Şirket içi analiz için oranları görselleştirme

Python ile Finansal Tabloları Analiz Etme

Rohan Chatterjee

Risk modeler

Finansal oranları görselleştirme

Çubuk grafikler şunlar için faydalıdır:
- bir şirketin ortalama finansal oranlarını görselleştirmek ve
- sektör ortalamasına göre performansı değerlendirmek

Bu görsel, Google’ın finansal oranlarını teknoloji sektörünün ortalamasıyla karşılaştıran bir çubuk grafiği gösterir.

Grafik için verileri hazırlama

Şirket bazında oranların ortalamasını hesaplamak için pivot_table kullanma:

avg_company_ratio = plot_dat.pivot_table(index=["comp_type",
                                                "company"],
                      values=["Gross Margin", "Operating Margin",
                              "Debt-to-equity", "Equity Multiplier"],
                                        aggfunc="mean").reset_index()

print(avg_company_ratio.head())

Bu görsel, avg_company_ratio DataFrame’inin ilk beş satırını gösterir. İlgili sütunlar brüt ve faaliyet marjıdır. Bu sütunlar, çeşitli şirketler için bu oranların ortalamasını gösterir.

Grafik için verileri hazırlama

Sektör bazında ortalama oranı hesaplamak için pivot_table kullanın:

avg_industry_ratio = plot_dat.pivot_table(index="comp_type",
                      values=["Gross Margin", "Operating Margin",
                              "Debt-to-equity", 
                              "Equity Multiplier"],
                                        aggfunc="mean").reset_index()

print(avg_industry_ratio.head())

Bu görsel, avg_industry_ratio DataFrame’inin ilk beş satırını gösterir. İlgili sütunlar brüt ve faaliyet marjıdır. Bu sütunlar, çeşitli sektörler için bu oranların ortalamasını gösterir.

Grafik için verileri hazırlama

seaborn ile çizim için veriler “uzun” formatta olmalıdır. avg_industry_ratio ve avg_company_ratio DataFrame’lerini uzun formata dönüştürmek için pd.melt kullanın:

molten_plot_company = pd.melt(avg_company_ratio, id_vars=["comp_type",
                                                          "company"])
molten_plot_industry = pd.melt(avg_industry_ratio,
                               id_vars=["comp_type"])

print(molten_plot_company.head())

Bu görsel, molten_plot_industry DataFrame’inin ilk 5 satırını gösterir. Esas nokta, DataFrame’in artık average_industry_ratio’nun uzun formatında olmasıdır. variable sütunu oran adını, value sütunu ise değerini verir.

print(molten_plot_industry.head())

Bu görsel, molten_plot_industry DataFrame’inin ilk 5 satırını gösterir. Esas nokta, DataFrame’in artık average_company_ratio’nun uzun formatında olmasıdır. variable sütunu oran adını, value sütunu ise değerini verir.

Grafik için verileri hazırlama

Seaborn, çizilecek tüm verilerin tek bir DataFrame’de olmasını ister
molten_plot_company ve molten_plot_industry’yi birleştirmek için pd.concat kullanırız
molten_plot_industry’de company sütunu yoktur; sektör genelindeki oranların ortalamasını içerir
pd.concat her iki DataFrame’in de aynı sütunlara sahip olmasını ister; bu yüzden molten_plot_industry’ye company sütununu ekleriz

molten_plot_industry["company"] = "Industry Average"
molten_plot = pd.concat([molten_plot_company, molten_plot_industry])

Çubuk grafiği oluşturma

sns.barplot(data=molten_plot, y="variable", x="value", hue="company", ci=None)
plt.xlabel(""), plt.ylabel("")
plt.show()

Bu görsel, bu videonun 2. slaytındakiyle aynıdır. Google’ın finansal oranlarını teknoloji sektörünün ortalamasıyla karşılaştıran bir çubuk grafik gösterir.

Hadi pratik yapalım!

Python ile Finansal Tabloları Analiz Etme