BAIGIAMASIS DARBAS

PRANCŪZIJOS ĮMONIŲ APYVARTA IR VYKDYTOS VEIKLOS 2007-2016 m.¶

Data-portability-1024x768.jpg

  1. Hipotezė: ekonominė(finansinė) krizė turėjo įtakos įmonių apyvartai(?)
  2. Veiklos, pasiekusios didžiausią apyvartą, duotuoju laikotarpiu?
  3. Veiklos, pasiekusios mažiausią apyvartą, duotuoju laikotarpiu?

Sąvokos: APE (activité principale exercée) - pagrindinė vykdoma veikla; Chiffres d’affaires nets - grynoji įmonės apyvarta

APE makes it possible to identify the main branch of activity of the company. For instance : 47.11C can be interpret as : Section : G Commerce ; réparation d'automobiles et de motocycles Division : 47 Commerce de détail, à l'exception des automobiles et des motocycles Groupe : 47.1 Commerce de détail en magasin non spécialisé Classe : 47.11 Commerce de détail en magasin non spécialisé à prédominance alimentaire Sous classe : 47.11C Supérettes

In [144]:
import mysql.connector
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
In [145]:
mydb = mysql.connector.connect(
    host = 'localhost', 
    port = '3317',
    user = 'root',
    password = '***'
)

cursor = mydb.cursor()
cursor.execute('USE nauja_dirbti')
dff = pd.read_sql('SELECT index_number, ape, ape_name, label FROM ape_fusion', con=mydb)
In [146]:
df = pd.read_csv('C:\\Users\\***\\PYTHON\\Darbas\\ape_fusion.csv', index_col=0)
In [147]:
vykdoma = df[['ape', 'ape_name', 'Libellé']]
vykdoma
Out[147]:
ape ape_name Libellé
0 1020Z Transform. & conserv. poisson, crustacés & mol... Industrie manufacturière
1 812 Activités de nettoyage Activités de services administratifs et de sou...
2 1610B Imprégnation du bois Industrie manufacturière
3 0910Z Activités de soutien à l'extraction d'hydrocar... Industries extractives
4 7420Z Activités photographiques Activités spécialisées, scientifiques et techn...
... ... ... ...
1668 2051 Fabrication de produits explosifs Industrie manufacturière
1669 1431 Fabrication d'articles chaussants à mailles Industrie manufacturière
1670 9525 Réparation d'articles d'horlogerie et de bijou... Autres activités de services
1671 3211 Frappe de monnaie Industrie manufacturière
1672 0000 Inconnu NaN

1673 rows × 3 columns

In [148]:
vykdoma_veikla = vykdoma.dropna()
In [151]:
FD = pd.read_csv('C:\\Users\\***\\PYTHON\\Darbas\\data_kaggle.csv',
                    index_col=0)
FD

C:\Users\eglep\anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3165: DtypeWarning: Columns (84,85) have mixed types.Specify dtype option on import or set low_memory=False.
  has_raised = await self.run_ast_nodes(code_ast.body, cell_name,
Out[151]:
year Autres impôts, taxes et versements assimilés Ventes de marchandises Production vendue biens Production vendue services Chiffres d’affaires nets Production stockée Production immobilisée Subventions d’exploitation Reprises sur amortissements et provisions, transfert de charges ... ape_groupe ape_classe ape_sous_classe ess_N° IDENTITE ENTREPRISE (SIREN) ess_RAISON SOCIALE ess_ENSEIGNE ess_SIGLE ess_CP VILLE ess_FORME JURIDIQUE is_ess
0 1919.0 NaN 2143339.0 189049.0 72029.0 2404417.0 NaN NaN NaN 6403.0 ... 701.0 7010.0 7010Z NaN NaN NaN NaN NaN NaN False
1 2007.0 NaN 327650.0 NaN 19396.0 347046.0 NaN NaN NaN 9280.0 ... 466.0 4662.0 4662Z NaN NaN NaN NaN NaN NaN False
2 2008.0 NaN 18849.0 NaN 847996.0 866844.0 NaN NaN NaN 5626.0 ... 701.0 7010.0 7010Z NaN NaN NaN NaN NaN NaN False
3 2009.0 NaN 268569.0 NaN 758.0 269327.0 NaN NaN NaN 4054.0 ... 466.0 4662.0 4662Z NaN NaN NaN NaN NaN NaN False
4 2009.0 NaN 24207.0 NaN 1173.0 25380.0 NaN NaN NaN NaN ... 466.0 4669.0 4669C NaN NaN NaN NaN NaN NaN False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
99995 2016.0 NaN NaN 14834011.0 35613.0 14869624.0 NaN NaN 1000.0 223594.0 ... 433.0 4333.0 4333Z NaN NaN NaN NaN NaN NaN False
99996 2016.0 NaN 1602399.0 3155597.0 1837610.0 6595606.0 77695.0 NaN NaN 411190.0 ... 81.0 812.0 0812Z NaN NaN NaN NaN NaN NaN False
99997 2016.0 NaN NaN 611222.0 NaN 611222.0 NaN NaN NaN 5857.0 ... 472.0 4722.0 4722Z NaN NaN NaN NaN NaN NaN False
99998 2016.0 NaN NaN NaN 19586.0 19586.0 NaN NaN NaN NaN ... 662.0 6622.0 6622Z NaN NaN NaN NaN NaN NaN False
99999 2016.0 NaN 1318284.0 NaN 14917.0 1333202.0 NaN NaN NaN 182.0 ... 464.0 4649.0 4649Z NaN NaN NaN NaN NaN NaN False

100000 rows × 88 columns

In [152]:
FD.describe()
Out[152]:
year Autres impôts, taxes et versements assimilés Ventes de marchandises Production vendue biens Production vendue services Chiffres d’affaires nets Production stockée Production immobilisée Subventions d’exploitation Reprises sur amortissements et provisions, transfert de charges ... Montant de la TVA. collectée Total TVA. déductible sur biens et services Dividendes siren enthic ape_len ape_division ape_groupe ape_classe ess_N° IDENTITE ENTREPRISE (SIREN)
count 100000.000000 0.0 3.372600e+04 1.471600e+04 7.234500e+04 8.724400e+04 1.317000e+04 3.843000e+03 1.331500e+04 4.767000e+04 ... 1.801000e+04 1.839900e+04 2.199000e+03 1.000000e+05 98608.000000 98608.000000 98608.000000 98608.000000 98608.000000 4.210000e+02
mean 2014.702840 NaN 6.471795e+06 2.698839e+07 1.587540e+06 5.660321e+06 1.541834e+04 6.371170e+05 5.787882e+04 2.162146e+05 ... 4.160794e+05 2.934100e+05 2.967542e+05 5.068991e+08 845.292076 4.998286 56.024744 563.103531 5633.209577 4.214226e+08
std 0.838906 NaN 7.304842e+07 2.253714e+09 1.675157e+07 7.009078e+07 2.069038e+06 8.606552e+06 8.933368e+05 9.712673e+06 ... 4.462102e+06 4.191736e+06 1.204212e+06 1.692721e+08 511.684275 0.041363 18.081448 180.210596 1801.733337 1.961189e+08
min 1919.000000 NaN -6.519753e+06 -1.273126e+07 -8.697778e+08 -3.217514e+07 -7.418596e+07 -7.304187e+06 -1.636410e+05 -1.650519e+06 ... -4.127710e+05 -1.466330e+05 -4.000000e+04 5.420120e+06 0.000000 4.000000 0.000000 0.000000 0.000000 5.650148e+06
25% 2014.000000 NaN 5.332550e+04 4.015800e+04 4.360000e+04 1.237538e+05 -1.606125e+04 7.506500e+03 1.392000e+03 2.084250e+03 ... 2.222125e+04 7.291000e+03 2.800000e+04 4.030743e+08 316.000000 5.000000 46.000000 463.000000 4634.000000 3.032741e+08
50% 2015.000000 NaN 3.704805e+05 4.222865e+05 1.925160e+05 4.525650e+05 8.705000e+02 3.166000e+04 3.500000e+03 8.557000e+03 ... 7.013650e+04 3.192600e+04 7.200000e+04 4.894499e+08 882.000000 5.000000 56.000000 561.000000 5610.000000 3.807086e+08
75% 2015.000000 NaN 1.566350e+06 2.061948e+06 7.334630e+05 1.522934e+06 2.542625e+04 1.503930e+05 1.110000e+04 3.779875e+04 ... 2.035662e+05 1.088275e+05 2.000000e+05 5.342671e+08 1335.000000 5.000000 69.000000 691.000000 6910.000000 5.101543e+08
max 2016.000000 NaN 5.080573e+09 2.732734e+11 2.266566e+09 7.442405e+09 9.511900e+07 4.474379e+08 8.112332e+07 1.968355e+09 ... 4.202754e+08 4.067239e+08 3.006202e+07 9.986404e+08 1672.000000 5.000000 96.000000 960.000000 9609.000000 8.159802e+08

8 rows × 76 columns

In [168]:
FD.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 100000 entries, 0 to 99999
Data columns (total 88 columns):
 #   Column                                                                    Non-Null Count   Dtype  
---  ------                                                                    --------------   -----  
 0   year                                                                      100000 non-null  float64
 1   Autres impôts, taxes et versements assimilés                              0 non-null       float64
 2   Ventes de marchandises                                                    33726 non-null   float64
 3   Production vendue biens                                                   14716 non-null   float64
 4   Production vendue services                                                72345 non-null   float64
 5   Chiffres d’affaires nets                                                  87244 non-null   float64
 6   Production stockée                                                        13170 non-null   float64
 7   Production immobilisée                                                    3843 non-null    float64
 8   Subventions d’exploitation                                                13315 non-null   float64
 9   Reprises sur amortissements et provisions, transfert de charges           47670 non-null   float64
 10  Autres produits                                                           64523 non-null   float64
 11  Total des produits d’exploitation                                         83360 non-null   float64
 12  Achats de marchandises (y compris droits de douane)                       26508 non-null   float64
 13  Variation de stock (marchandises)                                         21985 non-null   float64
 14  Achats de matières premières et autres approvisionnements                 38100 non-null   float64
 15  Variation de stock (matières premières et approvisionnements)             22174 non-null   float64
 16  Autres achats et charges externes                                         95423 non-null   float64
 17  Impôts, taxes et versements assimilés                                     90588 non-null   float64
 18  Salaires et traitements                                                   73258 non-null   float64
 19  Charges sociales                                                          73794 non-null   float64
 20  Autres charges                                                            67772 non-null   float64
 21  Total des charges d’exploitation                                          96110 non-null   float64
 22  Résultat d'exploitation                                                   87924 non-null   float64
 23  Bénéfice attribué ou perte transférée                                     1212 non-null    float64
 24  Perte supportée ou bénéfice transféré                                     1110 non-null    float64
 25  Produits financiers de participations                                     13473 non-null   float64
 26  Produits des autres valeurs mobilières et créances de l’actif immobilisé  4659 non-null    float64
 27  Autres intérêts et produits assimilés                                     35961 non-null   float64
 28  Reprises sur provisions et transferts de charges financier                4012 non-null    float64
 29  Différences positives de change                                           6012 non-null    float64
 30  Produits nets sur cessions de valeurs mobilières de placement             4460 non-null    float64
 31  Total des produits financiers                                             33486 non-null   float64
 32  Dotations financières sur amortissements et provisions                    4131 non-null    float64
 33  Intérêts et charges assimilées                                            49274 non-null   float64
 34  Différences négatives de change                                           5539 non-null    float64
 35  Charges nettes sur cessions de valeurs mobilières de placement            1022 non-null    float64
 36  Total des charges financières                                             66945 non-null   float64
 37  Résultat financier                                                        75992 non-null   float64
 38  Résultat en cours avant impôts                                            90609 non-null   float64
 39  Produits exceptionnels sur opérations de gestion                          29188 non-null   float64
 40  Produits exceptionnels sur opérations en capital                          21989 non-null   float64
 41  Reprises sur provisions et transferts de charges exceptionnel             5513 non-null    float64
 42  Total des produits exceptionnels                                          31809 non-null   float64
 43  Charges exceptionnelles sur opérations de gestion                         41716 non-null   float64
 44  Charges exceptionnelles sur opérations en capital                         17306 non-null   float64
 45  Dotations exceptionnelles aux amortissements et provisions                8288 non-null    float64
 46  Total des charges exceptionnelles                                         61414 non-null   float64
 47  Résultat exceptionnel                                                     60949 non-null   float64
 48  Participation des salariés aux résultats de l’entreprise                  2983 non-null    float64
 49  Impôts sur les bénéfices                                                  49540 non-null   float64
 50  Total des produits                                                        90512 non-null   float64
 51  Total des charges                                                         93629 non-null   float64
 52  Bénéfices ou perte (Total des produits ‐ Total des charges)               87167 non-null   float64
 53  Impôts différés (compte de résultat)                                      0 non-null       float64
 54  Résultat net des sociétés mises en équivalence                            0 non-null       float64
 55  Résultat net des entreprises intégrées                                    0 non-null       float64
 56  Résultat Groupe (Résultat net consolidé)                                  0 non-null       float64
 57  Part des intérêts minoritaires (Résultat hors groupe)                     0 non-null       float64
 58  Résultat net part du groupe (part de la société mère)                     0 non-null       float64
 59  Rémunération d’intermédiaires et honoraires (hors rétrocessions)          20674 non-null   float64
 60  Location, charges locatives et de copropriété                             18359 non-null   float64
 61  Effectif moyen du personnel                                               16372 non-null   float64
 62  Sous‐traitance                                                            13098 non-null   float64
 63  Personnel extérieur à l’entreprise                                        4300 non-null    float64
 64  Rétrocessions d’honoraires, commissions et courtages                      1573 non-null    float64
 65  Taxe professionnelle                                                      17482 non-null   float64
 66  Montant de la TVA. collectée                                              18010 non-null   float64
 67  Total TVA. déductible sur biens et services                               18399 non-null   float64
 68  Dividendes                                                                2199 non-null    float64
 69  siren                                                                     100000 non-null  int64  
 70  denomination                                                              98609 non-null   object 
 71  enthic                                                                    98608 non-null   float64
 72  postal_code                                                               98609 non-null   object 
 73  town                                                                      98609 non-null   object 
 74  ape                                                                       98608 non-null   object 
 75  ape_name                                                                  98608 non-null   object 
 76  ape_len                                                                   98608 non-null   float64
 77  ape_division                                                              98608 non-null   float64
 78  ape_groupe                                                                98608 non-null   float64
 79  ape_classe                                                                98608 non-null   float64
 80  ape_sous_classe                                                           98439 non-null   object 
 81  ess_N° IDENTITE ENTREPRISE (SIREN)                                        421 non-null     float64
 82  ess_RAISON SOCIALE                                                        421 non-null     object 
 83  ess_ENSEIGNE                                                              26 non-null      object 
 84  ess_SIGLE                                                                 87 non-null      object 
 85  ess_CP VILLE                                                              421 non-null     object 
 86  ess_FORME JURIDIQUE                                                       421 non-null     object 
 87  is_ess                                                                    100000 non-null  bool   
dtypes: bool(1), float64(75), int64(1), object(11)
memory usage: 67.2+ MB
In [19]:
#FD.drop(['ape_groupe'], axis=1, inplace=True)
In [169]:
FD.sort_values(by=['year'], ascending=True)
FD
Out[169]:
year Autres impôts, taxes et versements assimilés Ventes de marchandises Production vendue biens Production vendue services Chiffres d’affaires nets Production stockée Production immobilisée Subventions d’exploitation Reprises sur amortissements et provisions, transfert de charges ... ape_groupe ape_classe ape_sous_classe ess_N° IDENTITE ENTREPRISE (SIREN) ess_RAISON SOCIALE ess_ENSEIGNE ess_SIGLE ess_CP VILLE ess_FORME JURIDIQUE is_ess
0 1919.0 NaN 2143339.0 189049.0 72029.0 2404417.0 NaN NaN NaN 6403.0 ... 701.0 7010.0 7010Z NaN NaN NaN NaN NaN NaN False
1 2007.0 NaN 327650.0 NaN 19396.0 347046.0 NaN NaN NaN 9280.0 ... 466.0 4662.0 4662Z NaN NaN NaN NaN NaN NaN False
2 2008.0 NaN 18849.0 NaN 847996.0 866844.0 NaN NaN NaN 5626.0 ... 701.0 7010.0 7010Z NaN NaN NaN NaN NaN NaN False
3 2009.0 NaN 268569.0 NaN 758.0 269327.0 NaN NaN NaN 4054.0 ... 466.0 4662.0 4662Z NaN NaN NaN NaN NaN NaN False
4 2009.0 NaN 24207.0 NaN 1173.0 25380.0 NaN NaN NaN NaN ... 466.0 4669.0 4669C NaN NaN NaN NaN NaN NaN False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
99995 2016.0 NaN NaN 14834011.0 35613.0 14869624.0 NaN NaN 1000.0 223594.0 ... 433.0 4333.0 4333Z NaN NaN NaN NaN NaN NaN False
99996 2016.0 NaN 1602399.0 3155597.0 1837610.0 6595606.0 77695.0 NaN NaN 411190.0 ... 81.0 812.0 0812Z NaN NaN NaN NaN NaN NaN False
99997 2016.0 NaN NaN 611222.0 NaN 611222.0 NaN NaN NaN 5857.0 ... 472.0 4722.0 4722Z NaN NaN NaN NaN NaN NaN False
99998 2016.0 NaN NaN NaN 19586.0 19586.0 NaN NaN NaN NaN ... 662.0 6622.0 6622Z NaN NaN NaN NaN NaN NaN False
99999 2016.0 NaN 1318284.0 NaN 14917.0 1333202.0 NaN NaN NaN 182.0 ... 464.0 4649.0 4649Z NaN NaN NaN NaN NaN NaN False

100000 rows × 88 columns

In [170]:
FD[FD['ape_sous_classe'].isin(['4633Z'])]
Out[170]:
year Autres impôts, taxes et versements assimilés Ventes de marchandises Production vendue biens Production vendue services Chiffres d’affaires nets Production stockée Production immobilisée Subventions d’exploitation Reprises sur amortissements et provisions, transfert de charges ... ape_groupe ape_classe ape_sous_classe ess_N° IDENTITE ENTREPRISE (SIREN) ess_RAISON SOCIALE ess_ENSEIGNE ess_SIGLE ess_CP VILLE ess_FORME JURIDIQUE is_ess
315 2012.0 NaN 3.688646e+08 52715.0 1960671.0 3.708780e+08 NaN NaN NaN NaN ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
347 2012.0 NaN 1.003733e+09 NaN 3123448.0 1.006856e+09 NaN NaN 3500.0 347517.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
348 2012.0 NaN 4.353803e+08 NaN 5644842.0 4.410251e+08 NaN NaN NaN NaN ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
553 2012.0 NaN 1.707619e+06 NaN 9855.0 1.717474e+06 NaN NaN NaN NaN ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
1902 2013.0 NaN NaN 23932664.0 483506.0 2.441617e+07 -9983.0 NaN NaN 8280.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
97768 2016.0 NaN 1.931138e+06 NaN NaN 1.931138e+06 NaN NaN NaN 66169.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
97819 2016.0 NaN 1.348878e+07 15378.0 926.0 1.350508e+07 NaN NaN 3200.0 5162.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
97998 2016.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
98349 2016.0 NaN 1.411975e+07 -337.0 161387.0 1.428080e+07 NaN NaN 3000.0 18904.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False
98402 2016.0 NaN 2.737816e+08 NaN 2697215.0 2.764788e+08 NaN NaN NaN 6793455.0 ... 463.0 4633.0 4633Z NaN NaN NaN NaN NaN NaN False

123 rows × 88 columns

In [171]:
apyvarta_pagal_metus = FD[['year', 'Chiffres d’affaires nets', 'ape_sous_classe']]
apyvarta_pagal_metus
Out[171]:
year Chiffres d’affaires nets ape_sous_classe
0 1919.0 2404417.0 7010Z
1 2007.0 347046.0 4662Z
2 2008.0 866844.0 7010Z
3 2009.0 269327.0 4662Z
4 2009.0 25380.0 4669C
... ... ... ...
99995 2016.0 14869624.0 4333Z
99996 2016.0 6595606.0 0812Z
99997 2016.0 611222.0 4722Z
99998 2016.0 19586.0 6622Z
99999 2016.0 1333202.0 4649Z

100000 rows × 3 columns

In [118]:
apyvarta = apyvarta_pagal_metus[apyvarta_pagal_metus['Chiffres d’affaires nets'].notna()]
In [119]:
apyvarta_metai = apyvarta[(apyvarta['year'] > 2006)]
In [153]:
apyvarta_metai.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 87243 entries, 1 to 99999
Data columns (total 3 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   year                      87243 non-null  float64
 1   Chiffres d’affaires nets  87243 non-null  float64
 2   ape_sous_classe           85871 non-null  object 
dtypes: float64(2), object(1)
memory usage: 2.7+ MB
In [155]:
vppm = (apyvarta_metai.groupby(['year'])['Chiffres d’affaires nets'].sum()).round().astype('int64').reset_index()
vppm
Out[155]:
year Chiffres d’affaires nets
0 2007.0 347046
1 2008.0 866844
2 2009.0 294707
3 2010.0 588197
4 2011.0 30390173
5 2012.0 5649701708
6 2013.0 32247017849
7 2014.0 91694738169
8 2015.0 222406307780
9 2016.0 141796376603

Prancūzijos įmonių grynoji apyvarta 2007-2016 m.¶

In [121]:
metine_apyvarta=vppm.reset_index().astype('int64')
metine_apyvarta   # max.Du šimtai dvidešimt du milijardai keturi šimtai šeši milijonai trys šimtai septyni tūkstančiai
Out[121]:
index year Chiffres d’affaires nets
0 0 2007 347046
1 1 2008 866844
2 2 2009 294707
3 3 2010 588197
4 4 2011 30390173
5 5 2012 5649701708
6 6 2013 32247017849
7 7 2014 91694738169
8 8 2015 222406307780
9 9 2016 141796376603
In [156]:
sns.relplot(x="year", y="Chiffres d’affaires nets",
    height=4, ci=None, kind="line", data=metine_apyvarta)

plt.title('Grynoji apyvarta 2007-2016 m')
Out[156]:
Text(0.5, 1.0, 'Grynoji apyvarta 2007-2016 m')

Išvada: duomenys patvirtina hipotezę, jog ekonominės krizės metais (2008-2009 m.) įmonės Prancūzijoje patyrė pastebimus nuostolius, tuo tarpu krizei pasibaigus, praėjus keliems metams, matomas ženklus apyvartos kilimas. Ryškiausias grynosios apyvartos išaugimas - 2012 m. Bendra įmonių apyvarta per metus išaugo net 186 kartus.

Veiklos, pasiekusios didžiausią apyvartą, Prancūzijoje 2007-2016 m.¶

In [66]:
# veikla_apyvarta = metine_apyvarta[(metine_apyvarta['ape_sous_classe'].notna() & metine_apyvarta['Chiffres d’affaires nets'].notna()) & (metine_apyvarta['year'] > 2006)]
In [123]:
veiklos = (veikla_apyvarta.groupby(['ape_sous_classe'])['Chiffres d’affaires nets'].sum()).round().astype('int64').sort_values(ascending=False).reset_index()
pelningiausios_veiklos = veiklos.head(10)
pelningiausios_veiklos
Out[123]:
ape_sous_classe Chiffres d’affaires nets
0 4633Z 30485118690
1 4617A 23829247632
2 7022Z 23372777571
3 7010Z 16742174273
4 1011Z 15686719487
5 4711F 14948117845
6 4511Z 11036534538
7 4669B 9172177385
8 1051C 8724860009
9 4669A 6725851807
In [157]:
veiklos_sritis = vykdoma_veikla[vykdoma_veikla['ape'].isin(['4633Z', '4617A', '7022Z', '7010Z', '1011Z', '4711F', '4511Z', '4669B', '1051C', '4669A' ])]
veiklos_sritis
Out[157]:
ape ape_name Libellé
97 4669B Commerce de gros de fournitures et équipements... Commerce ; réparation d'automobiles et de moto...
118 4511Z Commerce de voitures et de véhicules automobil... Commerce ; réparation d'automobiles et de moto...
173 4633Z Com. gros produits laitiers, oeufs, huiles & m... Commerce ; réparation d'automobiles et de moto...
286 4711F Hypermarchés Commerce ; réparation d'automobiles et de moto...
314 7022Z Conseil pour les affaires et autres conseils d... Activités spécialisées, scientifiques et techn...
362 7010Z Activités des sièges sociaux Activités spécialisées, scientifiques et techn...
834 1011Z Transformation et conservation de la viande de... Industrie manufacturière
1104 1051C Fabrication de fromage Industrie manufacturière
1577 4617A Centrales d'achat alimentaires Commerce ; réparation d'automobiles et de moto...
1596 4669A Commerce de gros de matériel électrique Commerce ; réparation d'automobiles et de moto...
In [125]:
right = pelningiausios_veiklos.set_index(['ape_sous_classe'])
In [126]:
left = veiklos_sritis.set_index(['ape'])
In [127]:
left.join(right).sort_values(by='Chiffres d’affaires nets')
Out[127]:
ape_name Libellé Chiffres d’affaires nets
ape
4669A Commerce de gros de matériel électrique Commerce ; réparation d'automobiles et de moto... 6725851807
1051C Fabrication de fromage Industrie manufacturière 8724860009
4669B Commerce de gros de fournitures et équipements... Commerce ; réparation d'automobiles et de moto... 9172177385
4511Z Commerce de voitures et de véhicules automobil... Commerce ; réparation d'automobiles et de moto... 11036534538
4711F Hypermarchés Commerce ; réparation d'automobiles et de moto... 14948117845
1011Z Transformation et conservation de la viande de... Industrie manufacturière 15686719487
7010Z Activités des sièges sociaux Activités spécialisées, scientifiques et techn... 16742174273
7022Z Conseil pour les affaires et autres conseils d... Activités spécialisées, scientifiques et techn... 23372777571
4617A Centrales d'achat alimentaires Commerce ; réparation d'automobiles et de moto... 23829247632
4633Z Com. gros produits laitiers, oeufs, huiles & m... Commerce ; réparation d'automobiles et de moto... 30485118690
In [79]:
# apyvarta_TOP10 = apyvarta_metai[(apyvarta_metai['Chiffres d’affaires nets'].notna()) & 
#                                 (apyvarta_metai['Chiffres d’affaires nets'].sum()).round().astype('int64')]
In [158]:
df = left.join(right).sort_values(by='Chiffres d’affaires nets', ascending=False)
In [55]:
# pln_veiklos_TOP10['Chiffres d’affaires nets'].round().astype('int64')
In [161]:
df
Out[161]:
ape_name Libellé Chiffres d’affaires nets
ape
4633Z Com. gros produits laitiers, oeufs, huiles & m... Commerce ; réparation d'automobiles et de moto... 30485118690
4617A Centrales d'achat alimentaires Commerce ; réparation d'automobiles et de moto... 23829247632
7022Z Conseil pour les affaires et autres conseils d... Activités spécialisées, scientifiques et techn... 23372777571
7010Z Activités des sièges sociaux Activités spécialisées, scientifiques et techn... 16742174273
1011Z Transformation et conservation de la viande de... Industrie manufacturière 15686719487
4711F Hypermarchés Commerce ; réparation d'automobiles et de moto... 14948117845
4511Z Commerce de voitures et de véhicules automobil... Commerce ; réparation d'automobiles et de moto... 11036534538
4669B Commerce de gros de fournitures et équipements... Commerce ; réparation d'automobiles et de moto... 9172177385
1051C Fabrication de fromage Industrie manufacturière 8724860009
4669A Commerce de gros de matériel électrique Commerce ; réparation d'automobiles et de moto... 6725851807
In [163]:
df['%'] = ((df['Chiffres d’affaires nets'] / df['Chiffres d’affaires nets'].sum())*100).round(2).astype(str) + '%'
df
Out[163]:
ape_name Libellé Chiffres d’affaires nets %
ape
4633Z Com. gros produits laitiers, oeufs, huiles & m... Commerce ; réparation d'automobiles et de moto... 30485118690 18.97%
4617A Centrales d'achat alimentaires Commerce ; réparation d'automobiles et de moto... 23829247632 14.83%
7022Z Conseil pour les affaires et autres conseils d... Activités spécialisées, scientifiques et techn... 23372777571 14.54%
7010Z Activités des sièges sociaux Activités spécialisées, scientifiques et techn... 16742174273 10.42%
1011Z Transformation et conservation de la viande de... Industrie manufacturière 15686719487 9.76%
4711F Hypermarchés Commerce ; réparation d'automobiles et de moto... 14948117845 9.3%
4511Z Commerce de voitures et de véhicules automobil... Commerce ; réparation d'automobiles et de moto... 11036534538 6.87%
4669B Commerce de gros de fournitures et équipements... Commerce ; réparation d'automobiles et de moto... 9172177385 5.71%
1051C Fabrication de fromage Industrie manufacturière 8724860009 5.43%
4669A Commerce de gros de matériel électrique Commerce ; réparation d'automobiles et de moto... 6725851807 4.18%
In [164]:
df['key'] = ((df['Chiffres d’affaires nets'] / df['Chiffres d’affaires nets'].sum())*100).round(2).astype('float')
df
Out[164]:
ape_name Libellé Chiffres d’affaires nets % key
ape
4633Z Com. gros produits laitiers, oeufs, huiles & m... Commerce ; réparation d'automobiles et de moto... 30485118690 18.97% 18.97
4617A Centrales d'achat alimentaires Commerce ; réparation d'automobiles et de moto... 23829247632 14.83% 14.83
7022Z Conseil pour les affaires et autres conseils d... Activités spécialisées, scientifiques et techn... 23372777571 14.54% 14.54
7010Z Activités des sièges sociaux Activités spécialisées, scientifiques et techn... 16742174273 10.42% 10.42
1011Z Transformation et conservation de la viande de... Industrie manufacturière 15686719487 9.76% 9.76
4711F Hypermarchés Commerce ; réparation d'automobiles et de moto... 14948117845 9.3% 9.30
4511Z Commerce de voitures et de véhicules automobil... Commerce ; réparation d'automobiles et de moto... 11036534538 6.87% 6.87
4669B Commerce de gros de fournitures et équipements... Commerce ; réparation d'automobiles et de moto... 9172177385 5.71% 5.71
1051C Fabrication de fromage Industrie manufacturière 8724860009 5.43% 5.43
4669A Commerce de gros de matériel électrique Commerce ; réparation d'automobiles et de moto... 6725851807 4.18% 4.18
In [165]:
pp = df
In [166]:
colors = ['#4F6272', '#B7C3F3', '#DD7596', '#8EB897']
In [175]:
pp.iloc[0:10].plot.pie(x = 'ape', y = 'key', autopct='%1.1f%%', radius=1.5, colors=colors)
plt.show
Out[175]:
<function matplotlib.pyplot.show(close=None, block=None)>

Išvada: 'pie chart' išryškėja trys veiklos sritys, kurios duotų laikotarpiu jose dirbančioms įmonėms atnešė didžiausią pelną: didmeninė prekyba pieno produktais, kiaušiniais ir pan., prekybos centrai, verslo konsultavimo veiklos. Nemažai sričių susijusių su maisto kultūra (be pagrindinės: mėsos perdirbimo, konservavimo sritys, sūrių gamyba).

Veiklos, pasiekusios mažiausią apyvartą, Prancūzijoje 2007-2016 m.¶

In [136]:
veiklos = (veikla_apyvarta.groupby(['ape_sous_classe'])['Chiffres d’affaires nets'].sum()).round().astype('int64').sort_values(ascending=True).reset_index()
nuostolingiausios_veiklos = veiklos.head(10)
nuostolingiausios_veiklos
Out[136]:
ape_sous_classe Chiffres d’affaires nets
0 1031Z -4301
1 3513Z 15435
2 0145Z 59202
3 3091Z 89428
4 8423Z 92258
5 2891Z 106018
6 1106Z 124950
7 7722Z 140314
8 8430B 142480
9 1420Z 183879
In [137]:
veiklos_sritis1 = vykdoma_veikla[vykdoma_veikla['ape'].isin(['1031Z', '3513Z', '0145Z', '3091Z', '8423Z', '2891Z', '1106Z', '7722Z', '8430B', '1420Z'])]
In [138]:
right1 = nuostolingiausios_veiklos.set_index(['ape_sous_classe'])
In [139]:
left1 = veiklos_sritis1.set_index(['ape'])
In [140]:
left1.join(right1).sort_values(by='Chiffres d’affaires nets', ascending=True)
Out[140]:
ape_name Libellé Chiffres d’affaires nets
ape
1031Z Transformation et conservation de pommes de terre Industrie manufacturière -4301
3513Z Distribution d'électricité Production et distribution d'électricité, de g... 15435
0145Z Élevage d'ovins et de caprins Agriculture, sylviculture et pêche 59202
3091Z Fabrication de motocycles Industrie manufacturière 89428
8423Z Justice Administration publique 92258
2891Z Fabrication de machines pour la métallurgie Industrie manufacturière 106018
1106Z Fabrication de malt Industrie manufacturière 124950
7722Z Location de vidéocassettes et disques vidéo Activités de services administratifs et de sou... 140314
8430B Gestion des retraites complémentaires Administration publique 142480
1420Z Fabrication d'articles en fourrure Industrie manufacturière 183879
In [141]:
pln_veiklos_nuost10 = left1.join(right1).sort_values(by='Chiffres d’affaires nets', ascending=True)
In [142]:
pln_veiklos_nuost10.to_csv('pln_veiklos_nuost10.csv')

paskutinis.png

Dažniausiai veiklos, turinčios mažiausias apyvartas, siejasi su gamybos pramonės bei viešojo administravimo sritimis. Vis dėl to pastebimai išsiskira bulvių perdirbimo ir konservavimo veikla.

IŠVADOS¶

  1. Hipotezė patvirtinta: duomenys parodė, jog ekonominės(finansinės) krizės metais įmonių apyvarta buvo ženkliai mažesnė, o nuo 2012 m. pastebimai išaugo, pasiekdama aukščiausius skaičius - 2015 m.
  2. Didžiausios apyvartos duotuoju laikotarpiu pasiektos šiose srityse:
    • didmeninė prekyba pieno produktais, kiaušiniais, maistiniais aliejais ir pan.(prekyba)
    • prekyba maisto produktais (prekybos centrai)
    • verslo konsultacijos ir patariamųjų struktūrų vadybos/valdymo klausimais veikla (įv. specializuotos, moksl. ir tech. veiklos) Maisto kultūra šioje šalyje dar kartą užsitvirtina savo vietą.
  3. Mažiausiai pelningos veiklos duotuoju laikotarpiu:
    • bulvių perdirbimas ir konservavimas (gamybos pramonė)
    • elektros paskirstymas
    • avių ir ožkų auginimas
In [ ]:
In [ ]:
In [ ]: