我和埃德加的10个K一起工作。为了帮助文件管理和数据分析,我想创建一个表,其中包含每个文件的路径、公司文件的CIK编号(这是SEC颁发的唯一ID)以及它所属的SIC行业代码。下面我要做的是用视觉表现一个图像。在
我要提取的两个内容列在每个文档的顶部。CIK始终是列在短语“中央索引键:”之后的数字。SIC始终是“标准行业分类”后括号内的数字,然后是该特定行业的描述。在
这在所有文件中都是一致的。在
待办事项:
循环遍历文件:提取文件路径、CIK和SIC编号——注意每个文档只得到一个返回,每个结果都是有序的,因此字段之间的记录会对齐。
将这些字段合并在一起——我猜最好的方法是将每个字段提取到各自独立的列表中,然后合并,也许合并到熊猫数据帧中?
最后,我将使用此表来帮助我对SIC行业之间的数据进行子集划分。在
谢谢你看。请让我知道如果我可以提供额外的文件。在
这里有一些我刚刚写的代码来做类似的事情。您可以将结果输出到CSV文件。作为第一步,您需要遍历该文件夹并获得所有10K的列表并在其上迭代。在
相关问题 更多 >
编程相关推荐