行业特定风险：制造业存货周转率分析

"""
金融风险管理 - q073
行业特定风险：制造业存货周转率分析
"""

metadata = {
    "id": "q073",
    "title": "行业特定风险：制造业存货周转率分析",
    "module": "行业特定风险识别",
    "difficulty": "beginner",
    "data_files": ["operation.csv", "balance_sheet.csv"],
    "skills": ["存货周转率", "制造业风险", "行业对标"],
    "estimated_minutes": 8
}

"""
【题目】
读取operation.csv和balance_sheet.csv，筛选2023年合并报表制造业（Indnme包含'制造'）公司，
分析存货周转情况：

1. 存货周转率 = F060101B（来自operation.csv，存货周转率字段）
2. 存货占总资产比 = 存货/总资产（来自balance_sheet.csv）
3. 输出存货周转率最低（风险最高）的前10家公司

输出DataFrame，包含：Stkcd、ShortName、存货周转率、存货、总资产、存货占总资产比（保留4位小数）
"""

def solve():
    import pandas as pd
    from pyodide.http import open_url
    from io import StringIO

    BASE_URL = "https://data.zuihe.com/finance/"
    op = pd.read_csv(StringIO(open_url(BASE_URL + "operation.csv").read()))
    bs = pd.read_csv(StringIO(open_url(BASE_URL + "balance_sheet.csv").read()))

    op23 = op[(op['Accper'] == '2023-12-31') & (op['Typrep'] == 'A')][
        ['Stkcd', 'F060101B', 'Indnme']].rename(columns={'F060101B': '存货周转率'})
    bs23 = bs[(bs['Accper'] == '2023-12-31') & (bs['Typrep'] == 'A')][
        ['Stkcd', 'ShortName', '存货', '总资产']]

    df = op23[op23['Indnme'].str.contains('制造', na=False)].merge(bs23, on='Stkcd')
    df = df.dropna(subset=['存货周转率', '存货', '总资产'])
    df = df[(df['存货周转率'] > 0) & (df['总资产'] > 0)]
    df['存货占总资产比'] = (df['存货'] / df['总资产']).round(4)
    df['存货周转率'] = df['存货周转率'].round(4)

    result = df.nsmallest(10, '存货周转率')[
        ['Stkcd', 'ShortName', '存货周转率', '存货', '总资产', '存货占总资产比']
    ].reset_index(drop=True)
    return result.to_string()

if __name__ == "__main__":
    print(solve())