-
Notifications
You must be signed in to change notification settings - Fork 0
/
parse_FNS_taxes.py
58 lines (41 loc) · 1.66 KB
/
parse_FNS_taxes.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Этот скрипт конвертирует данные ФНС РФ об уплаченных налогах в формате DataFrame
Скачать сырые данные можно по ссылке https://www.nalog.ru/opendata/7707329152-paytax/
Архив данных за предыдущие года по ссылке ____
Pandas 0.24.1 и выше
"""
import xml.etree.ElementTree as ET
import pandas as pd
import numpy as np
import glob
import re
#если xml-файлы лежат в ином каталоге, укажите корректный путь
files=glob.glob('./taxes/2017/data-20190426-structure-20180110/*.xml')
#print (files)
dataset=[]
for file in files:
print ('processing...', file)
tree = ET.parse(file)
root = tree.getroot()
# print (root.attrib)
docs=root.findall('Документ')
for i in range (len(docs)):
item=dict()
# print (docs[i][0].attrib)
item['Company']=docs[i][0].attrib.get('НаимОрг')
item['INN']=docs[i][0].attrib.get('ИННЮЛ')
taxes=docs[i].findall('СвУплСумНал')
for tax in taxes:
item[re.sub(' +', ' ',tax.get('НаимНалог'))]=float(tax.get('СумУплНал'))
dataset.append (item)
df=pd.DataFrame(dataset)
# добавляем сумму всех уплаченных налогов одной компанией
total=df.sum(axis = 1, skipna = True)
df['Total']=total
print ('saving dataset...')
##
#сохраняем датасе в текущий каталог
df.to_pickle ('./2017_taxes.pkl')
print (df.info())