Práce s datovými sadami – export dat

Uvažuj nad následujícím kódem:

Které další řádky je potřeba přidat, aby se slovník součtů transformoval na DataFrame a tento DataFrame se zapsal do souboru CSV?

Toto cvičení je součástí kurzu

Finanční prognózování v Pythonu

Zobrazit kurz

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Finanční prognózování v Pythonu

SkillTag.level.intermediateSkillTag.label

4.8+

92 reviews

Začněte kurz zdarma

V této kapitole se seznámíš se základy finančních výkazů, se zvláštním zaměřením na výkaz zisku a ztráty, který přináší přehled o tržbách, nákladech a zisku. Naučíš se počítat ukazatele ziskovosti a vše, co ses naučil/a, završíš sestavením prognózy zisku pro společnost Tesla!

Exercise 1: Úvod do finančních výkazů Exercise 2: Výpočet hrubého zisku Exercise 3: Výpočet čistého zisku Exercise 4: Složky čistého zisku a hrubého zisku Exercise 5: Výpočet tržeb a nákladů na prodané zboží (COGS)Exercise 6: Výpočet tržeb Exercise 7: Předpověď tržeb se slevou Exercise 8: Výpočet nákladů na prodané zboží (COGS)Exercise 9: Výpočet bodu zvratu Exercise 10: Práce se surovými daty pro prognózy Exercise 11: Výkaz zisku a ztráty Tesly Exercise 12: Prognóza zisku pro Tesla

V této kapitole se podrobněji zaměříme na rozvahu – probereme aktiva a pasiva a konkrétní ukazatele, které pomáhají hodnotit finanční zdraví a efektivitu společnosti. Uvidíš také, jak tyto ukazatele využít při sestavování kvalitní prognózy.

Exercise 1: Úvod do rozvahy Exercise 2: Výpočet pohledávek (dlužníků)Exercise 3: Nedobytné pohledávky Exercise 4: Výpočet závazků z obchodního styku (věřitelé)Exercise 5: Pochopení závazků a pohledávek Exercise 6: Ukazatele efektivity rozvahy – část 1 Exercise 7: Ukazatel doby inkasa pohledávek Exercise 8: Doba splatnosti závazků Exercise 9: Ukazatele efektivity rozvahy – část 2 Exercise 10: Počet dní zásoby a ukazatel obratu aktiv Exercise 11: Porozumění ukazatelům Exercise 12: Výpočet ukazatelů rozvahy pro Ford Exercise 13: Prognóza rozvahy pro Ford

Základy výkazů zisku a ztráty a rozvah už máš za sebou. Konsolidace dat pro prognózování je ale složitější záležitost – v této kapitole se proto podíváme na praktické nástroje, které pomáhají řešit specifické výzvy ve financích: práci s daty a různými finančními obdobími a formátování surových dat do podoby vhodné pro finanční prognózování.

Exercise 1: Finanční období a jak s nimi pracovat Exercise 2: Převod čtvrtletí na měsíce Exercise 3: Sloučení měsíců do čtvrtletí Exercise 4: Knihovna datetime Exercise 5: Práce s knihovnou datetime Exercise 6: Převod formátů data – jednoduchý příklad Exercise 7: Převod formátů data – explicitní přístup Exercise 8: Tipy a triky pro práci s datovými sadami Exercise 9: Práce s datovými sadami – měsíční součty Exercise 10: Práce s datasety – spojování datasetů Exercise 11: Práce s datovými sadami – export dat

Aktuální cvičení

V této kapitole prozkoumáme další dva důležité aspekty tvorby kvalitní prognózy. Nejprve se zaměříme na předpoklady – co je ovlivňuje a co se stane, když se změní. Pak se podíváme na odchylky: prognóza se sestavuje v konkrétním okamžiku, ale co dělat, když se skutečné výsledky s prognózou neshodují? Potřebujeme citlivou prognózu, která dokáže reagovat na změny v předpokladech i zohledňovat odchylky – a právě to si v této kapitole vyzkoušíme.

Exercise 1: Tvorba citlivých modelů předpovědí Exercise 2: Vážená pravděpodobnost Exercise 3: Tržní sentiment Exercise 4: Závislosti a citlivost Exercise 5: Přiřazení závislostí pro tržby a COGS Exercise 6: Sestavení analýzy citlivosti hrubého zisku Exercise 7: Přiřazení závislostí pro výdaje Exercise 8: Vytvoř analýzu citlivosti pro čistý zisk Exercise 9: Práce s odchylkami v prognóze Exercise 10: Sestavení alternativní prognózy Exercise 11: Sestavení analýzy rozdílů mezi prognózami Exercise 12: Nastavení závislostí pro Netflix Exercise 13: Výpočet alternativní prognózy pro Netflix