python分析财报 怎么用python做财务报表分析

公司财务小姐姐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，本着乐于助人的原则，我用python写了个小程序，能够实现自动生成财务报表，现把具体过程分享给大家：

一、pandas导入数据源

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

二、pandas计算相关指标

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

1.计算上月数据

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

2.计算上月数据

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)

3.计算去年同期数据

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)

4.将上述数据转成DataFrame表格型数据结构

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

5.增加同比和环比数据

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

三、可视化展示

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