Python 셋째주_DART 데이터 활용하기

3주차는 DART에 공시된 데이터를 활용하는 것을 배웠다

!pip install dart-fss
import dart_fss as dart_fss
import pandas as pd

이번에 필요한 패키지들

DART에서 인증키를 발급받아야 오픈 API를 사용할 수 있다

https://opendart.fss.or.kr/uat/uia/egovLoginUsr.do

전자공시 OPENDART 시스템 | 로그인

이곳에서 인증키를 발급받지!

api_key = 'f8fd5b8dff7df55cdac5b90b97da789fb3c447f3'
dart_fss.set_api_key(api_key=api_key)

corp_list = dart_fss.get_corp_list()

corp_list.corps

발급받은 인증키를 가져온다

api_key에는 개개인이 받은 인증키 번호를 입력한다

all = dart_fss.api.filings.get_corp_code()
all[0]

모든 데이터에서 하나를 선택해 잘 나왔는지 확인한다

잘 나왔다

df = pd.DataFrame(all)

df_listed = df[df['stock_code'].notnull()]
df_non_listed = df[df['stock_code'].isnull()]

df_non_listed.count()

df_listed.to_excel('상장종목.xlsx')
df_non_listed.to_excel('비상장종목.xlsx')

상장종목과 비상장종목을 따로 구분하여 엑셀 파일로 만들어 저장한다

이렇게 많은 기업이 우리나라에 존재할 줄이야...ㄷㄷ

corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
corp_code

dart_fss.api.filings.get_corp_info(corp_code)

df_listed: 상장기업

상장기업 중에서도 카카오에 관한 정보들을 불러온다

카카오의 주소는 제주도였구나

data = dart_fss.api.info.unrst_exctv_mendng_sttus(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

카카오의 2021년도 사업보고서를 데이터 프레임 형식으로 불러온다

data2 = dart_fss.api.info.irds_sttus(corp_code, '2021', '11011')
pd.DataFrame(data2['list'])

카카오의 재무정보

data3 = dart_fss.api.info.alot_matter(corp_code, '2021', '11011')
pd.DataFrame(data3['list'])

..이것도 재무정보인듯?

data4 = dart_fss.api.info.hyslr_chg_sttus(corp_code, '2021', '11011')
pd.DataFrame(data4['list'])

카카오 최대 주주에 관한 정보

역시나 최대주주는 김범수이다

data5 = dart_fss.api.info.emp_sttus(corp_code, '2021', '11011')
pd.DataFrame(data5['list'])

성별에 관한 자료이다

성별에 따른 임금격차 관련 문제를 조사할 때 사용하는 자료인것 같다

data6 = dart_fss.api.info.indvdl_by_pay(corp_code, '2021', '11011')
pd.DataFrame(data6['list'])

이것은 아마도 5억 이상 연봉을 받는 사원들의 리스트인 듯 하다

data7 = dart_fss.api.finance.fnltt_singl_acnt(corp_code, '2021', '11011')
pd.DataFrame(data7['list'])

CFS관련 재무정보

CFS가 무엇인지 찾아봤는데 ..컨테이너 입지??? ..잘못찾은것같다

data8 = dart_fss.api.shareholder.elestock(corp_code)

df = pd.DataFrame(data8['list'])
df[df['repror'] == '김범수']

최대주주 김범수의 주가 변동 현황을 살펴볼 수 있다

def get_salary(name):
  corp_code = df_listed[df_listed['corp_name'] == name].iloc[0,0]
  data = dart_fss.api.info.indvdl_by_pay(corp_code, '2021', '11011')

  df = pd.DataFrame(data['list'])
  df = df[['corp_name', 'nm', 'ofcps', 'mendng_totamt']]
  df.columns = ['기업명', '이름', '역할', '보수']

  df['보수'] = pd.to_numeric(df['보수'].str.replace(',',''))
  
  return df

카카오 뿐만 아니라 다양한 회사에 관한 정보를 탐색하기 위해 함수를 만들었다

이 때 보수를 중심으로 정렬하고 싶어 보수를 numeric 형태로 바꿔줘야 한다

names = ['삼성전자','LG에너지솔루션','SK하이닉스','NAVER','삼성바이오로직스','삼성전자우','카카오','삼성SDI','현대차','LG화학','기아','POSCO홀딩스','KB금융','카카오뱅크','셀트리온','신한지주','삼성물산','현대모비스','SK이노베이션','LG전자','카카오페이','SK','한국전력','크래프톤','하나금융지주','LG생활건강','HMM','삼성생명','하이브','두산중공업','SK텔레콤','삼성전기','SK바이오사이언스','LG','S-Oil','고려아연','KT&G','우리금융지주','대한항공','삼성에스디에스','현대중공업','엔씨소프트','삼성화재','아모레퍼시픽','KT','포스코케미칼','넷마블','SK아이이테크놀로지','LG이노텍','기업은행']

dfs = []

for name in names:
  try:
    df = get_salary(name)
    dfs.append(df)
  except:
    print(f'error - {name}')

df_result = pd.concat(dfs)
df_result

각 회사에서 연봉을 많이 받는 사람들을 뽑아 표로 만들었다

모든 회사에 모든 정보가 동일하게 들어가 있는 것이 아니기 때문에 try ~ except 구문을 사용하여 예외 처리를 해줘야한다

df_result.sort_values(by = '보수', ascending = False).head(30)

이것은 대한민국에서 보수를 많이 받는 사람들 순으로 top 30명을 정렬한 것이다

하이브의 수석 프로듀서는 연봉이 400억이다ㅋㅋㅋㅋㅋ

def get_shareholders(corp_code):
  data = dart_fss.api.info.hyslr_sttus(corp_code, '2021', '11011')

  df = pd.DataFrame(data['list'])
  df = df[['corp_name', 'nm', 'relate', 'bsis_posesn_stock_qota_rt', 'trmend_posesn_stock_qota_rt', 'rm']]
  df.columns = ['기업명', '이름', '관계', '기초지분율', '기말지분율', '비고']

  df = df[df['관계'].notnull()]

  df['기초지분율'] = pd.to_numeric(df['기초지분율'])
  df['기말지분율'] = pd.to_numeric(df['기말지분율'])
  
  return df.sort_values(by = '기초지분율', ascending = False).head(3)

이번에는 회사의 기초 / 기말 지분율 변동 추이를 확인하기 위한 함수이다

get_shareholders('00258801')

카카오의 회사 번호를 입력하고 검색했다

카카오의 김범수 회장은 증여를했고, 케이큐브호링스는 주식분할/단순매도를, 특수관계인은 특수관계를 해소했다

이런 것까지 알 수 있다니 DART에는 정말 다양한 정보가 있다

corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []

for corp_code in corp_codes:
  try:
    df = get_shareholders(corp_code)
    dfs.append(df)
  except:
    print(f'error = {corp_code}')

df_result = pd.concat(dfs)
df_result['증감'] = df_result['기말지분율'] - df_result['기초지분율']

df_result.sort_values(by = '증감', ascending = False)

해서 증감여부를 확인하는 반복문을 실행했다

def get_profit(name):
  corp_code = df_listed[df_listed['corp_name'] == name].iloc[0,0]
  data = dart_fss.api.finance.fnltt_singl_acnt(corp_code, '2021', '11011')
  df = pd.DataFrame(data['list'])

  cond = (df['fs_div'] == 'CFS') & (df['account_nm'] == '이익잉여금')
  df = df[cond]

  df['name'] = name

  df = df[['name', 'thstrm_amount', 'frmtrm_amount']]
  df.columns = ['기업명', '당기', '전기']

  df['당기'] = pd.to_numeric(df['당기'].str.replace(',', ''))
  df['전기'] = pd.to_numeric(df['전기'].str.replace(',', ''))

  df['증감'] = df['당기'] - df['전기']
  df['증감률'] = abs(df['증감'] / df['전기'])
  
  return df

회사의 당기 수익률 / 전기 수익률 비교하는 함수이다

get_profit('현대자동차')

현대자동차의 수익률을 비교하니 전기보다 증가했다

사람들이 차를 많이 사긴 하나보다

names = list(df_listed.sample(10)['corp_name'])

dfs = []

for name in names:
  try:
    df = get_profit(name)
    dfs.append(df)
  except:
    print(f'error-{name}')

df_result = pd.concat(dfs)
df_result.sort_values(by = '증감률', ascending = False)

무작위로 10개의 기업을 선정해 증감을 확인했다

def get_salary(name):
  
  data = dart_fss.api.info.emp_sttus(corp_code, '2021', '11011')

  df = pd.DataFrame(data['list'])
  df = df[['corp_name', 'sexdstn', 'jan_salary_am']]

  df_result = pd.DataFrame()
  doc = {
      '기업명' : df.iloc[0,0],
      '연봉(남)': df[df['sexdstn'] == '남'].iloc[0, 2],
      '연봉(여)': df[df['sexdstn'] == '여'].iloc[0, 2]
  }

  df_result = df_result.append(doc, ignore_index = True)

  df_result['연봉(남)'] = pd.to_numeric(df_result['연봉(남)'].str.replace(',',''))
  df_result['연봉(여)'] = pd.to_numeric(df_result['연봉(여)'].str.replace(',',''))
  return df_result

corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []
for corp_code in corp_codes:
  try:
    df = get_salary(corp_code)
    dfs.append(df)
  except:
    print(f'error-{corp_code}')

df_result = pd.concat(dfs)

df_result['차이(남-여)'] = df_result['연봉(남)'] - df_result['연봉(여)']
df_result['평균'] = (df_result['연봉(남)'] + df_result['연봉(여)']) / 2

df_result.sort_values(by = '차이(남-여)', ascending = True)

무작위로 회사 10개를 추출하여 성별 연봉 차이를 확인했다

이번에도 역시 try ~ except구문을 활용했다

 

각종 기업에서 필요한 정보만 추출하여 각 기업별로 정보를 산출하는 함수를 만드는 법을 배웠다

점점 스파르타 코딩에 익숙해지는 것 같다