Łączenie sprawozdań finansowych i uzupełnianie brakujących wartości
Właśnie poznałeś wskaźnik przepływów pieniężnych do zysku netto oraz wskaźnik operacyjnych przepływów pieniężnych. Pamiętaj, że zysk netto nie jest w całości realizowany w gotówce – wskaźnik przepływów pieniężnych do zysku netto mówi nam, jaka część zysku netto jest uzyskiwana w formie gotówkowej. Wskaźnik operacyjnych przepływów pieniężnych informuje natomiast, czy firma dysponuje wystarczającą ilością gotówki, aby pokryć swoje krótkoterminowe zobowiązania.
W tym ćwiczeniu obliczysz oba te wskaźniki dla Apple i Microsoftu, a następnie je zwizualizujesz. Porównanie wskaźników firm z tej samej branży na jednym wykresie ułatwia dostrzeżenie różnic między nimi.
W praktyce dane potrzebne do analizy często pochodzą z różnych sprawozdań finansowych i muszą być łączone. Co więcej, rzeczywiste dane nierzadko zawierają brakujące wartości. W tym ćwiczeniu uzupełnisz wartości NaN i połączysz DataFrames.
Do dyspozycji masz wczytany DataFrame dataset, który zawiera informacje o rachunkach wyników i bilansach Microsoft i Apple. Wczytany jest również DataFrame cash_flow_statement z częścią danych dotyczących przepływów pieniężnych tych dwóch firm.
To ćwiczenie jest częścią kursu
Analiza sprawozdań finansowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Check the columns of dataset and cash_flow_statement
print(dataset.____)
print(cash_flow_statement.____)