python教程40-财务自动生成财务报表

能用到python有几类人：

1、数据分析

2、大数据

3、人工智能

4、财务分析报表

前三种是基本上都是专业使用python开发者做的。财务分析报表就涉及了公司的运营策略了。

网站使用python做感觉实在没意义。

以下文章来源 【python数据分析之禅】公共账号：

公司财务每月需要根据如下报表统计出本月、上月、去年同期的销售额、客流量、客单价数据：

每个月都要手动计算，非常耗费时间，自动生成财务报表，现把具体过程分享给大家：

import pandas as pd
data=pd.read_csv('数据模板.csv',encoding='gbk',parse_dates=["成交时间"])
data

parse_dates可以将成交时间列转换成时间格式

先给大家介绍一下指标的计算方式：

销售额=单价*销量客流量=订单id去重后的次数客单价=销售额/客流量

通过pandas比较功能，取出本月数据，&为比较运算符，相当于“与”

from datetime import datetime
current_m=data[(data["成交时间"]>=datetime(2020,2,1))&(data["成交时间"]<=datetime(2020,2,28))]
current_m

销售额计算

current_s=(current_m['销量']*current_m['单价']).sum()
current_s

sum是pandas中的求和函数，用于返回用户所请求轴的值之和。

客流量计算

current_t=current_m['订单ID'].drop_duplicates().count()
current_t

drop_duplicatesop:去重函数count:计数函数

客单价计算

curent_s_t=round(current_s/current_t,2)
curent_s_t

计算方式是一样的，只不过把日期范围调整一下，代码如下：

from datetime import datetime
last_m=data[(data["成交时间"]>=datetime(2020,1,1))&(data["成交时间"]<=datetime(2020,1,31))]
last_s=(last_m['销量']*last_m['单价']).sum()
last_t=last_m['订单ID'].drop_duplicates().count()
last_s_t=round(last_s/last_t,2)

from datetime import datetime
same_m=data[(data["成交时间"]>=datetime(2019,2,1))&(data["成交时间"]<=datetime(2019,2,28))]
same_s=(same_m['销量']*same_m['单价']).sum()
same_t=same_m['订单ID'].drop_duplicates().count()
same_s_t=round(same_s/same_t,2)

result=pd.Dataframe([[current_s,last_s,same_s],[current_t,last_t,same_t],[curent_s_t,last_s_t,same_s_t]],columns=["本月","上月同期","去年同期"],index=["销售额","客流量","客单价"])
result

result["同比"]=result["本月"]/result["上月同期"]-1
result["环比"]=result["本月"]/result["去年同期"]-1
result

自动化报表的模板基本已经做好了，等下月需要时，只需改一下时间，运行程序即可，省去了大量的人工计算时间

用plotly画出柱状图

import plotly.graph_objs as go
columns=["本月","上月同期","去年同期"]
fig = go.Figure(data=[
    go.Bar(name='销售额',x=columns,y=[current_s,last_s,same_s]),
    go.Bar(name='客流量',x=columns,y=[current_t,last_t,same_t]),
    go.Bar(name='客单价',x=columns,y=[curent_s_t,last_s_t,same_s_t]),])
fig.update_layout(barmode='group')
fig.show()

点击右上角标签，可以展示不同的参数图形