7-6利用数据连接创建银行对账模型.pptxVIP

数智化时代会计专业融合创新系列教材《Python开发与财务应用》

项目七：利用Python创建财务会计模型任务6：利用数据连接创建银行对账模型

任务概览项目七?利用Python创建财务会计模型任务六?利用数据连接创建银行对账模型01任务目标：开发一个自动化的银行对账系统，通过精确匹配和差异分析，提高对账效率和准确性，从而加强企业财务数据的安全性和可信度。02

导入模块加载pandas库和warnings模块，为数据处理和警告过滤做准备。0102读取银行存款日记账从Excel文件中导入“银行存款日记账”工作表，并将缺失值替换为0。importpandasaspdimportwarningswarnings.filterwarnings(ignore)例一例二journal=pd.read_excel(7-6银行对账.xlsx,sheet_name=银行存款日记账).fillna(0)银行对账管理

查看日记账行数统计“银行存款日记账”工作表的行数。0304读取银行对账单从Excel文件中导入“银行对账单”工作表，并将缺失值替换为0。journal_row_count=journal.shape[0]例三例四statement=pd.read_excel(7-6银行对账.xlsx,sheet_name=银行对账单).fillna(0)银行对账管理

查看对账单行数统计“银行对账单”工作表的行数。0506计算金额合计并合并计算日记账和对账单的金额合计，并进行数据合并。statement_row_count=statement.shape[0]例五例六journal[金额]=journal[借方金额]-journal[贷方金额]merged_data=pd.merge(journal,statement,on=[日期,金额,对方户名],how=outer)银行对账管理

查看合并后行数统计合并后数据集的行数。0708筛选匹配成功的项目筛选出日记账和对账单中匹配成功的记录。merged_row_count=merged_data.shape[0]例七例八matched=merged_data[(merged_data[序号_x].notnull())(merged_data[序号_y].notnull())]银行对账管理

核对无法匹配的原因发现是银行存款日记账和银行对账单之间存在时间差异。0910查看合并后的match表行数统计经过日期调整和重新匹配后的match表的行数。例十match_row_count=match.shape[0]银行对账管理

查看日记账未匹配成功项目识别日记账中在调整后仍未匹配成功的项目。1112筛选日记账未匹配成功项目从日记账中筛选出未匹配成功的具体记录。unmatched_journal_entries=match[match[序号_x].isnull()]例十一例十二filtered_unmatched_journal=unmatched_journal_entries.drop_duplicates(subset=[序号_x])银行对账管理

输出日记账匹配结果将日记账中未匹配成功的结果导出到Excel文件中。1314查看对账单未匹配成功项目识别对账单中在调整后仍未匹配成功的项目。unmatched_journal_results=unmatched_journal_entries.to_excel(银行存款日记账匹配结果.xlsx,index=False)例十三例十四unmatched_statement_entries=match[match[序号_y].isnull()]银行对账管理

筛选对账单未匹配成功项目从对账单中筛选出未匹配成功的具体记录。1516输出对账单匹配结果将对账单中未匹配成功的结果导出到Excel文件中。filtered_unmatched_statement=unmatched_statement_entries.drop_duplicates(subset=[序号_y])例十五例十六unmatched_statement_results=unmatched_statement_entries.to_excel(7-6银行对账单匹配结果.xlsx,index=False)银行对账管理

如何使用pandas筛选出日记账中所有匹配成功的记录？01如果需要对银行对账单进行进一步的分析，比如计算每日的交易总额，你会如何实现？02#筛选日记账中匹配成功的记录matched_journal=journal[journal[序号_x].notnull()]例一#计算每日交易总额daily_tot