Memvisualisasikan rasio untuk analisis dalam perusahaan

Menganalisis Laporan Keuangan dengan Python

Rohan Chatterjee

Risk modeler

Memvisualisasikan rasio keuangan

Bar plot berguna untuk:
- memvisualisasikan rasio keuangan rata-rata suatu perusahaan, dan
- menilai kinerja relatif terhadap rata-rata industri

Ini adalah gambar plot batang yang membandingkan rasio keuangan Google dengan rata-rata rasio di industri teknologi.

Menyiapkan data untuk plotting

Gunakan pivot_table untuk menghitung rata-rata rasio per perusahaan:

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())

Gambar ini menampilkan lima baris teratas DataFrame avg_company_ratio. Kolom pentingnya adalah Gross dan Operating Margin, yang menunjukkan rata-rata rasio tersebut untuk berbagai perusahaan.

Menyiapkan data untuk plotting

Gunakan pivot_table untuk menghitung rata-rata rasio per industri:

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())

Gambar ini menampilkan lima baris teratas DataFrame avg_industry_ratio. Kolom pentingnya adalah Gross dan Operating Margin, yang menunjukkan rata-rata rasio tersebut untuk berbagai industri.

Menyiapkan data untuk plotting

Plot di seaborn memerlukan format “long”. Gunakan pd.melt untuk mengubah DataFrame avg_industry_ratio dan avg_company_ratio ke format long:

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())

Gambar ini menampilkan lima baris teratas DataFrame molten_plot_industry. Intinya: DataFrame kini dalam format long dari average_industry_ratio. Kolom variable berisi nama rasio dan kolom value berisi nilainya.

print(molten_plot_industry.head())

Gambar ini menampilkan lima baris teratas DataFrame molten_plot_industry. Intinya: DataFrame kini dalam format long dari average_company_ratio. Kolom variable berisi nama rasio dan kolom value berisi nilainya.

Menyiapkan data untuk plotting

Seaborn memerlukan semua data yang akan diplot dalam satu DataFrame
Gunakan pd.concat untuk menggabungkan molten_plot_company dan molten_plot_industry
molten_plot_industry tidak memiliki kolom company karena berisi rata-rata rasio per industri secara keseluruhan
pd.concat mengharuskan kedua DataFrame memiliki kolom yang sama, jadi tambahkan kolom company ke molten_plot_industry

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

Buat grafik batang

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

Ini adalah gambar yang sama seperti pada slide 2 video ini. Gambar plot batang yang membandingkan rasio keuangan Google dengan rata-rata rasio di industri teknologi.

Ayo berlatih!

Menganalisis Laporan Keuangan dengan Python