期資金利用效率較差，會降低企業(yè)的獲利能力。因此一般來說流動比率維持在2左右，速動比率維持在1左右是比較合適的。但在本節(jié)綜合評分中我們?yōu)榱撕啽銜翰豢紤]該指標的合適范圍，假設該指標越大越好。最后對每個指標打好分之后，可以對分數(shù)進行標準化為100分，例如剛剛毛利率指標得分為2分，標準化為100分的話就是50分。5.4

趨勢分析綜合評分接下來對每個指標進行評分，首先創(chuàng)建一個空列表用于存放每個指標對應的分數(shù)：scores=[]接下來依次對每個指標進行評分，需要用到for循環(huán)以及if判斷：foriinrange(len(data.T)):n=0forjinrange(len(data)-1):#遍歷除最后一行的所有行

ifnp.isinf(data.iloc[j,i])==True:n=n+1elifdata.iloc[j,i]>data.iloc[j+1,i]:n=n+1#分數(shù)標準化為100分

n=n/4*100scores.append(n)由于茅臺17-19年沒有應收賬款，應收賬款出現(xiàn)inf（無窮大）的情況，無法直接比較大小，通過isinf()函數(shù)先判斷了該指標是否為inf，若為inf說明可能是不存在應收賬款，我們認為這是一個好的表現(xiàn)，因此加分。然后再通過elif進行2次判斷，看看當年的數(shù)值是否高于上一年的數(shù)值，最終將分數(shù)轉為百分制，并添加到socres列表中。5.4

趨勢分析綜合評分得到如下的scores分數(shù)列表：[50.0,

50.0,

75.0,

50.0,

100.0,

50.0,

100.0,

75.0,

75.0,

75.0,

50.0,

50.0,

50.0]把該列表添加到財務比率表中，并保存該評分表：score_sheet=data.Tscore_sheet['評分']=scoresscore_sheet.to_excel('貴州茅臺_趨勢評分表.xlsx')print(score_sheet)5.4

趨勢分析綜合評分最后計算總得分（假設每個指標權重一樣），即各指標得分的平均值：打印trend_score得到總分為：注意：這里得出的總分是求各方面得分的平均值，相當于默認每個指標在重要性上是相等的（權重相等），但這其實是不嚴謹?shù)?，針對不同行業(yè)或者不同發(fā)展階段的公司，某些指標總比其他指標來得更重要，這就需要評分者對各個指標的權重有深刻的理解，如果能利用專業(yè)知識和經(jīng)驗設置一個更為合理科學的權重，那么結果也就自然會更加準確。5.5同業(yè)比較--盈利能力比較下面將介紹如何通過Python實現(xiàn)簡單的同業(yè)比較和可視化呈現(xiàn)。這里拿貴州茅臺2020年的財務數(shù)據(jù)為例，主要分析其在白酒行業(yè)中的表現(xiàn)，首先讀取白酒行業(yè)相關數(shù)據(jù)，代碼如下：打印data：英文表頭中文含義Ts_code公司代碼及所屬交易所n_income_attr_p報告期歸母凈利潤total_hldr_eqy_exp_min_int報告期期末歸母凈資產n_income凈利潤revenue營業(yè)收入盈利能力中選取凈資產收益率和銷售凈利率兩個指標，可視化方法主要選取同業(yè)直觀比較和同業(yè)統(tǒng)計量分析兩種思路。5.5.1凈資產收益率與趨勢分析相似，我們在這里的重點不在于指標本身，所以我們不計算加權平均ROE，而是選用計算更簡便的全面攤薄ROE（報告期歸母凈利潤

/報告期期末歸母凈資產）：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income_attr_p']/data.loc[com,'total_hldr_eqy_exp_min_int'],4)print(table)table=table.T.sort_values(0,ascending=False).T#若對這行代碼不太理解，可以把它逐個拆解打印看看plt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='凈資產收益率（roe）')plt.legend(loc='upperright')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()Line1:建立一個只有一行的DataFrame，注意DataFrame傳入的index必須是一個列表，所以這里的range(1)也可以寫成[0]。Line2:開始對數(shù)據(jù)源的行數(shù)遍歷Line3:等式左邊是要寫入的位置，即table表第一行，data.loc[com,‘name’]的意思是數(shù)據(jù)源中該行‘name’列的取值，即該股票名稱；等式右邊是我們熟悉的計算公式，采用了表格定位的方法，規(guī)定了表格的某一行，最外層嵌套了一個取小數(shù)位數(shù)的函數(shù)。5.5.1凈資產收益率與趨勢分析相似，我們在這里的重點不在于指標本身，所以我們不計算加權平均ROE，而是選用計算更簡便的全面攤薄ROE（報告期歸母凈利潤

/報告期期末歸母凈資產）：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income_attr_p']/data.loc[com,'total_hldr_eqy_exp_min_int'],4)print(table)table=table.T.sort_values(0,ascending=False).T#若對這行代碼不太理解，可以把它逐個拆解打印看看plt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='凈資產收益率（roe）')plt.legend(loc='upperright')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()Line4:打印一下數(shù)據(jù)，此時數(shù)據(jù)比較亂，需先排序。Line5:首先把表格轉置，才能用sort_values函數(shù)排序，規(guī)定降序，最后再把它轉置回來，得到這樣的表格Line6:開始繪圖，設置圖片大小，以免x軸公司名稱過于擁擠。Line7:用到matplotlib包，只不過進行同業(yè)比較一般采用柱狀圖，對應著bar方法，x是table表的列名，即公司名稱，y是table表的第一行，即取值。Line8:設置圖例位置。Line9:坐標軸指定x軸取值顯示傾斜45度角.5.5.1凈資產收益率這樣我們就能稍微直觀地看到貴州茅臺在同行業(yè)中間的表現(xiàn)了，可以看到水井坊位列第一，貴州茅臺還是處于行業(yè)領先地位的（第三），而天佑德酒（原名：青青稞酒）是2020年唯一ROE為負數(shù)的。5.5.1凈資產收益率為了更專業(yè)地體現(xiàn)統(tǒng)計意義上的水平，我們table表進行統(tǒng)計并可視化：des_table=table.T.describe().Tdes_table['貴州茅臺']=table['貴州茅臺']plt.bar(des_table.columns[1:],des_table.loc[0][1:],label='凈資產收益率（roe）')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.show()建立一張des_table表來儲存結果，第一行有兩個轉置，有的讀者可能會撓頭質疑其必要性，其實是因為python中的describe函數(shù)默認都是對列進行處理的，所以我們需要先做轉換再換回來。第二行把貴州茅臺的值加入結果表中。5.5.1凈資產收益率輸出如圖:可以看到雖然與最大值有差距，但是也高于上四分位數(shù)，屬于龍頭企業(yè)了。5.5.2凈利潤率同理，可以嘗試理解如下代碼：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income']/data.loc[com,'revenue'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='銷售凈利率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.5.2凈利潤率輸出如圖：5.5.2凈利潤率與凈資產收益率相比，貴州茅臺的凈利潤率在同業(yè)中的表現(xiàn)更加突出，我們再看看統(tǒng)計結果，如圖:5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）這一小節(jié)對運營能力、償債能力、成長能力進行同業(yè)比較：本節(jié)用到的英文表頭含義如下：英文表頭中文含義Ts_code公司代碼及所屬交易所n_income_attr_p報告期歸母凈利潤n_income凈利潤revenue營業(yè)收入oper_cost營業(yè)成本（銷貨成本inventories平均存貨余額total_assets總資產total_cur_assets流動資產合計total_cur_liab流動負債合計5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#第一部分：運營能力比較。運營能力我們選取存貨周轉率和總資產周轉率兩個指標。 #讀取同行業(yè)股票代碼com_data=pd.read_excel('com_data.xlsx')bj_com=com_data[com_data['industry']=='白酒']bj_list=bj_com['ts_code'].tolist()#①

存貨周轉率：如圖5-21#在計算上其方法和之前計算凈利潤率也有所不同（因為存貨周轉率的分母用到了期初和期末的存貨），所以需要調取期初和期末的數(shù)據(jù)，代碼如下：table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round(data[data['ts_code']==com]['oper_cost']*2/(data[data['ts_code']==com]['inventories']+data_2019[data_2019['ts_code']==com]['inventories']),4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='存貨周轉率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#②總資產周轉率：如圖5-22table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round(data[data['ts_code']==com]['revenue']*2/(data[data['ts_code']==com]['total_assets']+data_2019[data_2019['ts_code']==com]['total_assets']),4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='總資產周轉率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）輸出結果：總資產周轉率的表現(xiàn)也不太好，位于行業(yè)中位數(shù)附近，看來2020年運營能力相較于行業(yè)一般。5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#第二部分：償債能力比較。償債能力我們選取流動比率和速動比率，由于用到的數(shù)據(jù)只是2019年的，所以計算邏輯與盈利能力相似，讀者同樣可以自行訓練，并對照下述代碼：#①流動比率：結果如圖5-23

table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'total_cur_assets']/data.loc[com,'total_cur_liab'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='流動比率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#②速動比率：結果如圖5-24table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round((data.loc[com,'total_cur_assets']-data.loc[com,'inventories'])/data.loc[com,'total_cur_liab'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='速動比率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）輸出結果：貴州茅臺的流動比率很高，排在行業(yè)第一。相比于流動比率，貴州茅臺的速動比率在同行業(yè)的優(yōu)勢略差一點，處于行業(yè)第二，可以體現(xiàn)出貴州茅臺極低的風險水平，實際上，貴州茅臺的償債能力在整個股市也是數(shù)一數(shù)二的。5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#第三部分：成長能力比較。成長能力選取營收增長率和凈資本增長率，計算邏輯與運營能力相似。#①營收增長率：結果如圖5-25table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round((data[data['ts_code']==com]['revenue']-data_2019[data_2019['ts_code']==com]['revenue'])/data_2019[data_2019['ts_code']==com]['revenue'],4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='營收增長率')plt.legend(loc='upperleft')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）匯總代碼如下：#②凈利潤增長率：結果如圖5-26table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round((data[data['ts_code']==com]['n_income_attr_p']-data_2019[data_2019['ts_code']==com]['n_income_attr_p'])/data_2019[data_2019['ts_code']==com]['n_income_attr_p'],4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設置下圖片大小，不然有點擠plt.bar(table.columns,table.loc[0],label='凈利潤增長率')plt.legend(loc='upperright')#設置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）輸出結果：營收增長率貴州茅臺處在行業(yè)上四分位數(shù)水平，可以看出全行業(yè)的營收增長率差別還是很大的。凈利潤增長率上全行業(yè)差別也很大，主要是青青稞酒又一次影響了行業(yè)水平，可以看到貴州茅臺還是處于行業(yè)上四分位數(shù)附近的，說明增長速度處于領先地位。5.6同業(yè)比較--其他能力比較（運營能力、償債能力、成長能力）本節(jié)從數(shù)據(jù)讀取、數(shù)據(jù)處理、可視化等方面簡單介紹了如何利用Python實現(xiàn)簡單的財務同業(yè)比較。在同業(yè)分析中應重點注意可視化方式的選?。ㄒ话氵x用柱狀圖）、特殊企業(yè)的影響（可以考慮剔除）以及統(tǒng)計量的選?。ū热绫菊鲁砷L能力部分平均值不再奏效，中位數(shù)更有意義）。5.7同業(yè)分析綜合評分以白酒行業(yè)為例，該行業(yè)共有20家上市公司。我們可以用這樣的標準：該指標處于同業(yè)前25%，打100分；該指標處于同業(yè)50%~75%之間，打75分；該指標處于同業(yè)25%~50%之間，打50分；該指標在同業(yè)后25%，得0分。首先，讀取本書提供的相關數(shù)據(jù)，計算這些公司的“財務比率表”中各項指標的5年均值，并把所有同行業(yè)公司的數(shù)據(jù)保存在一張表格中，代碼如下：#導入相關庫importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt

#讀取同行業(yè)股票代碼com_data=pd.read_excel('com_data2.xlsx')bj_com=com_data[com_data['industry']=='白酒']bj_code=bj_com['ts_code'].tolist()bj_name=bj_com['name'].tolist()5.7同業(yè)分析綜合評分#制作匯總表ratio_ind=pd.DataFrame()fornameinbj_name:#讀取財務比率表數(shù)據(jù)，這部分內容不熟悉的可以復習下上一章

df_ra