一、项目概述

        这是一个基于Streamlit构建的交互式行业财务数据分析仪表板，用于可视化分析申万行业分类下各公司的营业收入和营业利润情况。

二、技术栈

• 前端框架：Streamlit

• 数据处理：Pandas, NumPy

• 数据可视化：Matplotlib, Seaborn

• 数据格式：Excel (.xlsx)

三、适用领域

• 应用场景

1. 行业研究：分析师快速了解行业趋势

2. 投资决策：投资者识别高增长行业

3. 学术研究：研究人员获取行业数据洞察

四、数据集准备

五、模块逻辑

5.1 页面配置

• page_title: 设置页面标题为"行业应收&利润可视化分析"，明确告知用户应用的主题和功能

• layout='wide': 使用宽屏布局，更适合展示数据表格和图表，充分利用屏幕空间

5.2 程序运行框架                         
├── st.set_page_config()           # 页面初始化
├── load_data() 定义               # 函数定义（不执行）
├── 侧边栏渲染                     # 创建用户输入控件
└── 条件执行块 (if level and cla:)
    ├── load_data() 调用           # 实际加载数据
    │   ├── pd.read_excel()       # 读取行业数据
    │   ├── for循环读取年度数据    # 读取2018-2024数据
    │   ├── pd.concat()           # 合并年度数据
    │   └── pd.merge()            # 合并行业与财务数据
    ├── 数据聚合处理
    │   ├── groupby().agg()       # 按行业和年度聚合
    │   ├── pct_change()          # 计算同比增长
    │   └── sort_values()         # 数据排序
    ├── 显示数据表格
    │   └── st.dataframe()        # 渲染交互式表格
    └── 生成可视化图表
        ├── plt.subplots()        # 创建图表框架
        ├── for循环绘制6个子图    # 每年一个图表
        │   ├── nlargest()        # 筛选Top8行业
        │   ├── sns.barplot()     # 绘制柱状图
        │   └── 设置图表属性       # 标题、标签等
        └── st.pyplot()           # 渲染图表到页面

5.3 侧边栏设计

• 使用 with 语句创建容器作用域

• 所有在 with 块内的组件自动布局到侧边栏

六、模块分析

6.1 行业营业收入可视化分析

• 股票代码标准化：复杂的正则表达式处理

• 年度标记：每个数据框添加df['年度'] = year列

• 批量年度数据：2018-2024连续7年数据循环加载

• 多文件合并：使用列表+循环+concat模式

6.2 近六年来 营业收入 增长率最大的八个行业数据可视化

• Top8筛选逻辑：nlargest(8, cla + '增长率') 获取前8

• 排序展示：sort_values(..., ascending=False) 降序排列

• 扁平化处理：axes.flatten()简化循环访问

七、界面介绍

1. 界面概述

       这是一个Streamlit构建的行业财务分析仪表板，特点包括：侧边栏双选择控件驱动交互，加载申万行业与多年财务Excel数据，自动标准化股票代码并计算同比增长率。界面展示近六年数据表格和增长率Top8可视化子图，采用Seaborn绘制排序柱状图。设计简洁，响应迅速，适合行业趋势分析和投资决策支持。

2. 信息设计特点

• 横向比较：不同行业间对比

• 纵向趋势：同一行业年度变化

• 增长率分析：增长动力识别

• 上市公司数量：反映行业代表性

• 增长率正负：判断行业景气度

• 趋势连续性：识别稳定增长行业

八、设计总结

本项目基于Streamlit构建了一个交互式行业财务分析仪表板，通过整合申万行业分类与多年度财务数据（2018-2024），实现了对行业营业收入和营业利润的动态可视化。核心功能包括：

1. 交互式筛选：侧边栏支持用户选择行业层级（一/二/三级）和分析指标；

2. 数据聚合与计算：自动按行业和年度聚合数据，并计算同比增长率；

3. 多维展示：以表格呈现行业概况，并绘制近六年增长率Top8的条形图矩阵；

4. 性能优化：采用延迟加载和缓存机制提升响应速度。

心得：

1. 模块化设计提升可维护性：将数据加载、处理、可视化分离，便于后续扩展；

2. 交互体验关键：通过Streamlit组件实现低代码交互，降低用户使用门槛；

3. 可视化需兼顾信息密度与清晰度：采用多子图并列展示时序趋势，避免单图过载；

4. 数据质量是基石：合并过程需规范代码格式与缺失值处理，确保分析准确性。
   未来可扩展异常值预警、行业对比等功能，进一步深化分析维度。