Visualisera finansiella nyckeltal för jämförelse

Analysera finansiella rapporter i Python

Rohan Chatterjee

Risk Modeler

Plotta nyckeltal för två bolag

sns.set_style("whitegrid")
ax = sns.lineplot(data=current_ratio,
        x="Year",y='current_ratio',
        hue="company", alpha=0.7)
plt.xlabel("Year")
plt.ylabel("Current Ratio")

Bilden visar likviditetsgraden för Coca-Cola och PepsiCo från 2008 till 2020.

Trångt diagram med sns.lineplot()

Det här diagrammet innehåller för mycket information på för litet utrymme och blir därför svårläst Bilden visar skuldsättningsgrad, likviditetsgrad, snabblikviditet och bruttomarginal för Coca-Cola och PepsiCo i ett och samma diagram. Bilden är mycket trång.

Introduktion till sns.relplot()

Första steget är att smälta om DataFrame till longitudinellt format.
DataFrame före omvandling:

plot_df.head()

Bilden visar en bred DataFrame.

Smält nu om DataFrame

plot_df_melt = plot_df.melt(id_vars = ['company','Year'], var_name = "Ratio")

Bilden visar de första raderna i en omsmält DataFrame.

Plotta nyckeltal med sns.relplot()

ax = sns.relplot(data=df_melt, x="Year",
                 y="value", hue="Ratio",
                 alpha=0.7,
                 col='company',
                 kind='line')
ax.set_ylabels('')
ax.set_xlabels('')

Bilden visar skuldsättningsgrad, likviditetsgrad, snabblikviditet och bruttomarginal för Coca-Cola och PepsiCo, där nyckeltalen för de två bolagen visas i separata paneler.

En närmare titt på diagrammet

Bilden visar skuldsättningsgrad, likviditetsgrad, snabblikviditet och bruttomarginal för Coca-Cola och PepsiCo, där nyckeltalen för de två bolagen visas i separata paneler.

Nu kör vi en övning!

Analysera finansiella rapporter i Python