공공데이터 Open API를 통해 삼성전자 주주 구성 분석하기 With Python

주린이로서 오늘도 역시 주식과 관련된 데이타를 분석해보고자 한다. 삼성전자 주식을 갖고 있는 주주들에 대해 간단하게 분석하고 자 하는데 주된 내용은 다음과 같다.

 

1. 주식 수 기준 주주 수 분포도

2 성별 별 주주 분포

3. 연령 별 주주 분포

 

위에 있는 내용을 각각 Open API로 추출해서 시각화까지해서 마무리하고자 한다.

별 의미 없는 내용일 수 있지만 나한테는 어느정도 궁금했던 내용이었다.

그럼 바로 시작하겠다.

 

---

1. 공공데이터 Open API key 값 받기

 

오늘 사용할 데이터는 바로 공공데이터이다. 정부에서 운영하는 사이트만큼 다양한 데이터를 제공하고 있다. 추후 분석 프로젝트에서도 해당 사이트를 많이 이용할 예정이다. 오늘 분석에 활용될 데이터는 아래 링크로 확인 바란다.

 

https://data.go.kr/data/15001145/openapi.do

공공데이터 포털

 

여기서 활용신청 버튼을 누르면 인증 Key 값이 주어질 것이다.

그리고 코딩에 앞서 먼저 API 요청 값과 출력값에 대해 숙지하길 바란다. 나한테는 굉장히 어려웠다.

 

---

 

2. 기업 종목 코드 가져오기

 

주주 관련 내용을 분석하기 위해서는 먼저 분석하고자 하는 기업의 코드를 받아야 되는데, 이것 역시 해당 API에서 제공해준다.

from urllib.request import urlopen
from urllib.parse import urlencode, unquote, quote_plus
import urllib
import requests
import pandas as pd
import xmltodict
import json

key='인증키 입력'
url = f'http://api.seibro.or.kr/openapi/service/CorpSvc/getIssucoCustnoByNm?serviceKey={key}&'
queryParams = urlencode({ quote_plus('issucoNm') : '삼성전자', quote_plus('numOfRows') : '100', quote_plus('pageNo') : '1' })

url2 = url + queryParams
response = urlopen(url2) 
results = response.read().decode("utf-8")

results_to_json = xmltodict.parse(results)
data = json.loads(json.dumps(results_to_json))

 

위 코드를 돌릴 경우 문제가 뭐냐면 수백개의 삼성전자 키워드가 포함된 종목이 다 나타나게 된다는 점이다.

그래서 나는 삼성전자가 위치한 index 번호를 추출하기 위해서 아래 한번 더 돌려야 된다.

#상성전자 위치한 인덱스 번호를 출력한다
for index, value in enumerate(data['response']['body']['items']['item']):
    if value['issucoNm']=='삼성전자':
        print(index)
        break;
    
code=data['response']['body']['items']['item'][44]['issucoCustno']

 

 

3. 주식 보유 수 기준 주주 분포 구하기

 

주식 수 기준으로 주주 수를 분류해보고자 한다. 삼성전자 20주 밖에 안들고 있는 주린이지만 이런게 은근히 궁금하더라

 

#다시 API를 통해 주식분포현황 조회하자
distribute=f'http://api.seibro.or.kr/openapi/service/CorpSvc/getStkDistributionOwnQtyStatus?serviceKey={key}&'
queryParams = urlencode({ quote_plus('issucoCustno') : code, quote_plus('rgtStdDt') : '20200331'})
distribute2=distribute+queryParams
response = urlopen(distribute2) 
shares = response.read().decode("utf-8")

results_to_json = xmltodict.parse(shares)
data_shares = json.loads(json.dumps(results_to_json))

data_shares_dict=data_shares['response']['body']['items']['item'][2:]

shares_df=pd.DataFrame(data_shares_dict)

shares_df.columns=['투자자 수','투자자 비중','주식 수 범위','주식 수']

shares_df=shares_df[:-1]
shares_df['주식 수 범위']=shares_df['주식 수 범위'].replace('KSD','1주 보유')


shares_df.set_index('주식 수 범위', inplace=True)

shares_df['투자자 수']=shares_df['투자자 수'].astype(int)
shares_df['투자자 비중']=shares_df['투자자 비중'].astype(float)

코드가 문제 없이 돌아간다면 아래와 같이 결과가 출력될 것이다.

나는 1십주~5십주를 보유한 33%에 포함된다.

 

 

 

분포 시각화는 바 그래프와 라인 그래프의 콤보 그래프로 시도해보았다.

확실히 10주~50주 사이의 주린이들이 많이 삼성전자를 보유하는 것으로 나타났다.

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import font_manager, rc
from matplotlib import style
plt.rcParams["figure.figsize"] = (12,8)
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)
style.use('ggplot')

shares_df['투자자 수'].plot(kind='bar')
shares_df['투자자 비중'].plot(secondary_y=True)

4. 성별 주주 분포 가져오기

 

계속 거의 똑같은 식으로 돌리는 것 뿐이다. API 요청하는 URL만 다르고 다른건 거의 똑같다.

 

sex_url=f'http://api.seibro.or.kr/openapi/service/CorpSvc/getStkDistributionGenderStatus?serviceKey={key}&'
queryParams = urlencode({ quote_plus('issucoCustno') : code, quote_plus('rgtStdDt') : '20200331'})
sex_url2=sex_url+queryParams
response = urlopen(sex_url2) 
sexs = response.read().decode("utf-8")

results_to_json = xmltodict.parse(sexs)
sexs_shares = json.loads(json.dumps(results_to_json))

sex_df=pd.DataFrame(sexs_shares['response']['body']['items']['item'][1:])

sex_df.columns=['투자자 수','투자자 비중','성별','주식 수']
sex_df.set_index('성별',inplace=True)

sex_df['투자자 수']=sex_df['투자자 수'].astype(int)
sex_df['투자자 비중']=sex_df['투자자 비중'].astype(float)
sex_df['주식 수']=sex_df['주식 수'].astype(float)
sex_df=sex_df[:-1]

결과는:

 

이번 시각화는 파이 차트로 그려보겠다.

역시 국민 주식으로 삼성 주주는 남녀 1대1로 나누어졌음을 확인할 수 있다.

 

파이차트 시각화 코드:

plt.rcParams["figure.figsize"] = (16,16)
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)
style.use('ggplot')
plt.pie(sex_df['투자자 비중'], labels=sex_df.index, autopct='%1.1f%%', shadow=True, startangle=90)

 

5. 연령별 주주 분포 가져오기

 

똑같은거 몇번 씩 하니까 귀찮지만 마지막으로 연령별 분포를 진행하겠다.

 

age_url=f'http://api.seibro.or.kr/openapi/service/CorpSvc/getStkDistributionAgeStatus?serviceKey={key}&'
queryParams = urlencode({ quote_plus('issucoCustno') : code, quote_plus('rgtStdDt') : '20200331'})
age_url2=age_url+queryParams
response = urlopen(age_url2) 
ages = response.read().decode("utf-8")

results_to_json = xmltodict.parse(ages)
ages_shares = json.loads(json.dumps(results_to_json))

age_df=pd.DataFrame(owners_shares['response']['body']['items']['item'][1:-1])
age_df.columns=['투자자 수','투자자 비중','연령대','주식 수']

age_df.set_index('연령대',inplace=True)
age_df['투자자 수']=age_df['투자자 수'].astype(int)
age_df['투자자 비중']=age_df['투자자 비중'].astype(float)
age_df['주식 수']=age_df['주식 수'].astype(float)

출력결과:

 

분포 시각화

파이 차트가 제일 무난할 것 같다.

역시 국민 주식이다. 20~50대까지 전반적으로 골고루 분포되어 있다.

삼성전자는 국민에게 사랑 받는 기업

 

plt.rcParams["figure.figsize"] = (16,16)
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)
style.use('ggplot')
plt.pie(age_df['투자자 비중'], labels=age_df.index, autopct='%1.1f%%', shadow=True, startangle=90)

삼성전자 연령별 주주 수 비중

 

이번 코딩은 정말 OpenApi를 사용하다 보니 번거로운게 한 두가지가 아니였다. 귀찮다.

성의없는 코딩 끝