一、项目概述与技术选型

1.1 项目概述

该项目基于Streamlit框架搭建一个申万行业金融数据分析平台，实现行业指数可视化、股票交易数据展示、财务指标主成分分析与综合评价的全流程交互，涵盖数据清洗、可视化、机器学习（PCA）等核心技术点。

1.2 技术选型

• 前端与交互：Streamlit
• 数据处理：Pandas
• 可视化：Matplotlib
• 机器学习：Scikit-learn
• 数据存储：CSV/Excel

二、项目核心功能模块设计

1. 数据处理模块（st_data函数）：实现行业数据筛选、关联、可视化，返回指数走势图、股票价格图及各类分析数据。
2. 综合评价模块（Fr函数）：基于 PCA 实现财务指标的综合评分与排名。
3. 交互展示模块（st_fig函数）：通过 Streamlit 搭建前端交互界面，整合数据处理与评价结果的展示。

流程：选择行业/年度/排行数量—调用st_data获取行业可视化图表—调用Fr获取综合评价—展示结果

三、核心代码实现

3.1 数据处理核心函数（st_data）

3.2 财务综合评价函数（Fr）

3.3 Streamlit 交互展示函数（st_fig）

四、关键功能亮点

4.1 金融可视化

• 多股票价格子图：采用 3 行 2 列的子图布局，同时展示 6 只股票的价格走势，便于行业内个股对比分析。
• 自适应标题：根据选择的行业动态生成图表标题，提升交互的直观性。

4.2 基于 PCA 的财务综合评价

• 数据标准化：通过StandardScaler消除指标量纲的影响，保证不同财务指标的可比性。
• 自适应降维：设置n_components=0.95，自动保留 95% 的信息，避免过度降维导致的信息丢失。
• 加权综合得分：以主成分的解释方差占比为权重，计算综合得分，更科学地反映上市公司的财务表现。

4.3 交互式参数调节

• 从申万一级行业列表中自由选择分析对象。
• 选择 2022-2024 年的财务数据进行年度评价。
• 自定义展示综合排名的前 N 名（5/10/15/20），满足不同的分析粒度需求。

五、展示页面

六、总结

本文基于 Streamlit 框架搭建了一个功能完善的申万行业金融数据分析平台，实现了行业指数可视化、股票交易数据展示、财务指标主成分分析与综合评价的全流程交互。平台采用函数化与模块化设计，兼具数据处理的严谨性和交互的灵活性，不仅适用于金融行业研究的教学实验，也可作为投资分析的辅助工具。

通过该平台，使用者可以直观地分析申万行业的指数趋势、个股表现，并基于 PCA 实现上市公司的财务综合排名，为投资决策提供数据支撑。未来可进一步集成实时数据源、优化可视化效果、添加多方法评价对比，打造更全面的金融数据分析平台。