07｜SCREENING｜財務スクリーニングPythonツール

# ゼミデータセットをアップロードするフォルダGoogleDrive上に作成する
zemi_dataset_upload_path = '/content/drive/MyDrive/Colab Notebooks/01_Zemi_Dataset' #ゼミデータセットをアップロードするフォルダのパス
os.makedirs( zemi_dataset_upload_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

# Pythonツールのアウトプットを保存するフォルダをGoogleDrive上に作成する
python_save_folder_path = '/content/drive/MyDrive/Colab Notebooks/02_Python_Tool_Output'
os.makedirs( python_save_folder_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

#セクション1で絞り込んだ企業を比較する場合はYES, ゼミデータセット全体から抽出する場合はNO
section_one_comparison_flag = 'YES' # ★★★

if section_one_comparison_flag == 'YES':
  target_company_num_list = filtered_df_for_save['証券コード'].tolist()
  target_industry = ''
  target_sort_item = ''

# ゼミデータセット全体から新たに抽出する場合、以下の項目を設定する  
else:
  # 特定の業種×特定の指標のトップ7社の証券コードを抽出する処理
  target_industry = '建設業' # ★★★
  target_sort_item = '売上高' # ★★★
  num_companies = 7 # ★★★

  # 業種でフィルタリングし、勘定科目で並び替え
  filtered_df = df_company_comparison[df_company_comparison['業種'] == target_industry]
  sorted_df = filtered_df.sort_values(by=target_sort_item, ascending=False)

  # トップの企業の証券コードと会社名を抽出
  top_companies = sorted_df[['証券コード', '会社名']].head(num_companies).reset_index(drop=True)
  target_company_num_list = list(top_companies['証券コード'])

target_financial_indicator_list = ['ROA', 'ROE', 'ROIC'] ##指標の追加も可能　例：['ROA', 'ROE', 'ROIC', '自己資本比率'] # ★★★
print(target_company_num_list)