Vizualizace poměrů pro analýzu v rámci společnosti

Analýza finančních výkazů v Pythonu

Rohan Chatterjee

Risk modeler

Vizualizace finančních ukazatelů

Sloupcové grafy jsou vhodné pro:
- vizualizaci průměrných finančních ukazatelů společnosti a
- hodnocení výkonnosti ve srovnání s průměrem odvětví

Sloupcový graf porovnávající finanční ukazatele společnosti Google s průměrem těchto ukazatelů v technologickém odvětví.

Příprava dat pro vykreslení

Výpočet průměru ukazatelů podle společnosti pomocí pivot_table:

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())

Obrázek zobrazuje prvních pět řádků DataFrame avg_company_ratio. Důležité jsou sloupce hrubé a provozní marže, které ukazují průměr těchto ukazatelů pro různé společnosti.

Příprava dat pro vykreslení

Výpočet průměru ukazatelů podle odvětví pomocí pivot_table:

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())

Obrázek zobrazuje prvních pět řádků DataFrame avg_industry_ratio. Důležité jsou sloupce hrubé a provozní marže, které ukazují průměr těchto ukazatelů pro různá odvětví.

Příprava dat pro vykreslení

Vykreslování dat v seaborn vyžaduje data v „dlouhém" formátu. K převodu DataFrame avg_industry_ratio a avg_company_ratio do dlouhého formátu použijte pd.melt:

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())

Obrázek zobrazuje prvních 5 řádků DataFrame molten_plot_industry v dlouhém formátu. Sloupec variable obsahuje název ukazatele a sloupec value jeho hodnotu.

print(molten_plot_industry.head())

Obrázek zobrazuje prvních 5 řádků DataFrame molten_plot_industry v dlouhém formátu. Sloupec variable obsahuje název ukazatele a sloupec value jeho hodnotu.

Příprava dat pro vykreslení

Seaborn vyžaduje všechna data v jednom DataFrame
K zřetězení molten_plot_company a molten_plot_industry použijeme pd.concat
molten_plot_industry neobsahuje sloupec company, protože obsahuje průměr poměrů za celé odvětví
pd.concat vyžaduje, aby oba DataFrame měly stejné sloupce – proto přidáme sloupec company do molten_plot_industry

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

Vytvoření sloupcového grafu

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

Stejný obrázek jako na snímku 2 tohoto videa. Sloupcový graf porovnávající finanční ukazatele společnosti Google s průměrem těchto ukazatelů v technologickém odvětví.

Pojďme si procvičit!

Analýza finančních výkazů v Pythonu