如何使用 Python 從標準普爾 500 指數中提取基本資料

---

標準普爾 500 指數代表美國 500 家最大上市公司的基準表現。對於投資者、分析師和研究人員來說，提取這些公司的基本資料非常重要。

Python 是一種很棒的語言，藉助其豐富的庫，可以提取並分析此類資訊。以下文章介紹瞭如何在 Python 的幫助下提取標準普爾 500 指數的基本資料。

為什麼要提取基本資料？

基本資料包括核心財務資訊，例如收益、收入、股息和其他通常用於確定公司財務實力的指標。

透過這種資料提取，投資者無疑可以做出更明智的投資決策。基本面分析是價值投資的組成部分，從本質上確定了股票的內在價值所在。

先決條件

在繼續之前，請確認您具備以下先決條件：

• 已安裝 Python 3.x：您需要確保您的系統中已安裝Python 3.x。
• Python 的基本理解：您需要對 pandas、requests 和 yfinance 等庫有基本的瞭解。此外，您應該選擇任何您喜歡的 IDE/文字編輯器，例如 Jupyter Notebook 或 VS Code。
• 安裝所需的庫：您可以使用以下命令透過 pip 安裝必要的庫：

  pip install pandas requests yfinance
  

提取資料步驟

以下是使用 Python 從標準普爾 500 指數中提取基本資料的步驟：

步驟 1：匯入所需的庫

首先，匯入如下所示的必要庫：

import pandas as pd
import yfinance as yf
import requests
from bs4 import BeautifulSoup

• pandas：用於操作和分析資料。
• yfinance：一個 Python 包，用於從雅虎財經下載股票市場資料。
• requests：用於向網頁發出 HTTP 請求。
• Beautiful Soup：它解析 HTML，提供了一種易於訪問的方式來從網頁中提取資訊。

此外，如果您希望線上執行 Python 程式碼而無需在本地安裝任何內容，請使用Python 線上編譯器。對於那些希望直接在瀏覽器中執行 Python 指令碼以進行快速測試和學習的人來說，這是一個受歡迎的補充。

步驟 2：獲取標準普爾 500 公司列表

我們需要獲取構成標準普爾 500 指數的公司列表：

response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
table = soup.find('table', {'id': 'constituents'})
df = pd.read_html(str(table))[0]
df.to_csv('sp500_companies.csv', index=False)
# Show the first few rows of the dataframe
df.head()

步驟 3：使用 yfinance 抓取基本資料

以下程式碼從維基百科抓取標準普爾 500 公司的表格，並將資料傳遞到 pandas DataFrame 中。它將包含一個列表，其中包含公司的股票程式碼、名稱、所屬行業和其他相關詳細資訊。

有了標準普爾 500 公司的列表，我們現在可以使用 yfinance 開始提取基本資料。以下是提取市值、市盈率和股息收益率的方法：

def get_fundamental_data(ticker):
 stock = yf.Ticker(ticker)
 info = stock.info

 data = {
 'Ticker': ticker,
'Market Cap': info.get('marketCap', 'N/A'),
 'PE Ratio': info.get('trailingPE', 'N/A'),
 'Dividend Yield': info.get('dividendYield', 'N/A'),
 'EPS': info.get('trailingEps', 'N/A')
 }
 return data

# Extract data for a few companies
tickers = df['Symbol'].head(5) # Get tickers for the first 5 companies
fundamental_data = [get_fundamental_data(ticker) for ticker in tickers]
fundamental_df = pd.DataFrame(fundamental_data)

# Print the extracted data
fundamental_df

以上程式碼用於：

• get_fundamental_data 函式，它以股票程式碼作為輸入，並返回一個包含基本資料的字典。
• 將其應用於標準普爾 500 公司的一個子集，並將輸出儲存在 DataFrame 中。

步驟 4：視覺化或分析資料

提取資料後，您很可能希望視覺化或以某種方式分析資料。以下是如何繪製標準普爾 500 指數中遠期市盈率分佈的示例：

import matplotlib.pyplot as plt

# Extract PE Ratios for all companies
df['PE Ratio'] = df['Symbol'].apply(lambda x: get_fundamental_data(x)['PE Ratio'])
df['PE Ratio'] = pd.to_numeric(df['PE Ratio'], errors='coerce')

# Plot the distribution of PE Ratios
plt.figure(figsize=(10, 6))
df['PE Ratio'].dropna().hist(bins=50)
plt.title('Distribution of PE Ratios in the S&P 500')
plt.xlabel('PE Ratio')
plt.ylabel('Number of Companies')
plt.show()

此圖表提供了對標準普爾 500 指數中上市公司的估值的寶貴見解。直方圖直觀地顯示了有多少公司屬於特定的市盈率範圍。

步驟 5：儲存和共享您的資料

最後，您可能希望儲存提取的資料以供進一步分析或與他人共享。您可以以非常直接的方式將 DataFrame 匯出到 CSV 檔案

fundamental_df.to_csv('sp500_fundamental_data.csv', index=False)

以上命令將 DataFrame 寫入名為 sp500_fundamental_data.csv 的 CSV 格式檔案，該檔案可以在 Excel 或任何其他資料分析工具中開啟。