数据分析师训练营/ 第七篇 Python/ 第二十八章
第二十八章 · 自动化

让脚本替你上班

日报这件事,很多分析师都做过:每天早上打开订单表,筛选昨天、去掉未支付、算 GMV、 复制进 Excel、截图发群。做三个月,闭着眼都能点;可只要有一天请假、换一次文件名、 改一次口径,报表就断了。自动化的价值不是“显得会写代码”,而是把这条链路变成一件 不会忘、可检查、出错会喊的事。

本章从零写一个「每日经营日报」脚本:先把取数、清洗、计算、输出四段拆清楚,再补上 异常处理、日志和定时任务,最后讨论 AI 能帮你写哪一段、哪三件事必须你自己验。

理论 : 实操 = 4 : 6 约 6 学时 前置 第 27 章

28.1原理:一个脚本的四段与四道保险

自动化不是把鼠标动作录下来。录屏式宏换一个文件名就废;真正的脚本,是把业务规则写成 一段可重复执行的程序。这一段先讲清楚程序长什么样,后面写代码时你才知道每一行在守哪条规则。

28.1.1一个报表脚本的四个部分

不管报表多复杂,拆到最底层都是四段:取数 → 清洗 → 计算 → 输出。 它们是四个“责任边界”:来源、类型与口径、指标定义、交付格式。

① 取数
→
② 清洗
→
③ 计算
→
④ 输出
图 28.1.1 报表脚本的四段流水线:前一段的输出,就是后一段的输入
1

每一段只做一件事,段与段用字段契约连接

把所有逻辑塞进一个 main() 也能跑,但下个月要加“按渠道拆分”就无处下手。 更常见的是段间契约破了:status 带尾随空格("已支付 "), 计算段用 == "已支付" 过滤,一行都匹配不上。

如果不这样会怎样:脚本不报错,GMV 输出 0,而 6 月 30 日真实的 239,114.60 就这样“消失”了。

28.1.2异常处理:四类错误,各有出口

脚本一定会遇到四种异常。它们不是“万一”,是“早晚”:

异常触发条件处理动作
文件不存在 路径变了、上游没落盘 日志写清缺哪个文件,退出码 2
数据为空 只有表头,或当天零单 空文件算错误(3);零订单算警告(6),仍输出 0 并提示人工确认
编码错误 ERP 导出 GBK;或文件带 BOM 先试 utf-8-sig,再试 gbk;都失败退出码 4
除零 零单仍算客单价 先判断 orders > 0,否则客单价记 0 并告警
2

异常要么被处理成明确结果,要么让脚本以非零退出码失败

最危险的不是报错,是“假装没报错”。except: pass 会把“文件没读到、 字段改名、编码错”统统变成“空结果”,最后输出一份看起来正常的空报表。正确做法是给每种 异常一个明确出口:写清日志、返回约定退出码;处理不了就让异常抛出去。

如果不这样会怎样:上游连续 7 天延迟落盘,脚本每天输出 0,退出码也是 0。 第 8 天你才发现,而月初复盘已经用这些数做完了。

退出码含义调度器上看到什么
0正常完成绿色对勾;仍需抽查数字
2数据文件不存在红色;先查路径和上游落盘
3数据不合格(空文件、缺字段、日期格式错)红色;查导出配置和字段名
4编码错误红色;查导出编码,UTF-8 与 GBK 都试过
5未预期异常红色;看 log.exception 的堆栈
6零订单,已输出 0 值日报黄色;必须人工确认是“真没单”还是“上游断了”
图 28.1.2 退出码是脚本和调度器之间唯一的“暗号”,不要只返回 0 和 1

28.1.3定时任务:Windows 计划任务 / cron

Windows 用「任务计划程序」,Linux / macOS 用 cron。它们只做一件事: 到点替你敲一次回车。Windows 图形界面选“每天”“启动程序”, 填 Python 绝对路径和脚本路径;等价命令是:

schtasks /create /tn "青柠每日日报" ^
  /tr "C:\Python311\python.exe D:\report\daily_report.py" ^
  /sc daily /st 08:30 /ru SYSTEM

Linux / macOS:执行 crontab -e,加一行:

30 8 * * * cd /home/analyst/report && /usr/bin/python3 daily_report.py >> logs/cron.log 2>&1

>> logs/cron.log 2>&1 不能省:cron 的报错默认发本地邮箱, 而服务器通常没配邮件,等于扔进黑洞。cd 也不能省,否则相对路径找不到 data/。

3

定时任务只负责“按时敲门”,不负责“确认屋里有人”

调度器不知道你的业务口径,只记录:有没有启动、何时结束、退出码多少。所以 “任务显示成功”不等于“报表正确”,日志和校验得你自己补。

如果不这样会怎样:任务配在 8:30,电脑 8:00 还在休眠,任务没触发; 或服务器时区是 UTC,你的 8:30 实际是北京时间 16:30。调度器不会提醒, 因为它认为自己没错。

28.1.4日志:怎么知道脚本今天跑没跑

日志要回答三个问题:跑没跑(有没有今天的日志文件)、成功没(最后一行是 INFO 还是 ERROR,退出码多少)、数对不对(读了多少行、写了哪个文件、 三个指标是多少)。

4

日志写给“凌晨被叫起来的人”看,不是写给自己看

好的日志一句话能定位问题:取数失败: 数据文件不存在,而不是 Error 或一整页堆栈。堆栈放 log.exception 里,第一行永远是给人看的结论。

如果不这样会怎样:只 print 到控制台,计划任务窗口一关什么也没留下; 同事问“昨天怎么是 0”,你只能重跑,而昨天的现场已经没了。

只打印到控制台

窗口一关,什么都不剩;第二天无法复盘。

同时写日志文件

按天一个文件,随时能查“昨天跑没跑、数是多少”。

28.2分析:脚本静默失败的四种原因

所谓“静默失败”,是三个条件同时成立:退出码 0、文件生成了、数字错了,且没人报警。 它比崩溃危险,因为崩溃至少留下痕迹。

上游延迟
→
当天 0 行
→
异常被吞
→
输出 0
→
没人发现
图 28.2.1 静默失败的链路:每一环都“正常”,最后一环才致命
原因现场长什么样怎么证实怎么改
空数据 只有表头;或当天确实零单,输出 0 看日志“读入 0 行”;对比源表当天行数 空文件直接失败(退出码 3);零订单输出 0 但告警(退出码 6)
异常被吞 except: pass、errors="ignore"、空 DataFrame 直接跳过 搜代码里的 except;在异常分支加日志 至少 log.exception;能处理的处理,不能处理的往上抛
路径变了 本机正常,计划任务找不到;或换电脑、文件夹被同步走 在计划任务里打印 os.getcwd();看报错里的绝对路径 用 Path(__file__).resolve().parent 定位脚本目录,不依赖当前工作目录
邮件没发出去 报表生成了,收件人没收到;SMTP 认证失败、附件超限 单独测一次发送;看 SMTP 返回码;检查垃圾箱 发送失败必须让脚本非零退出;不要把“发送”放在 try 的最后一行然后不管
脚本成功

退出码 0,daily_20240630.csv 生成了,日志最后一行是“已写入”。

这只证明程序走完了,不证明数字对。

业务成功

退出码 0,且 GMV 239,114.60、订单 27、客单价 8,856.10 与源表逐项对得上。

这才叫“今天的日报可以发”。

四种原因里,空数据和异常被吞通常一起出现:上游没落盘 → 空表 → 异常被吞 → 输出 0。破法是区分“空文件”(错误)和“零订单”(业务事实), 但两者都必须让人看见。

28.3实验:写一个每日经营日报

下面从零写一个每天能跑的脚本:读 orders.csv,算指定日期的 GMV、订单数、 客单价,输出 CSV,全过程写进日志。六步,顺序不能乱。

28.3.1实验环境与目录

环境:Python 3.10+、pandas(输出 Excel 再加 openpyxl)。 数据是 orders.csv:20,000 行、9 列,日期范围 2023-01-01 至 2024-06-30。 脚本、data/、out/、logs/ 放在同一个项目文件夹下:

report/
├─ daily_report.py
├─ data/
│   └─ orders.csv
├─ out/
└─ logs/
数据下载:orders.csv(约 1.8 MB), 字段与第 13、16 章一致;本章只用到四列。

28.3.2实验步骤

每一步仍然按“做什么 → 为什么 → 怎么做 → 看到什么”四段写。“为什么”对应 28.1 的规则编号。

已完成 0 / 6 预计 50 分钟
01

建目录,先看清数据长什么样

5 分钟 · 对应规则 1
做什么
建好项目目录,读入 orders.csv,确认行数、列名、状态取值。
为什么
连“有几行、状态有几种写法”都不知道,后面写筛选条件就是猜。
怎么做
  1. 新建文件夹 report,里面建 data、out、logs 三个子文件夹
  2. 把 orders.csv 放进 data/
  3. 在 report/ 下新建 daily_report.py,先写五行探路代码:
import pandas as pd
df = pd.read_csv("data/orders.csv", encoding="utf-8-sig")
print(df.shape)
print(df.columns.tolist())
print(df["status"].value_counts())
看到什么
输出 (20000, 9);状态四种:已支付 15,615、已取消 1,924、待支付 1,258、已退款 1,203。
02

写取数与清洗:先把坏输入挡在门外

10 分钟 · 对应规则 1、2
做什么
把读文件封装成 load_orders():检查存在、编码回退、空表、必需字段、日期类型。
为什么
这四类检查对应 28.1.2 的四种异常。错误要在入口暴露,别等算指标时才发现字段没了。
怎么做
  1. 函数第一行用 path.exists() 判断文件是否存在
  2. read_csv 先试 utf-8-sig,捕获 UnicodeDecodeError 后换 gbk
  3. 读完检查 df.empty,再检查四个必需字段是否都在
  4. parse_dates=["order_date"] 让日期变成 datetime,后面才能按天比较
看到什么
正常返回 20,000 行;改名后抛 “数据文件不存在”,不返回空表。
03

写计算:三个指标,一个除法

8 分钟 · 对应规则 1、2
做什么
写 build_report(df, day),返回日期、GMV、订单数、客单价四个值。
为什么
口径必须写死在代码里:GMV = 已支付订单的 pay_amount 之和,订单数 = 同一筛选的行数,客单价 = 两者相除。
怎么做
  1. 筛 df["order_date"].dt.date == day,再筛 status == "已支付"
  2. GMV 用 round(float(one["pay_amount"].sum()), 2)
  3. 订单数用 int(len(one))
  4. 客单价前先判断 if orders,否则记 0,避免除零
看到什么
6/30 得 239,114.60 / 27 / 8,856.10;7/1 返回三个 0,不崩溃。
为什么不用 amount 而用 pay_amount

amount 是原价,pay_amount 是实付。已支付订单两者的差额合计 511,931.50,这就是优惠金额。用错字段,GMV 会虚高 51 万。

04

写输出:让 Excel 打开不乱码

6 分钟 · 对应规则 1
做什么
把一行结果写成 out/daily_YYYYMMDD.csv,金额保留两位小数。
为什么
第一读者是业务方,他们用 Excel 双击打开。编码或列序不对,文件就是“乱码”或“打不开”。
怎么做
  1. pd.DataFrame([row]).to_csv(out, index=False, encoding="utf-8-sig", float_format="%.2f")
  2. 要 Excel 就把 to_csv 换成 to_excel(out.with_suffix(".xlsx"), index=False),并安装 openpyxl
看到什么
中文表头正常,金额 239114.60,不是科学计数法。
为什么用 utf-8-sig 而不是 utf-8

Excel 在 Windows 上默认按本地编码猜 CSV。带 BOM 的 UTF-8 能让它认出中文;不带 BOM 时常出现“鏃ユ姤”这类乱码。代价只是文件头多三个字节。

05

加日志和退出码:让失败被看见

12 分钟 · 对应规则 2、3、4
做什么
配置 logging,同时写文件和控制台;用 try/except 把四类异常映射成 2/3/4/5/6 五个退出码。
为什么
这是从“能跑”到“能交付”的分界线。没有日志,出问题只能重跑;没有退出码,调度器不知道失败。
怎么做
  1. logging.basicConfig 配两个 handler:FileHandler 写 logs/report_YYYYMMDD.log,StreamHandler 打屏
  2. 格式用 %(asctime)s | %(levelname)-7s | %(message)s
  3. 按 28.3.3 的完整代码补全 main() 的异常分支
  4. 文件末尾用 sys.exit(main()) 把返回值变成进程退出码
看到什么
logs/ 下出现当天的日志文件;正常跑退出码 0,零订单 6,缺文件 2。
06

跑三种情况,再挂上定时任务

9 分钟 · 对应规则 3
做什么
先正常跑一次,再人为制造“零订单”和“缺文件”,确认日志与退出码符合预期,最后配置每天 8:30 的任务。
为什么
自动化最怕“只测过成功路径”。故障注入才能证明“出错会喊”;没测过失败,等于没写异常处理。
怎么做
  1. 正常:python daily_report.py --date 2024-06-30
  2. 零订单:python daily_report.py --date 2024-07-01,看是否输出 0 且退出码为 6
  3. 缺文件:把 data/orders.csv 临时改名,再跑一次,看是否退出码 2
  4. 恢复文件,按 28.1.3 配置计划任务,时间设为每天 8:30
看到什么
三种情况的日志分别是 INFO / WARNING / ERROR,退出码分别是 0 / 6 / 2; 任务计划程序里能看到“上次运行结果”。

28.3.3完整代码

完整脚本 88 行非空代码。建议先按上面六步自己写一遍——手写过,才知道每个 except 在防什么。

# daily_report.py
import argparse
import logging
import sys
from datetime import date, datetime
from pathlib import Path

import pandas as pd

BASE = Path(__file__).resolve().parent
DATA = BASE / "data" / "orders.csv"
OUT_DIR = BASE / "out"
LOG_DIR = BASE / "logs"

log = logging.getLogger("daily")


def setup_log():
    LOG_DIR.mkdir(exist_ok=True)
    logging.basicConfig(
        level=logging.INFO,
        format="%(asctime)s | %(levelname)-7s | %(message)s",
        datefmt="%Y-%m-%d %H:%M:%S",
        handlers=[
            logging.FileHandler(LOG_DIR / f"report_{date.today():%Y%m%d}.log",
                                encoding="utf-8"),
            logging.StreamHandler(sys.stdout),
        ],
    )


def load_orders(path):
    if not path.exists():
        raise FileNotFoundError("数据文件不存在: data/orders.csv")
    try:
        df = pd.read_csv(path, encoding="utf-8-sig", parse_dates=["order_date"])
    except UnicodeDecodeError:
        log.warning("UTF-8 解码失败,改用 GBK 重试")
        df = pd.read_csv(path, encoding="gbk", parse_dates=["order_date"])
    if df.empty:
        raise ValueError("数据文件没有数据行")
    need = {"order_id", "order_date", "status", "pay_amount"}
    missing = need - set(df.columns)
    if missing:
        raise ValueError(f"缺少字段: {sorted(missing)}")
    return df


def build_report(df, day):
    one = df[(df["order_date"].dt.date == day) & (df["status"] == "已支付")]
    gmv = round(float(one["pay_amount"].sum()), 2)
    orders = int(len(one))
    aov = round(gmv / orders, 2) if orders else 0.0
    return {"日期": day.isoformat(), "GMV": gmv, "订单数": orders, "客单价": aov}


def main():
    ap = argparse.ArgumentParser(description="每日经营日报")
    ap.add_argument("--date", default=date.today().isoformat(),
                    help="统计日期,格式 YYYY-MM-DD,默认今天")
    args = ap.parse_args()
    setup_log()

    try:
        day = datetime.strptime(args.date, "%Y-%m-%d").date()
    except ValueError:
        log.error("日期格式应为 YYYY-MM-DD,收到: %s", args.date)
        return 3

    log.info("开始生成 %s 日报", day)
    try:
        df = load_orders(DATA)
        log.info("读入 %d 行,字段 %d 个", len(df), len(df.columns))

        row = build_report(df, day)
        if row["订单数"] == 0:
            log.warning("%s 没有已支付订单,按 0 输出,请人工确认上游", day)

        OUT_DIR.mkdir(exist_ok=True)
        out = OUT_DIR / f"daily_{day:%Y%m%d}.csv"
        pd.DataFrame([row]).to_csv(out, index=False,
                                   encoding="utf-8-sig", float_format="%.2f")
        log.info("已写入 out/%s", out.name)
        log.info("GMV=%.2f | 订单数=%d | 客单价=%.2f",
                 row["GMV"], row["订单数"], row["客单价"])
        return 6 if row["订单数"] == 0 else 0

    except FileNotFoundError as e:
        log.error("取数失败: %s", e)
        return 2
    except UnicodeDecodeError as e:
        log.error("编码错误,UTF-8 与 GBK 都解不开: %s", e)
        return 4
    except pd.errors.EmptyDataError:
        log.error("数据文件是空的,一行都没有")
        return 3
    except ValueError as e:
        log.error("数据不合格: %s", e)
        return 3
    except Exception as e:
        log.exception("未预期异常: %s", e)
        return 5


if __name__ == "__main__":
    sys.exit(main())

28.3.4真实运行结果

正常日期:

> python daily_report.py --date 2024-06-30
2026-11-20 14:28:58 | INFO    | 开始生成 2024-06-30 日报
2026-11-20 14:28:58 | INFO    | 读入 20000 行,字段 9 个
2026-11-20 14:28:58 | INFO    | 已写入 out/daily_20240630.csv
2026-11-20 14:28:58 | INFO    | GMV=239114.60 | 订单数=27 | 客单价=8856.10

日志行首是运行时间,日报日期看 --date。

生成的 CSV:

ABCD
1日期GMV订单数客单价
22024-06-30239114.60278856.10
图 28.3.1 daily_20240630.csv 的内容:一行四列,金额两位小数

再注入几种故障:零订单会输出 0 值日报,日志是 WARNING,退出码 6; 文件缺失不生成文件,日志是 ERROR,退出码 2。关键日志行见下表。

场景日志关键行退出码结论
正常数据GMV=239114.60 ...0可直接发送
日期无订单WARNING ... 按 0 输出6文件生成,人工确认上游
文件被改名ERROR 取数失败2不生成文件,修路径
文件为空ERROR 数据文件是空的3不生成文件,查导出
编码为 UTF-16ERROR 编码错误4不生成文件,改导出编码
缺少 pay_amount 列ERROR 缺少字段3不生成文件,查上游字段
兜底与报警:零订单仍生成 0 值日报(下游等着文件),但 WARNING 和退出码 6 告诉调度器 “需要人看一眼”。单次运行约 0.46 秒,覆盖 547 个有成交的日期。

28.4AI 协作:让它写 SQL,但别让它定口径

AI 能写出很像样的 SQL 和 pandas 代码。它的价值是把“查语法”压到几秒;风险是不知道 你公司的口径,却会用很肯定的语气编一个。这一节讲:怎么问、验什么、什么不能给它看。

28.4.1让 AI 写 SQL 的提示模板

一句“帮我写个查 GMV 的 SQL”只能得到通用答案。把表结构、口径、输出、边界说清, 才会得到能跑的查询:

你是数据分析师。请根据下面的表结构写一条 PostgreSQL 查询。

【表】
orders(order_id, user_id, order_date, status, channel,
       amount, discount, pay_amount, city)
users(user_id, register_date, city, channel, member_level)

【口径】
GMV = status = '已支付' 的 pay_amount 之和
订单数 = 同一筛选下 order_id 的去重计数
客单价 = GMV / 订单数

【输出】
月份、渠道、GMV、订单数、客单价;按月份升序、GMV 降序

【边界】
- 时间范围 2024-01-01 至 2024-06-30,左闭右开
- 金额保留 2 位小数;订单数为 0 时客单价输出 0,不报错
- 不要 SELECT *,不要假设字段有默认值
- 请同时给出 3 条你自己会用来验数的检查 SQL

最后一句很关键:它逼 AI 把“怎么证明结果对”也写出来。拿到后先跑那三条检查,再决定用不用。

28.4.2必须人工验证的三件事

AI 写的 SQL 可以通过语法检查,但下面三件事它替不了你:

验证项怎么查本书对应的坑
① 口径 SELECT status, COUNT(*) FROM orders GROUP BY 1; 确认状态值无空格、用 pay_amount 第 1 章:GMV 两种算法差 511,931.50;第 6 章:文本金额不转数值,SUM 少算 93,807.29
② 行数与总额 先跑 SELECT COUNT(*), SUM(pay_amount) FROM orders WHERE status='已支付'; 得 15,615 / 157,363,380.14;再跑分组查询,各组之和必须等于总数 第 8 章:透视表少算一类,总额对不上;第 16 章:WHERE 把 NULL 组过滤掉
③ NULL 与重复 join 前查主键唯一(users 62 行只有 60 个 ID,U012、U027 重复);join 后行数不能变多;13 行 U901–U905 在用户表不存在 第 13 章:VLOOKUP 的 #N/A;内连接丢掉 13 行,总额少 20,124.81

第三条最容易被忽略。AI 写的 JOIN 通常是内连接,跑出来不报错,但订单数从 120 变成 107——它不会告诉你少了 13 行。join 前后必须对比行数。

28.4.3数据安全红线

四条红线,没有例外:
  1. 不贴原始个人信息。手机号、身份证、订单号、用户 ID 都不进公网 AI;用脱敏 ID 和假数据代替。
  2. 不上传整库整表。只给字段名、类型、两三条样例。
  3. 不给凭据。密码、token、内网地址、服务器账号不进 prompt。
  4. 不直接把结果上生产。先在只读库跑 LIMIT 10,确认口径和行数,再谈上线。

AI 擅长写 SQL / pandas 初版、解释报错、把循环改成向量化、生成测试数据;它不能替你 定义业务口径、判断异常真假、承担合规责任,也不能替你向老板解释“为什么和财务差 3 万”。

一句话:AI 负责“怎么写”,你负责“写什么”和“对不对”。语法可以外包,业务不能。

28.5结果验证

先核对三个数,再做五道选择题。数字不对,回 28.3;选择题错,回 28.1–28.2。

28.5.1三个数字

只算 status = 已支付,用 pay_amount。
已支付订单的行数。
GMV ÷ 订单数。

28.5.2五道选择题

凭第一反应选,选完出解析。

Q1一个报表脚本的正确执行顺序是?
解析:先取数,再修类型和口径,然后算指标,最后按交付格式写出。顺序反了,计算段拿到的就是脏数据。
Q2数据文件只有表头、没有数据行,脚本应该怎么处理?
解析:空文件是“取数失败”,不是“当天没单”。必须显式失败(退出码 3),否则下游会收到一份看似正常的 0 值日报。
Q3CSV 用 Excel 打开后,第一列表头显示成 锘縪rder_id。最可能的原因和修法是?
解析:BOM 是文件头的三个字节,用 utf-8 读会留在第一个列名里;改用 utf-8-sig,pandas 会自动去掉。
Q4脚本在本机双击能跑,配到 Windows 计划任务后报“文件不存在”。最可能的原因是?
解析:计划任务默认在 System32 启动。用 Path(__file__).parent 拼绝对路径,或在“起始于”填脚本目录。
Q5任务计划程序显示“上次运行成功”,是否说明今天的日报可以发?
解析:“成功”只说明进程走完。空数据、异常被吞、路径指旧文件,都可能退出码 0 而数字错。必须核对输入规模和指标。
得分:0 / 5

28.6常见问题排查

按“现象 → 原因 → 解决”整理,先查表。

现象原因解决
计划任务到点没跑电脑休眠、任务被禁用、触发器时间设错勾选“如果错过计划开始时间,尽快启动”;改到常开服务器
任务显示成功,但没有输出文件工作目录不对,文件写到了 System32“起始于”填脚本目录;代码里用 Path(__file__).parent
日报 GMV 是 0状态值带空格;日期边界漏了当天;上游没落盘先 value_counts() 看状态;用 .dt.date == day;查源表行数
CSV 中文乱码写文件用了 utf-8,Excel 按本地编码猜写文件用 utf-8-sig
客单价为 0 或 NaN订单数为 0 时直接相除先判断 orders > 0,否则记 0 并告警
cron 手动跑正常,定时跑失败cron 的 PATH 和当前目录与登录 shell 不同写 Python 绝对路径;命令前加 cd /home/analyst/report
邮件没收到,脚本却成功SMTP 认证失败被 except 吞掉发送失败必须返回非零;单独写一个发送测试

28.7本章小结与练习

  1. 报表脚本四段:取数 → 清洗 → 计算 → 输出,段间用字段契约连接。
  2. 四类异常:文件不存在、空数据、编码错误、除零;每种都要有出口。
  3. 定时任务只负责触发:它记录退出码,不判断业务对错。路径、时区、休眠是三大杀手。
  4. 日志回答三个问题:跑没跑、成功没、数对不对。写给人看,不写给机器看。
  5. AI 协作:它管“怎么写”,你管“写什么、对不对”。

28.7.1练习

  1. 把脚本的统计口径改成“GMV 用 amount”,跑 2024-06-30,GMV 会变成多少?和 pay_amount 差多少?
  2. 给脚本加一个 --channel 参数,只统计指定渠道(如“信息流”)。6 月 30 日信息流的 GMV 和订单数是多少?
  3. 把输出从 CSV 改成 Excel(.xlsx),需要改哪一行、装哪个库?如果服务器上没有 Excel,文件还能生成吗?
  4. 设计一个“连续两天 GMV 为 0 就报警”的规则:你会把判断写在哪一段?需要保存什么状态?
参考答案

1. 用 amount 得到原价合计,差额等于当天 amount - pay_amount 之和;换成原价,GMV 必然高于实付。

2. 在 build_report 的筛选里加 & (df["channel"] == channel),默认 None 时不加。6 月 30 日的值用脚本跑。

3. 把 to_csv 换成 to_excel(out.with_suffix(".xlsx"), index=False),装 openpyxl。不装 Excel 也能写 xlsx。

4. 放在“计算”之后、“输出”之前;保存上一次 GMV(JSON 或小表),连续两天为 0 时返回专门退出码并告警。

下一章预告:脚本能跑了,接下来要回答一个更现实的问题——你做的这些事,怎么变成 简历上的一行、面试里的三分钟?第 29 章把第 6、9、13、16、24 章的产出组装成三个项目, 并给出可以直接套用的讲法。
数据分析师训练营 · 第二十八章
Python 3.10+ / pandas / 任务计划程序