企业官网建设流程全解析

简介：这份Python源码示例面向希望用编程管理个人财务的初学者与数据分析爱好者，通过读取日常记账数据，完成消费分类汇总与可视化呈现，帮助使用者看清自己的消费方向。压缩包共3个文件，包含1个py主程序、1个xlsx记账数据表和1个txt使用说明，整体约20KB，体积轻巧，下载后即可对照说明运行调试。项目以Pandas完成数据清洗、聚合与分类，用matplotlib、seaborn绘制柱状图、饼图和趋势线，直观展示食品、交通、娱乐等类别的占比与时间变化；脚本还可自动读取表格、按规则归类并定期更新结果，减少手工统计。标签中涉及的爬虫与游戏数据思路，也可迁移到电商订单抓取或玩家付费行为分析等场景。目前已有191人学习，适合作为数据分析入门练手项目，在实操中熟悉数据处理流程与可视化技巧。

1. 记账三年还在用 Excel 拉透视表？这套 Python 源码把消费方向拆到骨头里

每个月月底打开记账 App 导出 CSV，然后丢进 Excel 拉透视表，看这个月餐饮花了多少、交通花了多少——这事我干了三年。直到某天想回答一个更实际的问题：过去一年我的消费结构到底在往哪个方向漂移？是外卖越点越多，还是订阅服务在悄悄吃掉预算？Excel 透视表给不了这个答案，因为它只会做静态汇总，不会做趋势归因。

这套「数据分析和图标-可视化分析日常记账数据总结个人消费方向-Python源码示例」要解决的正是这个问题：把记账 App 导出的流水明细，用 Python 做清洗、分类、聚合，再通过可视化把消费方向的变化趋势画出来。它适合两类人：一是已经有一年以上记账数据、想从「记了」升级到「看懂了」的普通用户；二是正在学 Python 数据分析与可视化实践、需要一个真实数据集练手的入门者。核心链路不复杂——pandas 做数据清洗和分组聚合，matplotlib 和 seaborn 出图，最后用一份可复用的脚本把整个流程固化下来。下面按实际落地顺序拆开讲。

2. 从记账 App 导出到 pandas DataFrame：数据清洗的四个关键动作

2.1 先搞清楚你的记账数据长什么样

不同记账 App 导出的 CSV 字段名差异很大，但核心信息就那么几列：交易时间、交易类型（支出/收入/转账）、金额、分类、备注。常见做法是先把 CSV 读进来，用df.head()和df.info()看一眼实际结构，再决定怎么处理。我一般会先做一次字段映射，把不同 App 的列名统一成标准字段，这样后续脚本换数据源时不用大改。

import pandas as pd # 读取记账 App 导出的 CSV，注意编码问题 df = pd.read_csv("bill_export.csv", encoding="utf-8-sig") # 先看前 5 行和字段类型 print(df.head()) print(df.info()) # 字段映射：把不同 App 的列名统一 column_map = { "交易时间": "trade_time", "交易类型": "trade_type", "金额(元)": "amount", "分类": "category", "备注": "note" } df = df.rename(columns=column_map) # 只保留支出记录，转账和收入单独处理 df_expense = df[df["trade_type"] == "支出"].copy() print(f"支出记录数：{len(df_expense)}")

这段代码的逻辑很直接：先原样读入，确认字段名和数据类型，再做重命名。encoding="utf-8-sig"是为了处理 Excel 导出 CSV 时带的 BOM 头，不加这个参数第一列列名会多一个不可见字符，后面按列名取值直接报 KeyError。trade_type == "支出"这个过滤条件要根据你实际 App 的取值来改，有的 App 写的是「付款」或「消费」。

2.2 金额列和日期列的清洗不能省

金额列最常见的坑是带货币符号或千分位逗号，比如「¥1,234.50」。pandas 读进来会当成 object 类型，不做处理后面没法求和。日期列同理，有的导出格式是「2024/1/5 14:30」，有的是「2024-01-05」，统一转成 datetime 类型才能按月分组。

# 清洗金额列：去掉货币符号和千分位逗号 df_expense["amount"] = ( df_expense["amount"] .astype(str) .str.replace("¥", "", regex=False) .str.replace(",", "", regex=False) .astype(float) ) # 清洗日期列：统一转成 datetime df_expense["trade_time"] = pd.to_datetime( df_expense["trade_time"], format="mixed" ) # 派生月份列和星期列，后面分组要用 df_expense["month"] = df_expense["trade_time"].dt.to_period("M") df_expense["weekday"] = df_expense["trade_time"].dt.dayofweek # 检查清洗结果 print(df_expense[["trade_time", "amount", "month"]].describe()) print(df_expense["amount"].isna().sum(), "条金额缺失")

format="mixed"是 pandas 2.0 之后才支持的参数，能自动推断每条记录的日期格式。如果你用的 pandas 版本较老，需要手动指定 format 或者用pd.to_datetime(df["trade_time"])让它自己猜。dt.to_period("M")生成的是 Period 类型，按月分组聚合时比直接用字符串截取更可靠，不会出现「2024-1」和「2024-01」被当成两个不同月份的情况。

2.3 分类字段的二次归并

记账 App 自带的分类往往太细，比如「餐饮」下面分了「早餐」「午餐」「晚餐」「夜宵」「零食」「饮料」，做消费方向分析时反而看不清结构。我一般会建一个映射表，把细分类归并成 6 到 8 个大类，比如「餐饮」「交通」「居住」「购物」「娱乐」「医疗」「订阅服务」「其他」。这个映射表建议单独存一个 CSV，方便随时调整。

# 分类归并映射表 category_group = { "早餐": "餐饮", "午餐": "餐饮", "晚餐": "餐饮", "夜宵": "餐饮", "零食": "餐饮", "饮料": "餐饮", "地铁": "交通", "公交": "交通", "打车": "交通", "房租": "居住", "水电": "居住", "物业": "居住", "衣服": "购物", "日用品": "购物", "数码": "购物", "电影": "娱乐", "游戏": "娱乐", "旅行": "娱乐", "会员": "订阅服务", "订阅": "订阅服务", "云盘": "订阅服务", } df_expense["category_group"] = ( df_expense["category"] .map(category_group) .fillna("其他") ) # 看一下归并后的分布 print(df_expense.groupby("category_group")["amount"].agg(["sum", "count"]))

.map()对没有匹配到的分类会返回 NaN，用.fillna("其他")兜底。这里有个细节：如果你的记账数据里分类名称有前后空格，.map()会匹配不上，建议先做一次df["category"] = df["category"].str.strip()。归并后的分布用groupby加agg一次看完金额合计和笔数，能快速判断哪些类别值得深入分析。

3. 消费方向的可视化：用 matplotlib 和 seaborn 画出趋势和结构

3.1 月度消费趋势图：折线图加滚动均值

最基础的一张图是按月汇总的总支出折线图。但直接画原始月度数据往往波动很大，看不出趋势，我一般会叠加一条 3 个月滚动均值线，把短期波动压下去，让方向性变化浮出来。

import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams["font.sans-serif"] = ["SimHei"] matplotlib.rcParams["axes.unicode_minus"] = False # 按月汇总总支出 monthly = df_expense.groupby("month")["amount"].sum().reset_index() monthly["month_str"] = monthly["month"].astype(str) monthly["rolling_3m"] = monthly["amount"].rolling(3).mean() fig, ax = plt.subplots(figsize=(12, 5)) ax.plot(monthly["month_str"], monthly["amount"], marker="o", label="月度支出", alpha=0.6) ax.plot(monthly["month_str"], monthly["rolling_3m"], linewidth=2.5, label="3月滚动均值", color="red") ax.set_xlabel("月份") ax.set_ylabel("支出金额（元）") ax.set_title("月度消费趋势") ax.legend() plt.xticks(rotation=45) plt.tight_layout() plt.savefig("monthly_trend.png", dpi=150) plt.show()

rolling(3).mean()是滚动窗口计算，窗口大小设 3 是因为记账数据按月看，3 个月刚好覆盖一个季度，既能平滑波动又不至于太滞后。matplotlib.rcParams["font.sans-serif"] = ["SimHei"]是解决中文显示方块的标配，Windows 上用 SimHei，macOS 上换成 "Arial Unicode MS"，Linux 上如果没有中文字体需要额外安装。axes.unicode_minus = False是防止负号显示成方块，虽然消费数据一般没有负数，但加上不亏。

3.2 消费结构堆叠图：看各大类占比怎么变

光看总支出不够，还得看结构。堆叠面积图或者堆叠柱状图能把各大类每月的金额叠在一起，一眼看出哪个类别在膨胀、哪个在收缩。

# 按月和分类汇总 pivot = ( df_expense .groupby(["month", "category_group"])["amount"] .sum() .unstack(fill_value=0) ) pivot.index = pivot.index.astype(str) # 堆叠面积图 fig, ax = plt.subplots(figsize=(12, 6)) pivot.plot.area(ax=ax, stacked=True, alpha=0.8, colormap="tab20") ax.set_xlabel("月份") ax.set_ylabel("支出金额（元）") ax.set_title("消费结构月度变化") ax.legend(loc="upper left", bbox_to_anchor=(1, 1), fontsize=9) plt.tight_layout() plt.savefig("category_structure.png", dpi=150) plt.show()

.unstack(fill_value=0)把长格式转成宽格式，行是月份、列是分类，缺失的组合填 0。plot.area(stacked=True)直接出堆叠面积图，colormap="tab20"在分类数不超过 20 时颜色区分度够用。如果分类超过 10 个，建议只保留金额前 8 的类别，剩下的归入「其他」，否则图例会挤成一团。

3.3 分类占比环形图加同比标注

单月或者单年的分类占比用环形图展示比较直观，但纯环形图只能看静态结构。我一般会在环形图旁边加一个同比变化标注，比如「餐饮占比 32%，较上季度 +4%」，这样一眼能看出消费方向在往哪偏。

# 取最近一个完整月份的数据 latest_month = df_expense["month"].max() current = df_expense[df_expense["month"] == latest_month] cat_sum = current.groupby("category_group")["amount"].sum().sort_values(ascending=False) fig, ax = plt.subplots(figsize=(8, 8)) wedges, texts, autotexts = ax.pie( cat_sum.values, labels=cat_sum.index, autopct="%1.1f%%", startangle=90, pctdistance=0.85, wedgeprops=dict(width=0.4, edgecolor="w") ) ax.set_title(f"{latest_month} 消费结构") plt.tight_layout() plt.savefig("category_pie.png", dpi=150) plt.show()

wedgeprops=dict(width=0.4)是画环形图的关键参数，width 控制环的宽度，设 0.4 左右视觉上比较舒服。pctdistance=0.85控制百分比文字离圆心的距离，太近会叠在环上。startangle=90让第一个扇区从 12 点方向开始，符合阅读习惯。

4. 避坑与排查：记账数据分析里最容易翻车的五个地方

4.1 金额求和结果对不上，差了几块钱

现象：Python 算出来的月度总支出和记账 App 里显示的对不上，差额不大但就是不一致。

原因：最常见的是退款记录没处理。很多 App 把退款记成一笔负数的支出或者单独的收入记录，如果只过滤trade_type == "支出"，退款那笔可能被漏掉或者被当成正常支出加了进去。另一个原因是金额列有隐藏的空格或不可见字符，astype(float)之前没清干净。

解决：先检查退款记录的trade_type取值，如果是「退款」就单独拿出来从总支出里减掉。金额列清洗时加一步.str.strip()，再用pd.to_numeric(errors="coerce")代替astype(float)，把无法转换的值变成 NaN 而不是直接报错，然后检查 NaN 的数量和来源。

4.2 中文标签显示成方块

现象：图表里所有中文都变成一个个小方块，英文和数字正常。

原因：matplotlib 默认字体不含中文字形，需要手动指定一个系统中存在的中文字体。

解决：Windows 上用SimHei或Microsoft YaHei，macOS 上用Arial Unicode MS或PingFang SC，Linux 上先fc-list :lang=zh看有哪些中文字体可用，然后设成对应的字体名。如果设了还是方块，清一下 matplotlib 的字体缓存：rm -rf ~/.cache/matplotlib。

4.3 月份排序乱了，10 月排在 2 月前面

现象：折线图的 x 轴月份顺序不对，「2024-10」出现在「2024-2」前面。

原因：月份列是字符串类型时，pandas 按字典序排列，「1」开头的排在「2」前面，导致 10 月、11 月、12 月的位置错乱。

解决：用dt.to_period("M")生成 Period 类型再转字符串，Period 类型本身有正确的时序。或者在绘图前把月份列转成pd.Categorical并指定有序类别。最稳妥的做法是排序时用原始的 datetime 列，绘图时再用格式化后的字符串做标签。

4.4 分类归并后「其他」占比超过 40%

现象：归并后的分类分布里，「其他」这一类金额占比特别高，说明大量记录没匹配上映射表。

原因：映射表的 key 和实际数据里的分类名称不完全一致，可能是多了空格、大小写不同、或者 App 更新后改了分类名称。

解决：先df[df["category_group"] == "其他"]["category"].value_counts()看哪些分类落入了「其他」，然后把这些分类名补进映射表。建议映射表用 CSV 维护而不是硬编码在脚本里，改起来不用动代码。

4.5 数据量大了之后脚本跑得慢

现象：一年以上的记账数据，几千条记录时脚本秒出结果，几万条时明显变慢。

原因：主要慢在groupby和apply上，尤其是用apply做逐行处理时，pandas 的循环开销很大。

解决：能用向量化操作就不用apply，比如金额清洗用.str.replace()链式调用而不是apply(lambda x: ...)。分组聚合时尽量用内置的sum、mean等聚合函数，避免自定义函数。如果数据量真的很大，考虑用pd.read_csv时指定dtype和usecols，减少内存占用和读取时间。

5. 把分析脚本变成可复用的月度报告工具

5.1 用配置文件管理分类映射和图表参数

脚本写死分类映射和图表尺寸，下个月换个数据源就得改代码。我一般会把映射表和图表参数抽到一个config.yaml或者config.json里，脚本启动时读进来。这样调整分类归并规则或者换配色方案时不用碰 Python 代码。

import json with open("config.json", "r", encoding="utf-8") as f: config = json.load(f) category_group = config["category_group"] chart_config = config["chart"] # 用配置里的参数控制图表 figsize = tuple(chart_config["figsize"]) dpi = chart_config["dpi"]

配置文件里放三块内容：分类映射表、图表尺寸和 DPI、输出目录路径。这样同一套脚本可以跑不同人的记账数据，只需要换配置文件和 CSV 就行。

5.2 自动生成月度报告：把关键指标算出来

除了出图，我还会在脚本最后算几个关键指标，输出到一个文本文件或者直接打印出来。这些指标比图更直接地回答「消费方向有没有变化」这个问题。

这张表里的指标不需要全算，选三四个你真正关心的就行。我一般会重点看「3月滚动均值」和「订阅服务占比」，前者告诉你消费在涨还是在降，后者告诉你固定支出有没有在悄悄膨胀。

5.3 一个我踩过的坑：别在脚本里直接覆盖原始数据

早期我图省事，清洗完直接df.to_csv("bill_export.csv")覆盖了原始文件，结果某次分类映射改错了，想回滚都回不去。后来改成清洗后的数据写到cleaned_bill.csv，原始文件永远不动。这个习惯看起来多余，但翻车一次就知道后悔药没处买。

另外，脚本里所有涉及金额的计算，建议在最后统一做一次round(2)，避免浮点数精度问题导致输出一堆123.45000000000002这种数字。虽然不影响分析结论，但报告里看着难受。

5.4 验证分析结果是否可信的两个方法

第一个方法是交叉验证：用 pandas 算出来的月度总支出，和记账 App 里自带的月度统计对一下，差额在几块钱以内说明清洗逻辑没问题。第二个方法是抽样检查：随机抽 10 条记录，手动核对金额、分类、日期是否和原始数据一致。这两个方法花不了几分钟，但能避免在错误数据上做出一堆好看但没用的图。

这套脚本我从最早的一百多行堆到一个文件里，到现在拆成清洗、分析、可视化三个模块加一个配置文件，前后改了七八版。最大的体会是：记账数据分析的价值不在于图多好看，而在于你能不能坚持每个月跑一次，然后根据结果调整下个月的消费决策。工具只是工具，用起来才有意义。希望帮到你。

本文还有配套的精品资源，点击获取