其中Stkcd为股票代码，Accper为截止日期，F090301B为归属于母公司每股收益，F090601B为每股营业收入，F091001A为每股净资产，F091301A为每股资本公积，F091501A为每股未分配利润，F091801B为每股经营活动产生的现金流量净额。问题如下： （1）对每个股票代码，计算每个季度每股收益同比增长率，并找出连续4个季度每股收益同比增长率大于20%的股票代码。 （2）找出2017年、2018年每股资本公积和每股未分配利润最大的10只股票代码，并通过柱状图、子图的方法可视化展现出来。 （3）取2018年的数据，对以上6个指标做主成分分析，要求提取信息占比在95%以上，并写出每个主成分的表达式，说明其主成分的意义。 （4）基于第3步提取的主成分进行K-均值聚类分析，并获取聚类中心。

好的，针对您的问题，我先给出一些思路和解释：

（1）计算每股收益同比增长率，可以通过计算相邻两个季度的每股收益的增长率来实现。比如第二个季度的每股收益同比增长率可以用以下公式计算：

$GrowthRate = \frac{EPS_{Q2}-EPS_{Q1}}{EPS_{Q1}} \times 100\%$

其中$EPS$表示每股收益，$Q1$表示第一个季度，$Q2$表示第二个季度。如果要找出连续4个季度每股收益同比增长率大于20%的股票代码，可以对每个股票的每个季度的增长率进行判断，如果有连续的4个增长率都大于20%，则认为该股票符合条件。

（2）找出2017年、2018年每股资本公积和每股未分配利润最大的10只股票代码，可以对每个股票的每股资本公积和每股未分配利润进行排序，然后取出前10个即可。柱状图和子图的方法可以用Python的Matplotlib库实现。

（3）取2018年的数据，对以上6个指标做主成分分析，可以使用Python的sklearn库实现。主成分分析是一种常用的数据降维方法，可以将多个相关的指标变成少数几个无关的主成分，以便更好地分析数据。提取信息占比在95%以上，可以通过观察每个主成分对原始数据方差的解释程度来确定。每个主成分的表达式和意义，可以通过查看主成分分析结果中的因子载荷矩阵来确定。

（4）基于第3步提取的主成分进行K-均值聚类分析，并获取聚类中心，可以使用Python的sklearn库实现。K-均值聚类是一种常用的无监督学习方法，可以将数据集中的样本分成K个簇。聚类中心是每个簇的中心点，可以通过均值来计算。