中国最新上市公司市值500强，都分布在哪里？-技术圈

公众号后台回复“图书“，了解更多号主新书内容

作者：小小明、黄伟呢

来源：数据分析与统计学之美

1. 背景介绍

大家好，我是黄同学！

看完本文，你将可以了解到以下知识。

前不久，朋友发给我两张图片（如下），图片中是表格形式的数据，包含了最新中国上市公司市值500强的那些公司。

目的： 想要让我提取图片中的表格数据。

于是，借着这些数据，有感而发，写了这篇文章。

想要分析这些数据，首先就要想到如何获取到图片中的这些数据。当然我这里，借用的是百度的表格识别api。

然而，这里又出现一个问题，虽是500行数据，但是就两张图片，每一张就超级大，无法识别。于是，考虑在识别图片表格数据之前，先对图片进行切分。

整个获取图片表格数据的思路就是这样，咱们直接上代码吧！

图片切分

下面切分算法，以每张图860像素为基准进行切分，不是开头的，图片上面补25个像素，保证每个单元格都完整出现在每张图片里。

【图片切分代码，源于小小明几十次测试写出的算法】

import math
from PIL import Image

img = Image.open("500强.png")
w, h = img.size

height = 860
r = math.ceil(h/height)
img_splits = []
for i in range(r):
    start = height * i
    end = height * (i + 1)
    if end > h:
        end = h
    if i != 0:
        start -= 25
    box = (0, start, w, end)
    img_split = img.crop(box)
    print(i)
    display(img_split)
    img_splits.append(img_split)

结果如下：

图片表格数据识别

表格文字识别百度api：

https://ai.baidu.com/tech/ocr_others/table

最主要就是： 注册百度AI账号，创建应用后在应用列表里获取ak和sk。

在获取到ak和sk，我们测试一下，看看识别效果。

import pandas as pd
request_url = f"https://aip.baidubce.com/rest/2.0/solution/v1/form_ocr/request?access_token={access_token}"
headers = {'content-type': 'application/x-www-form-urlencoded'}

base64_str = image_to_base64(img_splits[0])
params = {"image": base64_str, "is_sync": "true", "request_type": "excel"}
json_data = requests.post(request_url, data=params, headers=headers).json()
df = pd.read_excel(excel_url, header=None)
df

结果如下：

上面只是其中一张图片，接着需要对所有图片分别进行识别，做一个数据拼接，即可得到最终的数据。

2. 数据分析

7月1日，万得2021上半年中国上市企业市值 500 强榜单正式公开发布，统计时间截止2021年6月30日。

接着，我们读取上述获取到了数据，进行数据分析。

读取到的数据源，大致如下：

基本信息统计

本次编制的500强，入围门槛为市值492亿元 (公司简称"知乎")，市值最大的为46626亿元 (公司简称"腾讯控股")，500强上市公司总市值约98.78万亿。

万亿市值公司都在哪些？

我们分别对总市值大于10000的公司，做个统计：

从结果中可以看到，在500强榜单中，有13家万亿市值公司。

接下来，我们分别筛选出这13家万亿市值公司。

根据榜单数据显示： 这13家万亿市值公司，分别是腾讯控股、阿里、台积电、贵州茅台、工商银行、美团、招商银行、建设银行、宁德时代、中国平安、五粮液、农业银行、拼多多。

我们又分别按照地域分组，发现在这13家万亿市值公司中，北京有4家（工行、美团、建行、农行），广东（深圳）有3家（腾讯、招行、中国平安），上海1家（拼多多），浙江1家（阿里），台湾1家（台积电），贵州1家（茅台），福建1家（宁德时代），四川1家（五粮液）。

宁德时代是指宁德时代新能源科技股份有限公司，这是一个位于三四线城市的小企业。宁德时代创办于2011年，凭借新能源汽车热潮，仅用六年的时间就坐上全球新能源电池第一供应商的“龙头椅”。

千亿市值公司都在哪些？

我们分别对总市值大于1000的公司，做个统计：

从结果中可以看到，在500强榜单中，有254家千亿市值公司。

接下来，我们分别筛选出这254家万亿市值公司。

我们分别按照地域分组，发现在这254家千亿市值公司中，北京59家、广东40家、香港27家，上海25家、深圳24家、台湾19家......

对于不同城市的上市公司，我这里也为大家总了一个简单的统计，数据如下图所示。

注明： 这里无法一次性显示完整，我为大家导出了Excel，需要的朋友，可以私信我。

中国上市公司500强分布地图

观察地图，可以发现北京、广东、上海、香港、台湾、浙江的上市公司较多，而有些城市，像黑龙江、甘肃、青海、西藏、广西、海南没有一个上市公司。

我们现在来看看具体的数据，你有什么想说的？

中国上市公司500强行业词云图

我们按照行业分组，分别对行业数据做一个词云图统计，发现电子、医药生物、信息技术、房地产、银行、汽车、证券经纪等行业较多。

我们来看一个具体的数据，你又有什么想说的？

◆ ◆ ◆ ◆ ◆

麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：




数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。

管理员二维码：
猜你喜欢

● 卧槽！原来爬取B站弹幕这么简单
● 厉害了！麟哥新书登顶京东销量排行榜！
● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主！
● 你相信逛B站也能学编程吗