Build out the company deep-dive view with historical financials

README.md

@@ -23,7 +23,7 @@ Prosjektet er bygget for å øve på å gå fra rådata til strukturert forretni
 - **Divergens-basert ranking-tabell** – selskaper fargelegges etter hvor mye de avviker fra bransjesnittet (z-score), ikke bare etter rangeringsplass, med automatisk snudd fargeskala for metrikker der lavere er bedre
 - **Kvartil-heatmap** – rask oversikt over hvert selskaps relative styrke på tvers av alle nøkkeltall samtidig
 - **Autogenererte nøkkelfunn** – kortfattede tekstlige innsikter basert på de beregnede tallene
-- **Klikkbar selskapsnavigasjon** – klikk på et selskap i listen øverst til høyre, eller på dets prikk i posisjoneringsmatrisen, for å åpne en dedikert side for det selskapet (foreløpig et skjelett — full selskapsinfo og dypere analyse kommer i en senere oppdatering)
+- **Dedikert selskapsside (dypdykk)** – klikk på et selskap i listen øverst til høyre, eller på dets prikk i posisjoneringsmatrisen, for å åpne en egen side med flerårig historikk for omsetning, EBITDA, EBIT, nettoresultat og EBITDA-margin (selskapsinfo/guidance, f.eks. bransje og ansatte, kommer i en senere oppdatering)
 
 ## Skjermbilder
 

app.py

@@ -9,7 +9,7 @@
 
 from src.config import INDUSTRIES
 from src.data_fetcher import fetch_industry
-from src.metrics_engine import build_metrics_table
+from src.metrics_engine import build_metrics_table, build_historical_trend
 from src.analysis import (
     rank_companies,
     build_quartile_heatmap_data,
@@ -51,13 +51,17 @@
     metrics_df = build_metrics_table(raw_data)
 
 
-def render_company_page(ticker: str, metrics_df: pd.DataFrame) -> None:
+def render_company_page(ticker: str, metrics_df: pd.DataFrame, raw_data: dict) -> None:
     """
-    Dedicated single-company page, reached by clicking a company in the
-    top-right list or clicking its dot in the positioning matrix.
-
-    Intentionally minimal for now — full company info, guidance and
-    deeper analysis will be added in a follow-up (see issue #5).
+    Dedicated single-company page (dypdykk-side), reached by clicking a
+    company in the top-right list or clicking its dot in the positioning
+    matrix.
+
+    Viser flerårig historikk (omsetning, EBITDA, EBIT, nettoresultat og
+    EBITDA-margin) i tillegg til navn/ticker. Bruker rådata som allerede
+    er hentet og cachet av fetch_industry — ingen nye nettverkskall.
+    Selskapsinfo/guidance (f.eks. bransje, nettside, ansatte) er fortsatt
+    ikke med her — det er et eget, senere steg.
     """
     if st.button("← Tilbake til oversikt"):
         st.session_state.pop("selected_ticker", None)
@@ -68,15 +72,83 @@ def render_company_page(ticker: str, metrics_df: pd.DataFrame) -> None:
 
     st.title(f"🏢 {company_name}")
     st.caption(ticker)
-    st.info(
-        "Dette er den dedikerte siden for dette selskapet. Selskapsinfo, "
-        "guidance og dypere analyse kommer her i en senere oppdatering."
+
+    company_raw_data = raw_data.get(ticker, {})
+    trend_df = build_historical_trend(company_raw_data)
+
+    if trend_df.empty:
+        st.warning("Fant ikke nok historiske regnskapstall for dette selskapet.")
+        return
+
+    # "period" fra yfinance er som regel en hel dato (f.eks. 2023-12-31).
+    # Vi lager en enkel år-tekst av den, til bruk både i grafen og
+    # tabellen under, i stedet for å vise hele datoen.
+    year_labels = []
+    for period_value in trend_df["period"]:
+        if hasattr(period_value, "strftime"):
+            year_labels.append(period_value.strftime("%Y"))
+        else:
+            year_labels.append(str(period_value))
+    trend_df["year_label"] = year_labels
+
+    st.subheader("Historisk utvikling")
+
+    trend_fig = px.line(
+        trend_df,
+        x="year_label",
+        y=["revenue", "ebitda", "ebit", "net_income"],
+        markers=True,
+        labels={
+            "year_label": "År",
+            "value": "Beløp",
+            "variable": "Regnskapspost",
+        },
     )
+    # Vis hvert år som egen kategori i stedet for en kontinuerlig
+    # datoakse, slik at vi ikke får unødvendige månedsmerker mellom årene.
+    trend_fig.update_xaxes(type="category")
+    trend_fig.update_layout(height=450)
+    st.plotly_chart(trend_fig, use_container_width=True)
+    st.caption("Omsetning, EBITDA, EBIT og nettoresultat per rapportert år.")
+
+    st.subheader("Tallene i tabellform")
+
+    # Bygger tabellen rad for rad med ferdigformaterte tekststrenger, i
+    # stedet for å stole på at Streamlit viser pandas Styler sin
+    # na_rep-formatering riktig for manglende tall (det gjorde den ikke).
+    table_rows = []
+    for i in range(len(trend_df)):
+        row = trend_df.iloc[i]
+        table_rows.append({
+            "År": row["year_label"],
+            "Omsetning": _format_amount(row["revenue"]),
+            "EBITDA": _format_amount(row["ebitda"]),
+            "EBIT": _format_amount(row["ebit"]),
+            "Nettoresultat": _format_amount(row["net_income"]),
+            "EBITDA-margin": _format_percent(row["ebitda_margin"]),
+        })
+
+    display_trend_df = pd.DataFrame(table_rows)
+    st.dataframe(display_trend_df, use_container_width=True, hide_index=True)
+
+
+def _format_amount(value) -> str:
+    """Formaterer et kronebeløp med tusenskille, eller '–' hvis det mangler."""
+    if pd.isna(value):
+        return "–"
+    return f"{value:,.0f}"
+
+
+def _format_percent(value) -> str:
+    """Formaterer en andel som prosent, eller '–' hvis den mangler."""
+    if pd.isna(value):
+        return "–"
+    return f"{value:.1%}"
 
 
 selected_ticker = st.session_state.get("selected_ticker")
 if selected_ticker:
-    render_company_page(selected_ticker, metrics_df)
+    render_company_page(selected_ticker, metrics_df, raw_data)
     st.stop()
 
 # ---------- Header + selskapsliste ----------

src/metrics_engine.py

@@ -171,6 +171,75 @@ def build_metrics_table(industry_data: dict[str, dict]) -> pd.DataFrame:
     return df
 
 
+def build_historical_trend(raw_data: dict) -> pd.DataFrame:
+    """
+    Bygger en tabell med omsetning, EBITDA, EBIT og nettoresultat for
+    hvert år selskapet har rapportert, til bruk på selskapets
+    dypdykk-side (se app.py).
+
+    Bruker den samme rådataen som allerede er hentet og cachet av
+    data_fetcher — ingen nye nettverkskall her.
+    """
+    try:
+        financials_text = io.StringIO(raw_data["financials"])
+        financials = pd.read_json(financials_text)
+    except Exception:
+        financials = pd.DataFrame()
+
+    revenue = _get_row(financials, "revenue")
+    ebitda = _get_row(financials, "ebitda")
+    ebit = _get_row(financials, "ebit")
+    net_income = _get_row(financials, "net_income")
+
+    # Finn ut hvilke perioder (år) vi faktisk har tall for. Bruker
+    # omsetningslinjen som utgangspunkt siden den sjeldnest mangler.
+    periods = []
+    if revenue is not None:
+        periods = list(revenue.index)
+    elif ebitda is not None:
+        periods = list(ebitda.index)
+
+    rows = []
+    for period in periods:
+        row = {
+            "period": period,
+            "revenue": _value_for_period(revenue, period),
+            "ebitda": _value_for_period(ebitda, period),
+            "ebit": _value_for_period(ebit, period),
+            "net_income": _value_for_period(net_income, period),
+        }
+        rows.append(row)
+
+    trend_df = pd.DataFrame(rows)
+
+    if trend_df.empty:
+        return trend_df
+
+    # yfinance sorterer kolonner nyest -> eldst. Snu rekkefølgen slik at
+    # en tidslinje-graf leses fra venstre (eldst) til høyre (nyest).
+    trend_df = trend_df.iloc[::-1].reset_index(drop=True)
+
+    # Regn ut EBITDA-margin per år også, i tillegg til kronebeløpene.
+    ebitda_margins = []
+    for i in range(len(trend_df)):
+        revenue_value = trend_df.loc[i, "revenue"]
+        ebitda_value = trend_df.loc[i, "ebitda"]
+        margin = _safe_div(ebitda_value, revenue_value)
+        ebitda_margins.append(margin)
+    trend_df["ebitda_margin"] = ebitda_margins
+
+    return trend_df
+
+
+def _value_for_period(series: pd.Series | None, period) -> float | None:
+    """Henter verdien for én bestemt periode fra en regnskapslinje, trygt."""
+    if series is None:
+        return None
+    if period not in series.index:
+        return None
+    return series[period]
+
+
 if __name__ == "__main__":
     # Rask manuell test: python -m src.metrics_engine
     from src.config import INDUSTRIES

tests/test_metrics_engine.py

@@ -8,6 +8,7 @@
     calculate_cagr,
     compute_metrics,
     build_metrics_table,
+    build_historical_trend,
 )
 
 
@@ -188,3 +189,43 @@ def test_build_metrics_table_one_row_per_company():
 
     assert len(df) == 2
     assert set(df["ticker"]) == {"AAA.OL", "BBB.OL"}
+
+
+# --- build_historical_trend -------------------------------------------------
+
+def test_build_historical_trend_oldest_first():
+    # yfinance sorterer kolonner nyest -> eldst; build_historical_trend
+    # skal snu rekkefølgen slik at eldste år kommer først.
+    financials = {
+        "2023": {"Total Revenue": 1000, "EBITDA": 200, "EBIT": 150, "Net Income": 80},
+        "2022": {"Total Revenue": 900, "EBITDA": 180, "EBIT": 130, "Net Income": 60},
+        "2021": {"Total Revenue": 800, "EBITDA": 150, "EBIT": 100, "Net Income": 40},
+    }
+    raw = _raw(financials=financials)
+
+    trend = build_historical_trend(raw)
+
+    assert len(trend) == 3
+    assert trend.iloc[0]["revenue"] == 800   # eldste år først
+    assert trend.iloc[-1]["revenue"] == 1000  # nyeste år sist
+
+
+def test_build_historical_trend_computes_ebitda_margin_per_year():
+    financials = {
+        "2023": {"Total Revenue": 1000, "EBITDA": 200, "EBIT": 150, "Net Income": 80},
+        "2022": {"Total Revenue": 900, "EBITDA": 180, "EBIT": 130, "Net Income": 60},
+    }
+    raw = _raw(financials=financials)
+
+    trend = build_historical_trend(raw)
+
+    # Rad 0 = eldste år (2022), rad 1 = nyeste år (2023) etter snuingen.
+    row_2023 = trend.iloc[1]
+    assert row_2023["revenue"] == 1000
+    assert row_2023["ebitda_margin"] == 200 / 1000
+
+
+def test_build_historical_trend_missing_financials_returns_empty():
+    raw = _raw(financials=None)
+    trend = build_historical_trend(raw)
+    assert trend.empty