一、数据概况

数据集名: 上市公司高管违规-原始数据.xlsx
记录条数: 25365
覆盖日期: 1997-01-16 ~ 2022-12-28



为得到截图所示的高管违规次数.xlsx，实现步骤:

  1. 使用pd.read_excel()函数读取

    • 高管违规数据集 上市公司高管违规-原始数据.xlsx
    • 股票代码列表 行业代码.xlsx

  2. 然后我们使用pd.merge()函数将两个数据集按照股票代码和年度进行合并，使用全连接（how=‘outer’）确保即使某些股票代码未出现在高管违规数据集中，也能保留在结果中。

  3. 接下来，我们使用groupby()函数按股票代码和年度进行分组，然后使用count()函数统计每个组的违规次数。

  4. 检查结果， 无误后导出xlsx。字段包括股票代码、年度和违规次数。



二、实现过程

2.1 导入数据

import pandas as pd

df1 = pd.read_excel('行业代码.xlsx',  converters={'股票代码': str})
df1.head()



df2 = pd.read_excel('上市公司高管违规-原始数据.xlsx', converters={'股票代码': str})
df2['公告日期'] = pd.to_datetime(df2['公告日期'])
df2['会计年度'] = df2['公告日期'].dt.year
print(len(df2))
df2.head()

25365


2.2 合并

然后我们使用pd.merge()函数将两个数据集按照股票代码和年度进行合并，使用全连接（how=‘outer’）确保即使某些股票代码未出现在高管违规数据集中，也能保留在结果中。

df = pd.merge(df1, df2, how='outer', on=['股票代码', '会计年度'])
df.head()


2.3 分组Groupby

接下来，

  1. 使用groupby()函数按 股票代码 和 会计年度 进行分组
  2. 然后使用count()函数统计每组次数
  3. 并将计算命名为 违规次数

result_df = df.groupby(['股票代码', '会计年度'])['违规行为'].count().reset_index(name='违规次数')
result_df


2.4 检查&保存

检查结果， 无误后导出xlsx。字段包括股票代码、年度和违规次数。

df2[(df2['股票代码']=='871753') & (df2['公告日期'].dt.year==2022)]



df2[(df2['股票代码']=='873527') & (df2['公告日期'].dt.year==2018)]


这里仅随机检查了两个记录(现实中要多检查几次)， 与result_df中是一致的， 现在保存结果供后续实证分析

result_df.to_excel('高管违规次数.xlsx', index=False)



三、获取数据

链接: https://pan.baidu.com/s/1Ff2G8jRZaTtJH7VcfQGX5Q?pwd=npyf 提取码: npyf



广而告之