起因 因一个审计专业同学需要对上市公司的利润表中数据进行分析，因此帮忙写了爬虫然后用K-means简单分析了一下，找出可疑公司 爬虫部分 爬虫部分一共爬取了两个网站的数据，因为第一个网站的数据，爬取的第一个网站是同花顺，爬虫代码在selenium_com.py文件中，用mongodb数据库存储 第二个网站是东方财富网，代码在craw_dfcfw.py中，保存方式为CSV文件，保存在dataset文件夹下 详细过程有空补充 聚类部分 因为审计专业的要求和计算机不太一样，他们这个方法的要求是先通过K-means算法进行聚类，然后把聚类结果里面的小簇（就是只有几个数据的那种）中的数据给删除掉，因为这种数据说明该公司的财务数据存在疑点，而他的论文正是要找出这些可疑的公司和数据，然后将这些可疑点给删除，再次进行聚类（论文中称之为迭代式聚类），反复多次，直到没有小簇出现，以此来达到筛选出存在审计疑点的公司 细节待补充