Dart Open API를 활용하면 공시 정보를 ‘데이터 분석’에 활용

Dart Open API를 활용하면 공시 정보를 ‘데이터 분석’에 활용

!pip install dart-fss

Dart OpenAPI 키 발급

https://opendart.fss.or.kr/uat/uia/egovLoginUsr.do:

DART FSS 공식문서 이용하기

https://dart-fss.readthedocs.io/en/latest/dart_api.html

API 키 입력하기

import dart_fss as dart_fss
import pandas as pd

api_key = '8ab1ea24fe1576a0c7eab24998794f49b06c7aa9'
dart_fss.set_api_key(api_key=api_key)

corp_list = dart_fss.get_corp_list() # DART 공시된 회사 리스트 반환

corp_list.corps

DART에 등록되어있는 공시대상회사의 고유번호,회사명,대표자명,종목코드, 최근변경일자 다운로드"""

all = dart_fss.api.filings.get_corp_code() 
all[0]

df = pd.DataFrame(all) # 받아온값을 데이터프레임으로 만들어 놓고 사용한다.

df_listed = df[df['stock_code'].notnull()] # stock_code가 있는것 = 상장종목
df_non_listed = df[df['stock_code'].isnull()] # stock_code 없는것 = 비상장종목

# df_listed.to_excel('상장종목.xlsx') #파일생성후 저장
# df_non_listed.to_excel('비상장종목.xlsx')
df_non_listed.head()

한 개 종목을 정해서 코드를 찾기"""

df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]

기업정보 가져오기"""

corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
dart_fss.api.filings.get_corp_info(corp_code)

미등기임원 보수 총액"""

corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
data = dart_fss.api.info.unrst_exctv_mendng_sttus(corp_code, '2021', '11011')

data['list']
# 리스트로 받아온데이터를 데이터프레임으로 만들어 넣는다
pd.DataFrame(data['list'])

증자(감사) 현황"""

data = dart_fss.api.info.irds_sttus(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

배당 현황"""

data = dart_fss.api.info.alot_matter(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

최대주주 현황"""

data = dart_fss.api.info.hyslr_sttus(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

원하는 모양으로 만들어봅니다!"""

data = dart_fss.api.info.hyslr_sttus(corp_code, '2021', '11011')
df = pd.DataFrame(data['list'])

df = df[['corp_name','nm','relate','bsis_posesn_stock_qota_rt','trmend_posesn_stock_qota_rt','rm']]
df.columns = ['회사명','이름','관계','기초지분율','기말지분율','비고']

df = df[df['관계'].notnull()]

df['기초지분율'] = pd.to_numeric(df['기초지분율'])
df['기말지분율'] = pd.to_numeric(df['기말지분율'])

df.sort_values(by='기초지분율',ascending=False).head(3)

임원사항"""

data = dart_fss.api.info.exctv_sttus(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

직원현황"""

data = dart_fss.api.info.emp_sttus(corp_code, '2021', '11011')

pd.DataFrame(data['list'])

이사보수"""

data = dart_fss.api.info.hmv_audit_indvdl_by_sttus(corp_code, '2021', '11011')

pd.DataFrame(data['list'])

연봉 top5 """

data = dart_fss.api.info.indvdl_by_pay(corp_code, '2021', '11011')

pd.DataFrame(data['list'])

타법인 출자 현황"""

data = dart_fss.api.info.otr_cpr_invstmnt_sttus(corp_code, '2021', '11011')

pd.DataFrame(data['list'])

재무제표의 3년 치 주요 정보"""

corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
# 3년치 주요 정보
# data = dart_fss.api.finance.fnltt_singl_acnt(corp_code, '2021', '11011')

# 모든 항목의 정보 
data = dart_fss.api.finance.fnltt_singl_acnt_all(corp_code, '2021', '11011','CFS')

pd.DataFrame(data['list'])

임원, 주요 주주 소유 보고"""

corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
data = dart_fss.api.shareholder.elestock(corp_code)

pd.DataFrame(data['list'])

결과 항목의 특정 사람만 검색 할때

df_temp = pd.DataFrame(data['list'])
df_temp[df_temp['repror'] == '김범수']

특정기업 top5 연봉 (함수로 구현)"""

def get_salary_top(name):
  corp_code = df_listed[df_listed['corp_name'] == name].iloc[0,0]
  data = dart_fss.api.info.indvdl_by_pay(corp_code, '2021', '11011') # dart 의 연봉 제공 정보를 이용 data에 담고
  
  df_temp = pd.DataFrame(data['list']) # 데이터프레임을 temp 로 만들어서 가공 
  df_temp = df_temp[['corp_name','nm','ofcps','mendng_totamt']] # 필요한 정보만 보기
  df_temp.columns = ['기업명','이름','역할','보수'] # 컬럼명을 한글로 바꾸기
  df_temp['보수'] = pd.to_numeric(df_temp['보수'].str.replace(',','')) # 금액을 숫자로 변환
  df_temp = df_temp.sort_values(by='보수',ascending=False) # 숫자는 정렬이 가능 
  
  return df_temp

get_salary_top('LG에너지솔루션') # 함수를 실행해 보자

names = ['삼성전자','LG에너지솔루션','SK하이닉스','NAVER','삼성바이오로직스','삼성전자우','카카오','삼성SDI','현대차','LG화학','기아','POSCO홀딩스','KB금융','카카오뱅크','셀트리온','신한지주','삼성물산','현대모비스','SK이노베이션','LG전자','카카오페이','SK','한국전력','크래프톤','하나금융지주','LG생활건강','HMM','삼성생명','하이브','두산중공업','SK텔레콤','삼성전기','SK바이오사이언스','LG','S-Oil','고려아연','KT&G','우리금융지주','대한항공','삼성에스디에스','현대중공업','엔씨소프트','삼성화재','아모레퍼시픽','KT','포스코케미칼','넷마블','SK아이이테크놀로지','LG이노텍','기업은행']
# name 변수에 대상 기업명을 나열해 보자
dfs = [] # 리스트 변수를 하나 만들고 

for name in names: # 루프를 돌면서 함수에 대입
  try:
    df = get_salary_top(name)
    dfs.append(df) # 함수에 하나씩 붙이기
  except: 
    print(f'없음 - {name}') # 정보가 없는 기업은 에러만 표기

df_result = pd.concat(dfs)
df_result.sort_values(by='보수',ascending=False)

df_result.sort_values(by='보수',ascending=False).head(30) # 상위30개만 보기

최대주주 주식 변동 모아보기"""

corp_code = df_listed[df_listed['corp_name'] == '하이브'].iloc[0,0] # 기업명을 작성하여 리스트에서 코드만 추출
corp_code

주요주주 지분률"""

data = dart_fss.api.info.hyslr_sttus('01204056', '2021', '11011') # dart 에서 주요주주 기분율 보기 이용
df = pd.DataFrame(data['list']) # 데이터프레임에 담고 df 에 저장

df

# 원하는 컬럼만 추출 
df = df[['corp_name','nm','relate','bsis_posesn_stock_qota_rt','trmend_posesn_stock_qota_rt','rm']]
# 컬럼을 한글명으로 바꾸고 
df.columns = ['회사명','이름','관계','기초지분율','기말지분율','비고']

# 특정조건이 예) 관계가 notnull 인것만 추출 
df = df[df['관계'].notnull()]
# 숫자로 변환
df['기초지분율'] = pd.to_numeric(df['기초지분율']) 
df['기말지분율'] = pd.to_numeric(df['기말지분율']) 

df.sort_values(by='기초지분율',ascending=False).head(3) # 정렬 및 상위 3개만 보기

위 조건을 함수로 """

def get_shareholders(corp_code):
  data = dart_fss.api.info.hyslr_sttus(corp_code, '2021', '11011')
  df = pd.DataFrame(data['list'])

  df = df[['corp_name','nm','relate','bsis_posesn_stock_qota_rt','trmend_posesn_stock_qota_rt','rm']]
  df.columns = ['회사명','이름','관계','기초지분율','기말지분율','비고']

  df = df[df['관계'].notnull()]

  df['기초지분율'] = pd.to_numeric(df['기초지분율'])
  df['기말지분율'] = pd.to_numeric(df['기말지분율'])

  return df.sort_values(by='기초지분율',ascending=False).head(3)

get_shareholders('01204056') # 함수 실행해 보기

상장종목 10 만 랜덤하게 보기"""

df_listed.sample(10) #

# 10개 종목의 코드를 출력해 보자
corp_codes = list(df_listed.sample(10)['corp_code'])

for corp_code in corp_codes:
  print(corp_code)

# 10개 기업을 붙여서 보자
corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []
for corp_code in corp_codes:
  try:
    df = get_shareholders(corp_code) # 지분률 보기 함수를 사용하여 
    dfs.append(df)
  except:
    print(f'error - {corp_code}')

df_result = pd.concat(dfs)

df_result

# 증감이 큰 순서대로 정렬하기
corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []
for corp_code in corp_codes:
  try:
    df = get_shareholders(corp_code)
    dfs.append(df)
  except:
    print(f'error - {corp_code}')

df_result = pd.concat(dfs)

df_result['증감'] = df_result['기말지분율'] - df_result['기초지분율']

df_result.sort_values(by='증감',ascending=False)

1#### 비상장 종목은 ‘사업보고서 주요정보’만 분석할 수 있어요

⇒ ‘배당’ 항목을 통해 당기순이익을 확인해볼게요!

# ⇒ 배당 정보 가져오기
corp_code = df_non_listed[df_non_listed['corp_name'] == '야놀자'].iloc[0,0]
data = dart_fss.api.info.alot_matter(corp_code, '2021', '11011')
df = pd.DataFrame(data['list'])

df

# ⇒ 배당 정보 다듬기

df = df[df['se'] == '(연결)당기순이익(백만원)'][['corp_name','thstrm','frmtrm','lwfr']]
df.columns = ['기업명','2021','2020','2019']
df

# ⇒ 함수로 만들기
def get_earning(name):
  corp_code = df_non_listed[df_non_listed['corp_name'] == '야놀자'].iloc[0,0]
  data = dart_fss.api.info.alot_matter(corp_code, '2021', '11011')
  df = pd.DataFrame(data['list'])

  df = df[df['se'] == '(연결)당기순이익(백만원)'][['corp_name','thstrm','frmtrm','lwfr']]
  df.columns = ['기업명','2021','2020','2019']
  return df

상장회사 배당정보 보기"""

반응형

# ⇒ 배당 정보 가져오기
corp_code = df_listed[df_listed['corp_name'] == '삼성전자'].iloc[0,0]
data = dart_fss.api.finance.fnltt_singl_acnt(corp_code, '2021', '11011')
pd.DataFrame(data['list'])

# ⇒ 배당 정보 다듬기
df = pd.DataFrame(data['list'])

df = df[df['fs_div'] == 'CFS']

df['name'] = '삼성전자'
cond = df['account_nm'] == '이익잉여금'
df = df[cond]

df = df[['name','thstrm_amount','frmtrm_amount']]
df.columns = ['이름','당기','전기']

df['당기'] = pd.to_numeric(df['당기'].str.replace(',',''))
df['전기'] = pd.to_numeric(df['전기'].str.replace(',',''))

df['증감'] = df['당기'] - df['전기']
df['증감율'] = abs(df['증감'])/abs(df['전기'])

df

# ⇒ 함수로 만들기
def get_profit(corp_name):
  corp_code = df_listed[df_listed['corp_name'] == corp_name].iloc[0,0]
  data = dart_fss.api.finance.fnltt_singl_acnt(corp_code, '2021', '11011')
  df = pd.DataFrame(data['list'])

  df = df[df['fs_div'] == 'CFS']

  df['name'] = corp_name
  cond = df['account_nm'] == '이익잉여금'
  df = df[cond]

  df = df[['name','thstrm_amount','frmtrm_amount']]
  df.columns = ['이름','당기','전기']

  df['당기'] = pd.to_numeric(df['당기'].str.replace(',',''))
  df['전기'] = pd.to_numeric(df['전기'].str.replace(',',''))

  df['증감'] = df['당기'] - df['전기']
  df['증감율'] = abs(df['증감'])/abs(df['전기'])

  return df

get_profit('현대자동차') # 함수 실행해 보기

# 여러 종목 해보기
names = list(df_listed.sample(10)['corp_name'])

dfs = []
for name in names:
  try:
    df = get_profit(name)
    dfs.append(df)
  except:
    print(f'error - {name}')

df_result = pd.concat(dfs)
df_result

# 더많이 정렬해서 보기
names = list(df_listed.sample(100)['corp_name'])

dfs = []
for name in names:
  try:
    df = get_profit(name)
    dfs.append(df)
  except:
    print(f'error - {name}')

df_result = pd.concat(dfs)
df_result.sort_values(by='증감율',ascending=False)

남녀 평균 급여 차이가 가장 ‘안’ 나는 회사를 찾아보기"""

# 카카오로 해보자
corp_code = df_listed[df_listed['corp_name'] == '카카오'].iloc[0,0]
data = dart_fss.api.info.emp_sttus(corp_code, '2021', '11011')

pd.DataFrame(data['list'])

# 함수로 
def get_salary(corp_code):
  data = dart_fss.api.info.emp_sttus(corp_code, '2021', '11011')  # dart 직원정보 보기 활용

  df = pd.DataFrame(data['list']) # 데이터프레임에 담고
  df = df[['corp_name','sexdstn','jan_salary_am']] # 필요한 컬럼만 정의

  df_result = pd.DataFrame() # 빈 프레임을 하나 만들고 
  doc = {
      '기업명':df.iloc[0,0],
      '연봉(남)':df[df['sexdstn'] == '남'].iloc[0,2],
      '연봉(여)':df[df['sexdstn'] == '여'].iloc[0,2]
  } # 도큐먼트로 추가할 컬럼을 만들고 
  df_result = df_result.append(doc, ignore_index=True) # 임시변수에 추가

   # 숫자로 변환
  df_result['연봉(남)'] = pd.to_numeric(df_result['연봉(남)'].str.replace(',',''))
  df_result['연봉(여)'] = pd.to_numeric(df_result['연봉(여)'].str.replace(',',''))

  return df_result

get_salary('00258801') # 남여 평균 연봉 함수

# 여러 회사 해보기
corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []
for corp_code in corp_codes:
  try:
    df = get_salary(corp_code)
    dfs.append(df)
  except:
    print(f'error - {corp_code}')

df_result = pd.concat(dfs)

df_result

# 차이가 많은 순서대로 정렬 하여 보기
corp_codes = list(df_listed.sample(10)['corp_code'])

dfs = []
for corp_code in corp_codes:
  try:
    df = get_salary(corp_code)
    dfs.append(df)
  except:
    print(f'error - {corp_code}')

df_result = pd.concat(dfs)

df_result['차이(남-여)'] = df_result['연봉(남)'] - df_result['연봉(여)']
df_result['평균'] = (df_result['연봉(남)']+df_result['연봉(여)'])/2

df_result.sort_values(by="차이(남-여)",ascending=True)