thon财税基础应用5

Python在财税中的应用Python在财税中的应用目录项目一项目二项目三项目四Python在财税中的应用概述Python在财务中的应用Python在税务管理中的应用Python在行业数据分析中的应用项目五综合应用Python在财税中的应用综合应用项目五任务一Python在人员结构分析中的应用数据处理、分析一般流程综合应用项目五Python在财税中的应用任务一Python在人员结构分析中的应用读取数据importpandasaspdfrommatplotlibimportpyplotaspltdf=pd.read_excel('人员结构分析与人员变动分析.xlsx')df#显示df中的数据任务要求：分析在职员工的部门分布情况，工具及文化程度。填充NaT值为空值df=df.fillna('')dfPython在财税中的应用筛选在职人员#筛选出在职人员df=df[df['离职日期']=='']df转换”入职日期”类型为日期型df=df.copy()df['入职日期']=pd.to_datetime(df['入职日期'])df综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用增加“工龄”列并计算员工入职时间#定义函数def

working_years(a):now=pd.datetime.now()#取得当前日期

returnnow.year-a.year#返回当前年与入职年之差df['工龄']=df['入职日期'].map(working_years)#map函数把'入职日期'列中的数据一个一个传到working_years函数中进行处理。df综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用查看公司员工的文化程度df['文化程度'].unique()筛选出各部门入职满2年且文化程度是本科及以上的人员#使用‘&’(并且)和

‘|’(或)时，每个条件要用小括号包含起来df1=df[(df['工龄']>=2)&((df['文化程度']=='本科')|(df['文化程度']=='硕士'))]df1综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用查看公司员工的文化程度df['文化程度'].unique()筛选出各部门入职满2年且文化程度是本科及以上的人员#使用‘&’(并且)和

‘|’(或)时，每个条件要用小括号包含起来df1=df[(df['工龄']>=2)&((df['文化程度']=='本科')|(df['文化程度']=='硕士'))]df1综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用构建数据透视表，按部门统计人员的数量df2=df1.pivot_table(index='部门',values='姓名',aggfunc='count')df2重命名列名“姓名”为“员工人数”df2=df2.rename(columns={'姓名':'员工人数'})df2综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用绘制饼图plt.rcParams['font.family']='Kaiti'

#设置字体为楷体plt.rcParams['axes.unicode_minus']=False

#正常显示负号plt.figure(figsize=(8,8))#设置画布的宽与高，在正方形中可绘出正圆x=df2['员工人数']#设置扇形面积值label=df2.index#定义饼图的标签，即部门名称explode=[0,0,0,0,0,0,0,0.1]#设定各项距离圆心N个半径,销售部会突出0.1#绘制饼图，autopct='%.2f%%'显示保留2位小数的百分比数据plt.pie(x,explode=explode,labels=label,autopct='%.2f%%',shadow=True,textprops={'fontsize':15,'color':'green'})plt.legend(fontsize=15,bbox_to_anchor=(1.4,1.05))#设置显示图例plt.title('各部门工龄2年以上学历本科以上人员分布图',fontsize=18)综合应用项目五任务一Python在人员结构分析中的应用Python在财税中的应用任务二Python在编制科目余额表中的应用任务要求：根据1-31号的记账凭证，编制总账科目上旬、中旬、下旬的借、贷方余额，并保存到excel表。综合应用项目五任务二Python在编制科目余额表中的应用Python在财税中的应用importpandasaspddf=pd.read_excel('记账凭证业务.xlsx')df读取数据综合应用项目五任务二Python在编制科目余额表中的应用df['日期']=df['日期'].fillna(method='ffill')#ffill,以上一行值填充df['年']=df['日期'].str[0:4]#截取日期中的年df['月']=df['日期'].str[5:7]#截取日期中的月df['日']=df['日期'].str[8:10]#截取日期中的日df填充日期NaN为上一行的值，新增“年”“月”“日”列Python在财税中的应用df_1=df.loc[:,['年','月','日','总账','借方金额','贷方金额']]#为了可以进行运算，把日期列转换为整数型。df_1['日']=df['日'].astype('int32')df_1.head()筛选出所需要列综合应用项目五任务二Python在编制科目余额表中的应用df_s=df_1.loc[df_1['日']<=10]#筛选出上旬的数据,赋给df_s#根据上旬的数据编制科目汇总表df_s=pd.pivot_table(df_s,index=['总账'],values=['借方金额','贷方金额'],aggfunc='sum',fill_value=0)df_s.rename(columns={'借方金额':'1-10日借方金额','贷方金额':'1-10日贷方金额'},inplace=True)df_s.reset_index(inplace=True)df_s.head()编制上旬（1-10日）的科目余额表Python在财税中的应用df_1=df.loc[:,['年','月','日','总账','借方金额','贷方金额']]#为了可以进行运算，把日期列转换为整数型。df_1['日']=df['日'].astype('int32')df_1.head()筛选出编制科目余额表所需要列综合应用项目五任务二Python在编制科目余额表中的应用df_s=df_1.loc[df_1['日']<=10]#筛选出上旬的数据,赋给df_s#根据上旬的数据编制科目汇总表df_s=pd.pivot_table(df_s,index=['总账'],values=['借方金额','贷方金额'],aggfunc='sum',fill_value=0)df_s.rename(columns={'借方金额':'1-10日借方金额','贷方金额':'1-10日贷方金额'},inplace=True)df_s.reset_index(inplace=True)df_s.head()编制上旬（1-10日）的科目余额表Python在财税中的应用综合应用项目五任务二Python在编制科目余额表中的应用df_z=df_1[(df_1['日']>=11)&(df_1['日']<=20)]df_z=pd.pivot_table(df_z,index=['总账'],values=['借方金额','贷方金额'],aggfunc='sum',fill_value=0)df_z.rename(columns={'借方金额':'11-20日借方金额','贷方金额':'11-20日贷方金额'},inplace=True)df_z.reset_index(inplace=True)df_z.head()编制中旬（11-20日）的科目余额表df_x=df_1[(df_1['日']>=21)]df_x=pd.pivot_table(df_x,index=['总账'],values=['借方金额','贷方金额'],aggfunc='sum',fill_value=0)df_x.rename(columns={'借方金额':'21-31日借方金额','贷方金额':'21-31日贷方金额'},inplace=True)df_x.reset_index(inplace=True)df_x.head()编制下旬（大于21日）的科目余额表Python在财税中的应用综合应用项目五任务二Python在编制科目余额表中的应用df_kmyeb=pd.merge(df_s,df_z,how='outer')df_kmyeb=pd.merge(df_kmyeb,df_x,how='outer')df_kmyeb=df_kmyeb.fillna(0)df_kmyeb.head()拼接上、中、下旬的科目余额表Python在财税中的应用综合应用项目五任务二Python在编制科目余额表中的应用df_kmyeb.to_excel('按旬编制的科目汇总表.xlsx')将编制的科目汇总导出Python在财税中的应用综合应用项目五任务二Python在编制科目余额表中的应用#总账列设为索引df_kmyeb.set_index('总账',inplace=True)#打印上旬主营业务收入print('上旬的主营业务收入是')print(df_kmyeb.loc['主营业务收入','1-10日贷方金额'])#打印中旬主营业务收入print('中旬的主营业务收入是')print(df_kmyeb.loc['主营业务收入','11-20日贷方金额'])#打印下旬主营业务收入print('下旬的主营业务收入是')print(df_kmyeb.loc['主营业务收入','21-31日贷方金额'])#计算中旬对比上旬的主营业务收入变化print('中旬的主营业务收入对比上旬的变化值是：')print(df_kmyeb.loc['主营业务收入','11-20日贷方金额']-df_kmyeb.loc['主营业务收入','1-10日贷方金额'])可以对现有数据进行查找、分析：例：查找上、中、下旬“主营业务收入”数据及计算中旬与上旬的变化值并输出。Python在财税中的应用任务三Python在应收账款管理分析中的应用任务要求：根据应收款明细表，分析每家客户单位5月份对应的收款金额。将表中子公司划分为内部单位，进一步区分内部、外部的收款金额是多少。综合应用项目五任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五importpandasaspdimportnumpyasnpdf=pd.read_excel('应收账款明细1.xlsx',sheet_name='应收款明细',header=3)df.head()读取数据，查看分析数据任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五importpandasaspdimportnumpyasnpdf=pd.read_excel('应收账款明细1.xlsx',sheet_name='应收款明细',header=3)df.head()读取数据，查看分析数据df=df[['客户名称','收款日期1','收款金额1','收款日期2','收款金额2','收款日期3','收款金额3','收款日期4','收款金额4','内外部']]df=df.fillna('')#缺失值用空填充df清洗整理数据，用空代替缺失值（NaN，NaT等）任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五def

cal_may_sale(x,y,z):

globaldf#声明函数内部使用的df是在函数外部定义的全局变量dfdf_=df.loc[:,[x,y,z]]#按客户名称、收款日期、收款金额字段过滤出对应的列df_['月']=pd.to_datetime(df_[y],errors='coerce').dt.month#转换收款日期列数据类型为datetime,无效解析设置为NaT,再从收款日期提取月df_=df_.loc[df_['月']==5.0]#筛选月=5.0值的数据行

#使用数据透视表，根据客户名称分类统计收款金额df_=pd.pivot_table(df_,index=x,values=z,aggfunc='sum').reset_index()

returndf_#返回生成的数据透视表创建自定义函数df1=cal_may_sale('客户名称','收款日期1','收款金额1')df1.head()根据“收款日期1”统计5月份每家单位收款额任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五df2=cal_may_sale('客户名称','收款日期2','收款金额2')df2.head()根据“收款日期2”统计5月份每家单位收款额df1=cal_may_sale('客户名称','收款日期1','收款金额1')df1.head()根据“收款日期1”统计5月份每家单位收款额任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五df4=cal_may_sale('客户名称','收款日期4','收款金额4')df4.head()根据“收款日期4”统计5月份每家单位收款额df3=cal_may_sale('客户名称','收款日期3','收款金额3')df3.head()根据“收款日期3”统计5月份每家单位收款额任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五df5=pd.merge(df1,df2,on=['客户名称'],how='outer')df6=pd.merge(df3,df4,on=['客户名称'],how='outer')df7=pd.merge(df5,df6,on=['客户名称'],how='outer')df7=df7.fillna(0)#拼结后产生的NaN用0填充df7['5月收款合计']=df7[['收款金额1','收款金额2','收款金额3','收款金额4']].sum(axis=1)df7.loc['合计']=df7[['收款金额1','收款金额2','收款金额3','收款金额4']].sum()df7.loc['合计','客户名称']=''

#设置合计行的客户名称为空df7.loc[‘合计’,‘5月收款合计’]=df7.loc[‘合计’,‘收款金额1’:‘收款金额4’].sum()#计算5月收款合计df7拼接四张表,并计算出5月各家单位共收款金额任务三Python在应收账款管理分析中的应用Python在财税中的应用综合应用项目五df8=df[['客户名称','内外部']]df9=pd.merge(df7,df8,on='客户名称',how='left')df9划分5月收款总额中内部收款和外部收款任务三Python在应收账款管理分析中的应用df10=df9[['客户名称','5月收款合计','内外部']].drop_duplicates()df10.head()保留“客户名称”、“5月收款合计”、“内外部”列并删除重复行。Python在财税中的应用综合应用项目五df_new=df10.pivot_table(index=['客户名称'],columns=['内外部'],values='5月收款合计',aggfunc=np.sum,fill_value=0,margins=True,margins_name='合计')df_=''df_new.head()调整显示方式，把“内外部”作为列显示任务三Python在应收账款管理分析中的应用思考：此处使用df10.T来进行列与行的转置可以吗？df_new.to_excel('5月收款明细.xlsx')最终结果写入Excel表Python在财税中的应用任务四Python在计提摊销和折旧中的应用任务要求：根据专利表，统计原值、累计摊销、账面价值并存入新的Excel表。对固定资产表中的累计折旧进行计算并与原始表进行比对，把有差异的存入Excel表。综合应用项目五任务四Python在计提摊销和折旧中的应用Python在财税中的应用综合应用项目五importpandasaspdimportnumpyasnpfromdatetimeimportdate#第一部分

无形资产data=pd.read_excel('无形资产明细表1.xlsx')data读取无形资产明细表数据任务四Python在计提摊销和折旧中的应用Python在财税中的应用综合应用项目五data.drop(labels=95,inplace=True)data.head()删除合计行任务四Python在计提摊销和折旧中的应用data['月摊销额']=round(data['原值']/data['摊销月数'],2)data.head()增加“月摊销额”列，并计算值Python在财税中的应用综合应用项目五def

month_delta(start_date,end_date):flag=True

ifstart_date>end_date:start_date,end_date=end_date,start_dateflag=False

#结束日期的年-开始日期的年year_diff=end_date.year-start_date.year

#(结束日期的年-开始日期的年)*12+结束日期的月end_month=year_diff*12+end_date.month

#(结束日期的年-开始日期的年)*12+结束日期的月-开始日期的月delta=end_month-start_date.month

return-deltaifflagis

False

elsedelta

data['已摊销月数']=data.apply(lambdax:month_delta(x['授权公告日'],x['基准日期']),axis=1)data.head()增加“已摊销月数”列，并计算值任务四Python在计提摊销和折旧中的应用为了方便计算，我们根据日期计算公式定义一个函数，然后dataframe中应用apply函数，在函数中进行调用。Python在财税中的应用综合应用项目五data['累计摊销']=data.apply(lambdax:round(x['月摊销额']*x['已摊销月数'],2)ifx['已摊销月数']<x['摊销月数']else

0,axis=1)data['账面价值']=round(data['原值']-data['累计摊销'],2)data.head()增加“累计摊销”与“账面价值”列，并计算值任务四Python在计提摊销和折旧中的应用累计摊销计算方法Python在财税中的应用综合应用项目五data1=pd.pivot_table(data,index=['专利类型'],values=['原值','累计摊销','账面价值'],aggfunc='sum',margins=True,margins_name='小计')data1.head()按“专利类型”统计，对“原值”、“累计摊销”、“账面价值”列求和，并增加一行小计任务四Python在计提摊销和折旧中的应用Python在财税中的应用综合应用项目五data1=pd.pivot_table(data,index=['专利类型'],values=['原值','累计摊销','账面价值'],aggfunc='sum',margins=True,margins_name='小计')data1.head()按“专利类型”统计，对“原值”、“累计摊销”、“账面价值”列求和，并增加一行小计任务四Python在计提摊销和折旧中的应用data1.to_excel('无形资产汇总表.xlsx')存储到Excel表Python在财税中的应用综合应用项目五df=pd.read_excel('固定资产折旧明细表1.xlsx')df.head()读取固定资产数据任务四Python在计提摊销和折旧中的应用Python在财税中的应用综合应用项目五任务四Python在计提摊销和折旧中的应用df['审计年折旧率']=df.apply(lambdax:(1-x['残值率'])/x['使用年限'],axis=1)df['审计月折旧率']=round(df['审计年折旧率']/12,4)df['审计月折旧额']=df.apply(lambdax:round((x['审计月折旧率']*x['原值']),2),axis=1)df.head()添加“审计年折旧率”、“审计月折旧率”、“审计月折旧额”对其进行计算Python在财税中的应用综合应用项目五任务四Python在计提摊销和折旧中的应用enddate=date(2021,5,1)df['查询日期']=enddatedf['查询日期与购入日期差']=df.apply(lambdax:month_delta(x['开始使用日期'],enddate),axis=1)df['使用总月数']=df.apply(lambdax:month_delta(x['开始使用日期'],x['折旧到期日']),axis=1)df['审计累计折旧']=np.where(df['查询日期与购入日期差']>=df['使用总月数'],round(df['使用总月数']*df['月折旧额'],2),round(df['查询日期与购入日期差']*df['月折旧额'],2))df.head()添加“查询日期与购入日期差”、“使用总月数”、“审计累计折旧”列并对其进行计算Python在财税中的应用综合应用项目五任务四Python在计提摊销和折旧中的应用df['累计折旧']=round(df['累计折旧'],2)df['差异值']=(df['审计累计折旧']-df['累计折旧']).map(lambdax:0

ifx==0

elsex)df=df.sort_values('差异值')df累计折旧”保留两位小数，添加“差异值”，当“审计累计折旧”与“累计折旧”存在差额就返回差额，按差异值升序排序Python在财税中的应用综合应用项目五任务四Python在计提摊销和折旧中的应用df1=df.head(3)df1.to_excel('存在差异的固定资产明细.xlsx')将有差异的那三行数据以导出到Excel表Python在财税中的应用任务五Python在销售管理分析中的应用任务要求：根据销售数据，分析出2019和2020年每月各品类的利润综合应用项目五任务五Python在销售管理分析中的应用Python在财税中的应用综合应用项目五importpandasaspdimportnumpyasnpfromopenpyxlimportload_workbookfrommatplotlibimportpyplotasplt导入所需要的模块任务五Python在销售管理分析中的应用wb=load_workbook('销售数据2.xlsx')sheet_names=wb.sheetnameskey='销售'all_sale_data=pd.DataFrame()forsheet_nameinsheet_names:

ifkeyinsheet_name:current_data=pd.read_excel('销售数据2.xlsx',sheet_name=sheet_name)all_sale_data=pd.concat([current_data,all_sale_data])all_sale_data读取数据如果Excel表格结构比较杂乱，数据分散不同的工作表中，可以使用openpyxl将数据转换为适合进一步分析的DataFramePython在财税中的应用综合应用项目五importpandasaspdimportnumpyasnpfromopenpyxlimportload_workbookfrommatplotlibimportpyplotasplt导入所需要的模块任务五Python在销售管理分析中的应用wb=load_workbook('销售数据2.xlsx')sheet_names=wb.sheetnameskey='销售'all_sale_data=pd.DataFrame()forsheet_nameinsheet_names:

ifkeyinsheet_name:current_data=pd.read_excel('销售数据2.xlsx',sheet_name=sheet_name)all_sale_data=pd.concat([current_data,all_sale_data])all_sale_data读取数据如果Excel表格结构比较杂乱，数据分散不同的工作表中，可以使用openpyxl将数据转换为适合进一步分析的DataFrame。Python在财税中的应用综合应用项目五all_sale_()检查是否有NULL值任务五Python在销售管理分析中的应用all_sale_data=all_sale_data.dropna(axis=0)all_sale_data删除空值发现有29行单价列存在空值dropna函数中axis=0参数可以不写，默认就为0Python在财税中的应用综合应用项目五all_sale_data.duplicated().sum()#结果为5，说明有5行重复值#keep='first'选择最前一项保留all_sale_data=all_sale_data.drop_duplicates(keep='first')all_sale_data检查是否存在重复值任务五Python在销售管理分析中的应用查找异常值all_sale_data.describe()数量、单价存在0值，需要把“数量”、“单价”中等于0的行过滤掉。Python在财税中的应用综合应用项目五all_sale_data=all_sale_data[all_sale_data['数量']>0]all_sale_data=all_sale_data[all_sale_data['单价']>0]all_sale_data过滤数量、单价为0的行任务五Python在销售管理分析中的应用读取EXCEL表中的“产品明细表”与“品类名细表”两个工作表，并拼接df=pd.read_excel('销售数据2.xlsx',sheet_name='产品明细表')df1=pd.read_excel('销售数据2.xlsx',sheet_name='品类明细表')df2=pd.merge(df,df1,on=['品类id'],how='left')df2Python在财税中的应用综合应用项目五all_sale_data=pd.merge(all_sale_data,df2,on