用Python秒速製作上市公司業績表

剛過去的周三，股王騰訊（0700）公布中期業績，由於市場關注其業績會否走樣，因此大量投資者不斷F5港交所網站的披露易，令網站出現搶購演唱會門券般的網絡大塞車，結果業績開估真係乏善足陳。今期便以騰訊的業績通告為例，用Python寫一個小程式，以最快速度取得其業績內所有列表數據作分析。

港交所的上市公司通告，大多使用pdf的格式，要取用當中資料尤其是數字相當困難，因為用copy and paste其格式均會走位，不能直接放到google sheets或excel處理。因此筆者找了一會，找到由一名日本數據科學家所貢獻的程式庫tabula-py，可以把pdf上的列表「靚仔還原」，並可以即時進行處理。

首先是要安裝該程式庫tabula-py，詳細的方法及程式功能可以瀏覽這裡，由於這程式庫是要用Java的，故此請確定已預先安裝好Java。

在程式的開始，先載入相關的程式庫：

import tabula
import pandas as pd
import requests
import distro

之後，將騰訊的業績通告下載，或直接把鏈結存入filename亦可。將要讀取表格的頁數存入pageno，然後要求程式讀取，並清除NaN等無資料的空格。

filename="LTN20180815893_C.PDF"
pageno=1

df=read_pdf(filename, pages=pageno, pandas_options={'header':None} )
df.fillna("")

結果已相當靚仔：

把這個表直接copy and paste到google sheet或excel，已可直接使用。程式亦提供功能讓你把結果以csv或json等格式儲存。

當然，世事並非這樣完美，譬如想取得業績報告第13頁較詳盡的損益表時，程式卻只取得如下的列表，由收入以下的五項數據都被忽略了。怎麼辦？

tabula-py提供的一個功能，是可以把需要的列表框起來，增加準繩度，方法是把pdf打開，並使用選擇工具，把表框起來，然後檢查座標，並輸入到程式中，如圖：

相關的程式碼為：

left=63.46
width=478.56
top=239.2
height=494.8
right=left+width
bottom=top+height

tablearea=[top,left,bottom,right]
df3=read_pdf(filename, pages=pageno, guess=False, area=tablearea, pandas_options={'header':None})

問題得以解決：

不過，通告中這頁並無提供增長數字，只是把首兩季數字並立，要做到即時比較，可以撰寫一個子程序。其中numtreatment是把數字中的逗點清除，並把括號中的數字變為負數，方便計算。

同時，因為不少業績表會在第二列作為註解，用家要告訴程式第二列（got_remark是True或False）是否註解，然後程式便會自動計算每個細項的增長或倒退。

def numtreatment(numstring):
if numstring[0]=="(":
numstring="-"+numstring[1:-1]
numstring=numstring.replace(',','')
return float(numstring)

#業績處理
got_remark = False
df4=df3.copy()

if got_remark:
df4=df4.dropna(how='all',subset=[2,3])
df4=df4.drop(1, axis=1)
else:
df4=df4.dropna(how='all',subset=[1,2])

df4.loc[:, 'growth'] = 0

for i in range(len(df4)):
try:
new=numtreatment(df4.iloc[i,1])
old=numtreatment(df4.iloc[i,2])
if new*old>0:
df4.iloc[i,3]=str(round((new-old)/old*100,2))+"%"
else:
df4.iloc[i,3]="-"
except:
df4.iloc[i,3]="-"

df4.fillna("")

結果如下：

再進一步的處理，便是把一些升幅大或跌幅特別大的項目，以不同顏色highlight，讓投資者更快看到影響業績的主要因素。不過，即使憑上表，讀者也很容易看到騰訊按季缺乏增長點。

其實不單單用於業績，統計處每月均會公布月刊，當中亦包含不少列表，雖然統計處或會提供源數據的檔案，但月刊中的經整理後資料卻未必容易找到，這時亦可以用tabula-py來處理。依筆者的經驗，若果對較複雜的列表，如column相當多的，有時框起area亦未必可以解決，這時便要使用columns參數，把數據columns的一系列橫向坐標告訴程序，這樣通常都可以完美處理，相關程式如下：

tablecolumn=[200,280,374,457]
df=read_pdf(filename, pages=pageno, columns=tablecolumn)

tabula-py的功能已很強大，很多表格都可以順手拈來，但始終不能做到完美移植，筆者亦發現通告不斷有例外情況，很難寫一個包羅所有情況的程式，這或許要靠人工智能來突破。

另外，筆者近日多用nteract程式來寫Python程式，取其與jupyter notebook類似，但更易起動，而且測試方便，在此推介一下。

本文獲授權轉載。

責任編輯：周雪君

核稿編輯：王陽翎