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：
一、pandas导入数据源
importpandasaspddata=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”
fromdatetimeimportdatetimecurrent_m=data[(data["成交时间"]>=datetime(,2,1))&(data["成交时间"]<=datetime(,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：
fromdatetimeimportdatetimelast_m=data[(data["成交时间"]>=datetime(,1,1))&(data["成交时间"]<=datetime(,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
fromdatetimeimportdatetimesame_m=data[(data["成交时间"]>=datetime(,2,1))&(data["成交时间"]<=datetime(,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"]-1result["环比"]=result["本月"]/result["去年同期"]-1result
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
importplotly.graph_objsasgocolumns=["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
