最近也不知道咋回事儿，就琢磨起化肥这块儿。可能是新闻看多，也可能是年纪大开始关心粮食蔬菜，哈哈。以前，就是看看炒股软件，人家给啥数据咱就看图省事儿。但这回，我就寻思着，咱不是自己会点儿“蟒”（Python）嘛干脆自己动手，看看能不能捣鼓点啥出来，验证验证那些现成的数据。

动手动脚搞起来

说干就干。我就把电脑打开，把我的Python环境给跑起来。想着先从哪下手？就从那个市盈率（PE）看起，都说这个能反映点东西。咱也不懂啥高深的理论，就想看看几个眼熟的公司，比如那个叫“川发龙蟒”的，最近好像老听人提起。

找数据可费点劲儿。网上的数据接口，有的要钱，有的不好用，还有的数据乱七八糟的。我就耐着性子，这儿试试，那儿搞搞，总算弄到点能用的数据。过程磕磕绊绊的，有时候代码跑着跑着就报错，还得回去查半天，改来改去。这玩意儿，就跟咱们平时生活里修个水管、换个灯泡差不多，看着简单，自己动手才知道麻烦。

数据拿到手，我就赶紧把那个川发龙蟒的拎出来看。嚯！不看不知道，一看吓一跳。它的那个市盈率，老高，得有五十五倍还多！

扒拉数据看对比

光看一个数没啥意思，得有对比。我就想着，把它跟同行比比看。又是一顿敲代码，把化肥行业其他一些公司的数据也给扒拉下来。这么一平均，发现整个行业的平均市盈率大概在二十五倍左右，中位数也就二十一二的样子。

这么一比，川发龙蟒那个五十五倍就显得特别突出。我又顺手排个名，好家伙，它在行业里头，按市盈率从低到高排的话，都排到二十多名开外去。

• 先把川发龙蟒的数据单独弄出来。
• 再去找同行业其他公司的数据。
• 算算行业的平均值和中位数。
• 排个名看看它在啥位置。

整个过程，说复杂也不复杂，就是有点繁琐。用Python的好处就是，这些重复的、繁琐的活儿，可以交给代码去做，咱就负责看结果。虽然代码写得可能不咋地，效率也不一定高，但好歹是自己一步步弄出来的。

弄完之后的想法

搞完这些，坐在那儿看着屏幕上的结果，心里头有点数。这个川发龙蟒的市盈率确实是高。这说明啥？咱也不是专业的分析师，说不可能是市场对它期望特别高？或者是有啥咱不知道的特殊情况？反正单从这个数字看，是有点儿扎眼。

通过这回自己动手用Python搞数据，感觉还是挺有意思的。虽然结果，可能跟在软件上直接看到的差不多，但这个过程不一样。自己动手丰衣足食嘛对这个数字的理解也更深一层，不再是简单地看个热闹。

以后有时间，还想着用Python再捣鼓捣鼓别的。这“蟒”，确实像肥料一样，能给咱的认知和实践添点儿料，让咱不至于光听别人说，也能自己动手挖挖看。挺