Python自动化办公

1.案例场景

作为企业的数据统计岗，每天都需要做很多报表，日报、周报、季报、月报。如果我们能利用Python的数据分析功能把这些常规的流程标准化的报表自动化，那么我们将能有更多的时间集中于数据背后的业务发展及逻辑的分析上，这样才能被称为是企业的数据分析师，而不是简单的数据搬运工。下面我们通过一个简单的案例来看看Python报表自动化的建模过程。某银行贷款业务部门数据分析员每天需要根据系统生成的个人贷款客户信息表统计管辖区域内各经营单位的不同贷款产品今年的投放情况。源数据表格式及字段如下图所示；

 

 

2.Excel制作过程

结合以上两张图，我们知道利用Excel的数据透视表功能就制作该报表：选中数据表中任意一个单元格，点击插入数据透视表，然后按以下步骤执行：

• 将合同生效日字段放在页区域（筛选今年）
• 将用途字段放在列区域。
• 将单位字段放在透视表的行区域。

 

 

三个数值的计算方法分别为：

分成贷款金额1=贷款金额*分成比例1

分成贷款金额2=贷款金额*分成比例2

分成贷款金额3=贷款金额*分成比例3

 

 以上流程每天都需要进行重复：插入列、编写公式、做数据透视表、VLOOKUP，相信就算是熟悉Excel的人也需要华20到25分钟，而在操作过程中很容易因为疏忽而造成错误。如此循环往复，效率低下并且出错率高。而从操作上来讲，整个流程都是标准化的，因此我们可以考虑使用Python进行自动化设计。

 此时利用info()返回的数据可以判断data4是否存在空值。从以下运行结果来看，data4数据表格共5019行，贷款金额及贷款用途都含有5019行非空值，说明者两列都没有空值出现。而单位及分成比例只有2041行数据为非空。其他行为空值。根据业务逻辑可知，如果单位列数据为空，则一定不存在分成比例，即：分成比例也为空。那么该条记录就是无效的。因此可以直接将其删除。使用dropna()函数进行空值处理。

 

data4.info()

---

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 5019 entries, 0 to 5018

Data columns (total 4 columns):

用途      5019 non-null object

贷款金额    5019 non-null int64

单位      2041 non-null object

分成比例    2041 non-null float64

dtypes: float64(1), int64(1), object(2)

memory usage: 156.9+ KB

 

 想学习更多Python知识，进下面链接：

 https://note.youdao.com/s/bfdk7lCG