#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 利润表数据处理脚本 功能： 1. 将数字转换为以亿为单位（保留两位小数） 2. 删除配置文件中指定的行 3. 第一行为日期 4. 输出为 Excel 格式 """ import pandas as pd import json import os from pathlib import Path def load_config(config_path): """加载配置文件""" with open(config_path, 'r', encoding='utf-8') as f: config = json.load(f) return config def is_decimal_number(value): """判断是否为小数（绝对值小于1的数字）""" if pd.isna(value) or value == '' or value is None: return False try: num = float(value) # 如果绝对值小于1，认为是小数/比率 return abs(num) < 1 except (ValueError, TypeError): return False def is_large_number(value): """判断是否为需要转换的大数字（绝对值>=1）""" if pd.isna(value) or value == '' or value is None: return False try: num = float(value) # 如果绝对值>=1，认为是需要转换的大数字 return abs(num) >= 1 except (ValueError, TypeError): return False def convert_to_yi(value): """将数字转换为以亿为单位，保留两位小数""" if pd.isna(value) or value == '' or value is None: return value # 统一转换为浮点数进行处理 num = None # 如果已经是数值类型，直接使用 if isinstance(value, (int, float)): num = float(value) else: # 处理字符串格式 try: # 转换为字符串并清理 str_value = str(value).strip() # 去除等号（Excel公式格式，如 "=557395000000"） if str_value.startswith('='): str_value = str_value[1:] # 去除常见的数字格式字符（逗号、空格等） str_value = str_value.replace(',', '').replace(' ', '').replace('，', '') # 如果为空，返回原值 if str_value == '' or str_value.lower() == 'nan': return value # 转换为浮点数（支持科学计数法，如 "2.07327E+12"） num = float(str_value) except (ValueError, TypeError): # 如果无法转换，返回原值 return value # 如果成功转换为数字 if num is not None: # 如果是小数（比率），返回去除等号后的值 if abs(num) < 1: # 如果原值是字符串且以等号开头，返回去除等号后的值 if isinstance(value, str) and value.strip().startswith('='): return str_value return value # 转换为亿，保留两位小数 yi_value = num / 100000000 return round(yi_value, 2) # 如果无法处理，返回原值 return value def find_row_by_name(df, row_name): """在数据框中查找指定名称的行""" first_col = df.iloc[:, 0] # 尝试精确匹配 mask = first_col == row_name if mask.any(): return df[mask] # 尝试模糊匹配（去除空格） mask = first_col.str.strip() == row_name.strip() if mask.any(): return df[mask] return None def process_income_statement_return_df(input_file, config_file): """ 处理利润表文件并返回 DataFrame 参数： input_file: 输入的CSV/Excel文件路径 config_file: 配置文件路径 返回： pandas.DataFrame: 处理后的数据框 """ print(f"正在读取文件: {input_file}") # 读取数据文件 if input_file.endswith('.csv'): df = pd.read_csv(input_file, encoding='utf-8') else: df = pd.read_excel(input_file) print(f"文件读取成功，共 {len(df)} 行") # 加载配置文件 config = load_config(config_file) rows_to_delete = config.get('rows_to_delete', []) print(f"配置文件加载成功，需要删除 {len(rows_to_delete)} 种行") # 记录要删除的行索引 indices_to_delete = set() # 查找并标记要删除的行 for row_name in rows_to_delete: row_data = find_row_by_name(df, row_name) if row_data is not None and len(row_data) > 0: for idx in row_data.index: indices_to_delete.add(idx) print(f" 标记删除: {row_name}") print(f"\n共标记 {len(indices_to_delete)} 行待删除") # 创建结果数据框 result_rows = [] # 首先添加日期行 date_row = find_row_by_name(df, '日期') date_idx = None if date_row is not None and len(date_row) > 0: date_idx = date_row.index[0] result_rows.append(df.iloc[date_idx].tolist()) indices_to_delete.add(date_idx) print("已添加日期行作为第一行") else: print("警告: 未找到日期行") # 处理其他行 print("\n开始处理数据...") processed_count = 0 for idx in range(len(df)): # 跳过要删除的行 if idx in indices_to_delete: continue row = df.iloc[idx].tolist() processed_row = [] # 处理每一列 for col_idx, value in enumerate(row): if col_idx == 0: # 第一列是名称，不处理 processed_row.append(value) else: # 其他列，转换大数字为亿 converted_value = convert_to_yi(value) processed_row.append(converted_value) result_rows.append(processed_row) processed_count += 1 print(f"共处理 {processed_count} 行数据") # 创建结果数据框（不使用列名） result_df = pd.DataFrame(result_rows) print("\n处理完成！") print(f"总行数: {len(result_df)}") return result_df def process_income_statement(input_file, config_file, output_file): """ 处理利润表文件并保存 参数： input_file: 输入的CSV/Excel文件路径 config_file: 配置文件路径 output_file: 输出文件路径 """ # 调用处理函数获取 DataFrame result_df = process_income_statement_return_df(input_file, config_file) # 保存结果 print(f"\n正在保存结果到: {output_file}") # 强制使用 xlsx 格式 if not output_file.endswith('.xlsx'): output_file = output_file.rsplit('.', 1)[0] + '.xlsx' # 保存时不写入列名和索引 result_df.to_excel(output_file, index=False, header=False, engine='openpyxl') print(f"输出文件: {output_file}") def main(): """主函数""" # 获取脚本所在目录 script_dir = Path(__file__).parent # 设置路径 input_dir = script_dir / 'input' config_dir = script_dir / 'config' output_dir = script_dir / 'output' # 创建输出目录 output_dir.mkdir(exist_ok=True) # 配置文件路径 config_file = config_dir / 'income_statement_config.json' if not config_file.exists(): print(f"错误: 配置文件不存在: {config_file}") return # 查找input目录下的文件 if not input_dir.exists(): print(f"错误: input目录不存在: {input_dir}") return # 获取所有CSV和Excel文件（可以根据文件名筛选利润表） input_files = [] for pattern in ['*利润表*.csv', '*利润表*.xlsx', '*利润表*.xls', '*income*.csv', '*income*.xlsx', '*income*.xls']: input_files.extend(list(input_dir.glob(pattern))) # 去重 input_files = list(set(input_files)) if not input_files: print(f"警告: 在 {input_dir} 目录下未找到利润表文件") print("提示: 文件名应包含'利润表'或'income'") print("\n如需处理所有文件，请修改脚本中的文件匹配规则") # 备选：处理所有文件 all_files = list(input_dir.glob('*.csv')) + \ list(input_dir.glob('*.xlsx')) + \ list(input_dir.glob('*.xls')) if all_files: print(f"\n发现 {len(all_files)} 个文件，是否全部处理？") input_files = all_files if not input_files: print("未找到任何文件") return print(f"找到 {len(input_files)} 个文件待处理\n") # 处理每个文件 for input_file in input_files: print(f"\n{'='*60}") print(f"处理文件: {input_file.name}") print(f"{'='*60}") # 生成输出文件名（统一使用 .xlsx 扩展名，去除"合并报表_"） base_name = input_file.stem # 不带扩展名的文件名 # 清理文件名 import re base_name = base_name.replace('合并报表_', '').replace('合并报表', '') base_name = re.sub(r'_+', '_', base_name).strip('_') output_file = output_dir / f"{base_name}.xlsx" try: process_income_statement( str(input_file), str(config_file), str(output_file) ) except Exception as e: print(f"处理文件时出错: {e}") import traceback traceback.print_exc() print(f"\n{'='*60}") print("所有文件处理完成！") print(f"结果保存在: {output_dir}") print(f"{'='*60}") if __name__ == '__main__': main()