import sys, os
sys.path.insert(0, os.path.abspath('.'))
import warnings; warnings.filterwarnings('ignore')
import numpy as np, pandas as pd
import matplotlib.pyplot as plt
import invest_data as D
FONT = D.setup_matplotlib()
np.random.seed(D.SEED)
print('中文字体:', FONT, '| 数据目录:', D.DATA_DIR)

中文字体: Noto Sans CJK SC | 数据目录: /data/docs/investing/long-term-investing/data

inc = D.load_a_report("600519", "income")   # 利润表（单位：元）
# 取每年年报（12-31）
annual = inc[inc.index.month == 12].copy()
annual = annual[annual.index.year >= 2019]
cols = ["营业总收入", "营业总成本", "营业成本", "净利润"]
have = [c for c in cols if c in annual.columns]
view = annual[have] / 1e8   # 换算成「亿元」
view.index = view.index.year
view = view.round(1)
print("贵州茅台 利润表关键科目（单位：亿元）  数据来源:", D.source_tag(inc))
print(view.to_string())

贵州茅台 利润表关键科目（单位：亿元）  数据来源: （真实数据·本地缓存）
       营业总收入  营业总成本   营业成本    净利润
报告日                              
2019   888.5  298.1   74.3  439.7
2020   979.9  313.1   81.5  495.2
2021  1094.6  347.8   89.8  557.2
2022  1275.5  397.5  100.9  653.8
2023  1505.6  469.6  118.7  775.2
2024  1741.4  545.2  137.9  893.3
2025  1720.5  573.7  148.9  853.1

# 用摘要表拿现成的毛利率/净利率（已是百分比），更准
ab = D.load_a_abstract("600519")
def yearly(metric):
    s = ab.loc[metric].dropna()
    s = s[s.index.month == 12]
    return s[s.index.year >= 2019]

rev = yearly("营业总收入") / 1e8
profit = yearly("归母净利润") / 1e8
gm = yearly("毛利率")
nm = yearly("销售净利率") if "销售净利率" in ab.index else yearly("净利率")

fig, axes = plt.subplots(1, 2, figsize=(13, 5))
yrs = [d.year for d in rev.index]
axes[0].bar([y-0.2 for y in yrs], rev.values, width=0.4, label="营业总收入", color="#3498db")
axes[0].bar([y+0.2 for y in yrs], profit.values, width=0.4, label="归母净利润", color="#c0392b")
axes[0].set_title("茅台 营收 vs 净利润（亿元）"); axes[0].set_xlabel("年份"); axes[0].legend()

axes[1].plot([d.year for d in gm.index], gm.values, "o-", lw=2, label="毛利率", color="#16a085")
axes[1].plot([d.year for d in nm.index], nm.values, "s-", lw=2, label="净利率", color="#e67e22")
axes[1].set_title("茅台 毛利率 / 净利率（%）"); axes[1].set_xlabel("年份"); axes[1].set_ylabel("%"); axes[1].legend()
plt.tight_layout(); plt.show()

print(f"最新年报毛利率 {gm.iloc[-1]:.1f}%，净利率 {nm.iloc[-1]:.1f}%")

最新年报毛利率 91.2%，净利率 50.5%

nz = yearly("股东权益合计(净资产)") if "股东权益合计(净资产)" in ab.index else yearly("归母净利润")
debt_ratio = yearly("资产负债率")

fig, ax1 = plt.subplots(figsize=(11, 5))
yrs = [d.year for d in nz.index]
ax1.bar(yrs, nz.values/1e8, color="#3498db", alpha=0.7, label="净资产（亿元）")
ax1.set_xlabel("年份"); ax1.set_ylabel("净资产（亿元）", color="#3498db")
ax2 = ax1.twinx()
ax2.plot([d.year for d in debt_ratio.index], debt_ratio.values, "o-", color="#c0392b", lw=2, label="资产负债率")
ax2.set_ylabel("资产负债率（%）", color="#c0392b"); ax2.set_ylim(0, max(60, debt_ratio.max()*1.5))
ax1.set_title("茅台 净资产（柱）与资产负债率（线）")
plt.tight_layout(); plt.show()

print(f"最新净资产约 {nz.iloc[-1]/1e8:.0f} 亿元；资产负债率约 {debt_ratio.iloc[-1]:.1f}%")

最新净资产约 2540 亿元；资产负债率约 16.4%

ocf = yearly("经营现金流量净额") / 1e8
ni = yearly("归母净利润") / 1e8
# 对齐年份
common = sorted(set(d.year for d in ocf.index) & set(d.year for d in ni.index))
ocf_v = [ocf[[d for d in ocf.index if d.year==y][0]] for y in common]
ni_v  = [ni[[d for d in ni.index if d.year==y][0]] for y in common]

fig, ax = plt.subplots(figsize=(11, 5))
ax.bar([y-0.2 for y in common], ni_v, width=0.4, label="归母净利润", color="#c0392b")
ax.bar([y+0.2 for y in common], ocf_v, width=0.4, label="经营现金流净额", color="#16a085")
ax.set_title("茅台 净利润 vs 经营现金流（亿元）—— 赚的是不是真钱")
ax.set_xlabel("年份"); ax.set_ylabel("亿元"); ax.legend()
plt.tight_layout(); plt.show()

ratio = np.mean([o/n for o, n in zip(ocf_v, ni_v)])
print(f"经营现金流 / 净利润 多年平均 ≈ {ratio:.2f}（接近 1 → 账面利润绝大部分变成了真金白银，含金量高）")

经营现金流 / 净利润 多年平均 ≈ 0.96（接近 1 → 账面利润绝大部分变成了真金白银，含金量高）

inc_us = D.load_us_stmt("AAPL", "income")
cf_us = D.load_us_stmt("AAPL", "cashflow")

if inc_us is None or cf_us is None:
    print("⚠️ 苹果财报实时/缓存均未取到，本节跳过真实数据展示。")
    print("   （A股部分已用真实数据完整演示，方法完全一致。）")
else:
    def pick(df, keys):
        for k in keys:
            for idx in df.index:
                if k.lower() in str(idx).lower():
                    return df.loc[idx]
        return None
    rev = pick(inc_us, ["Total Revenue"])
    ni  = pick(inc_us, ["Net Income"])
    ocf = pick(cf_us, ["Operating Cash Flow", "Cash Flow From Continuing Operating", "Total Cash From Operating"])
    print("苹果 数据来源:", D.source_tag(inc_us))
    tbl = pd.DataFrame({
        "营收(十亿$)": (rev/1e9).round(1) if rev is not None else None,
        "净利润(十亿$)": (ni/1e9).round(1) if ni is not None else None,
        "经营现金流(十亿$)": (ocf/1e9).round(1) if ocf is not None else None,
    })
    tbl.index = [d.year for d in tbl.index]
    tbl = tbl.dropna(how="all").sort_index()   # yfinance 最早一年常为空，丢掉
    print(tbl.to_string())

    fig, ax = plt.subplots(figsize=(10, 5))
    yrs = tbl.index.tolist()
    ax.bar([y-0.2 for y in yrs], tbl["净利润(十亿$)"].values, width=0.4, label="净利润", color="#c0392b")
    ax.bar([y+0.2 for y in yrs], tbl["经营现金流(十亿$)"].values, width=0.4, label="经营现金流", color="#16a085")
    ax.set_title("苹果 净利润 vs 经营现金流（十亿美元）")
    ax.set_xlabel("财年"); ax.set_ylabel("十亿美元"); ax.legend()
    plt.tight_layout(); plt.show()

苹果 数据来源: （真实数据·本地缓存）
      营收(十亿$)  净利润(十亿$)  经营现金流(十亿$)
2022    394.3      99.8       122.2
2023    383.3      97.0       110.5
2024    391.0      93.7       118.3
2025    416.2     112.0       111.5

02 · 读懂财报：三张表¶

本章学什么 / 读完会什么¶

2.1 三张表的关系：一个开公司的类比¶

2.2 利润表：茅台是怎么赚钱的¶

2.3 资产负债表：家底厚不厚、欠债多不多¶

2.4 现金流量表：利润 ≠ 现金（最重要的一课）¶

2.5 跨市场对照：苹果的三表逻辑一样¶

本章小结¶