我们将使用探索性数据分析来识别财务数据中脆弱的早期预警信号。

破产是由无法偿还欠债权人（欠债的银行或机构）的部分或全部债务的债务人（欠其他实体债务的实体）发起的法律程序。在大多数国家，破产是由法院命令实施的。当公司无法偿还债务或履行义务时，就会发生破产。这种破产状态可持续数月至数年。在某些情况下，破产可能是永久性的。

财务术语解释

• 净利润：从总收入中减去所有运营费用、利息和税金后剩余的金额。
• 总负债：实体所欠债务和其他财务义务的总和。
• 总资产：这是一个实体拥有的资产总额。
• 流动资产：这是现金和其他可以在一年内转换为现金的资产。
• 毛利润：这是公司在扣除制造或提供的服务的相关成本后获得的利润。
• 库存：这是公司生产中使用的成品或货物的完整清单。
• 营运资金：这是公司用于日常运营的资金。
• 息税前利润：这是指息税前利润。

导入数据

我们需要加载文件并将它们转换为 pandas DataFrame。这些列被赋予了一个新的标题，如下所示：

# To suppress warnings
import warnings
warnings.filterwarnings("ignore")
warnings.filterwarnings("ignore", category=DeprecationWarning)

import numpy as np
import pandas as pd
%matplotlib inline
# For loading .arff files
from scipy.io import arf

# Load the 5 raw .arff files into a list
def load_raw_data():
    N=5
    return [arff.loadarff(str(i+1) \\
            + 'year.arff') for i in range(N)]

使用Pandas 分析

数据分析的下一步，在导入数据并安装所需的包之后，是 pandas 分析。

我们将专注于 pandas profiling——一种简单而快速的探索性数据分析方法。它本质上是一个包，它承诺提供一种更有效的数据分析方法。

pandas 分析的输出是一个 HTML 文件。我们将讨论以下屏幕截图中显示的发现的各个方面。