Visualizzare i rapporti per l’analisi interna all’azienda

Analizzare i bilanci con Python

Rohan Chatterjee

Risk modeler

Visualizzare i rapporti finanziari

I grafici a barre aiutano a
- visualizzare i rapporti finanziari medi di un’azienda e
- valutare le performance rispetto alla media del settore

Grafico a barre che confronta i rapporti finanziari di Google con la media del settore tech.

Preparare i dati per il grafico

Usa pivot_table per calcolare la media dei rapporti per azienda:

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())

Questa immagine mostra le prime cinque righe del DataFrame avg_company_ratio. Le colonne di interesse sono Gross e Operating Margin: riportano la media di questi rapporti per varie aziende.

Preparare i dati per il grafico

Usa pivot_table per calcolare la media per settore:

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())

Questa immagine mostra le prime cinque righe del DataFrame avg_industry_ratio. Le colonne di interesse sono Gross e Operating Margin: mostrano la media di questi rapporti per vari settori.

Preparare i dati per il grafico

Per tracciare con seaborn servono dati in formato “long”. Usa pd.melt per trasformare avg_industry_ratio e avg_company_ratio in 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())

Questa immagine mostra le prime 5 righe del DataFrame molten_plot_industry. Si vede come ora il DataFrame sia nel formato long di average_industry_ratio. La colonna variable indica il nome del rapporto e value il relativo valore.

print(molten_plot_industry.head())

Questa immagine mostra le prime 5 righe del DataFrame molten_plot_industry. Si vede come ora il DataFrame sia nel formato long di average_company_ratio. La colonna variable indica il nome del rapporto e value il relativo valore.

Preparare i dati per il grafico

Seaborn richiede tutti i dati da tracciare in un unico DataFrame
Usiamo pd.concat per unire molten_plot_company e molten_plot_industry
molten_plot_industry non ha la colonna company perché contiene la media dei rapporti per settore
pd.concat richiede le stesse colonne in entrambi i DataFrame, quindi aggiungiamo la colonna company a molten_plot_industry

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

Crea il grafico a barre

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

Questa è la stessa immagine della slide 2 del video. È un grafico a barre che confronta i rapporti finanziari di Google con la media del settore tech.

Passiamo alla pratica !

Analizzare i bilanci con Python