Python办公——1分钟搞定每周业务通报及说明

Python栈机

已于 2024-01-06 20:20:27 修改

阅读量118

点赞数

文章标签： python 开发语言

于 2023-08-16 10:09:55 首次发布

本文链接：https://blog.csdn.net/Java_ZZZZZ/article/details/132313299

版权

一、需求背景

为加强贷款营销的过程管控，监测客户授信过程中各阶段的效能与转化，定位痛点堵点问题，切实促进业务增长与提升客户体验度，特制订《各支行贷款上报审批情况统计表》。

二、通报表样

三、通报说明

四、字段解释

需要作以下说明：

（1）最后一次发起贷前调查时间：存在信贷审批部门退件后，当客户经理修改授信条件时，该客户授信自动返回贷前调查节点的情形；不包括【用信阶段退回贷前调查】，否则会造成【通过时间】较大的误差；

（2）支行行长提交时间：不但作为计算【提交用时】的终止时点，而且将授信流程区域明确划分为两块，分别为基层支行与审批部门；在往期的测试中，发现【通过时间】过长的部分原因是授信流程在支行行长处滞留；

（3）退回客户经理/支行行长最后一次提交时间：该字段中“退回”特指信贷审批部门退回，但在返回的数据中出现了调查B角或支行行长退回的记录，后续会作数据清洗；由于退回有退件和补件之分，故真正最后一次提交时间是两者的最大值；

（4）数据截止时间：由【数据查询时间】调整过来，已确定为上周日的23时59分59秒，主要作为【支行行长提交时间】与【最后一次信贷管理部审批退回时间】的筛选上限，避免以上两种时点与数据查询时点相近，造成审批中、补资料的授信积留。

五、解决策略

一共做了两个不同版本的通报。

第一种，全线追溯。 以【最后一次发起贷前调查时间】在上周一至上周日的全量授信记录为基数，标记这些记录的流转状态，并计算它们的流转用时；

第二种，独立测算。 以【已录入】、【已提交】、【审批中】、【补资料】、【已拒绝】和【已通过】作为独立项，分别计量发生时点在上周一至上周日的时间区间内的监控指标。

前者的优点是， 满足各节点间的勾稽关系，即：已录入≥已提交；已提交≥审批中+补资料+已通过+已拒绝（贷款笔数为“=”，贷款金额为“≥”）；

后者的优点是， 更加真实地反映各支行贷款营销的进展，利于过程的精准管控。因为，只有极少数支行可能在以上六大环节中同时没有数据，这就要核查原因了。

六、实现步骤

本项目采用了半开发的模式。首先， 由Python自动生成六大环节的数据明细；其次， 通报表格中汇总统计、条件格式及链接图片均由Excel自动生成；再次， 由Python根据需要通报的名次自动生成内容说明；最后， 手工粘贴到微信中，并发布。

七、代码实现

第一部分， 单独写了FlowMonitor.py第三方库，包括了数据清洗、计算耗时、筛选明细、上载数据及保存文件等。

#!/usr/bin/env python
# coding: utf-8

# # 1 导入第三方库

# In[1]:


# 数据读写与处理
import pandas as pd
import numpy as np
import xlwings as xw

# 操作系统专用库
import os

# 日期时间专用库
from chinese_calendar import is_workday
from datetime import datetime,date,timedelta
from dateutil.parser import parse

# 不显示执行警告
import warnings
warnings.filterwarnings('ignore')


# # 2 定义处理函数

# In[2]:


# 计算两个日期时间之间的时长（剔除法定节假日，按小时为单位）
def interval(begin,finish):
    
    try:
        # 创建数值副本
        t = begin
        # 时长初始值为0
        consume = 0

        # 判断循环执行的条件
        while t <= finish:
            # 判断是否为工作日
            if is_workday(pd.to_datetime(t)):
                # 取当天24时与最后一天的最小值
                temp = min(np.datetime64(str(t)[:11] + '23:59:59'),finish)
                # 计算时长，精确至秒
                result = (temp - t).astype('timedelta64[s]')
                # 转换为小时并累加
                consume += round(eval(str(result).split(' ')[0])/3600,6)
            # 调整起始值，为次日的零时
            t = np.datetime64(str(t + np.timedelta64(1,'D'))[:11] + '00:00:00')

        # 判断消耗时长是否等于0，若是返回起止时点的时长
        if consume == 0:
            consume = round(eval(str((finish - begin).astype('timedelta64[s]')).split(' ')[0])/3600,6)

        # 返回过程消耗的总时长
        return consume
    except:
        return None


# # 3 自动解决方案

# In[3]:


# 清洗原始数据、计算阶段时长、写入通报数据
def solution(original_date,start,end,original_data):
    
    # 3.1 数据预先处理
    
    # 部分字段转换为日期时间型
    for col in original_data.columns:
        if '时间' in col:
            original_data[col] = pd.to_datetime(original_data[col])
    
    # 4.1 筛选有效进件

    # 筛选字段【最后一次发起贷前调查时间】，删除控制记录，筛选字段【录入金额】，剔除空值或≤10000元的记录
    valid_data = original_data[~original_data['最后一次发起贷前调查时间'].isnull()].query('录入金额 >= 10000')

    ## 4.2 剔除撤销非空

    # 删除字段【撤销时间】非空的记录
    valid_data_drop = valid_data[valid_data['撤销时间'].isnull()]
    
    # 删除字段【支行行长提交时间】为空，但字段【信贷管理部审批退回时间】、【通过时间】、【拒绝时间】至少一个非空的记录
    ls = valid_data_drop[(valid_data_drop['支行行长提交时间'].isnull()) & ((~valid_data_drop['信贷管理部审批退回时间'].isnull()) | (~valid_data_drop['通过时间'].isnull()) | (~valid_data_drop['拒绝时间'].isnull()))].index
    valid_data_drop.drop(index=ls,inplace=True)

    ## 4.3 调三字段逻辑

    ### 4.3.1 增减相关字段

    # 新建字段【退回基层支行提交时间】（为字段【退回客户经理提交时间】、【退回支行行长提交时间】中的最大值）
    for i in valid_data_drop.index:
        submit_staff = valid_data_drop.loc[i,'退回客户经理提交时间']
        submit_leader = valid_data_drop.loc[i,'退回支行行长提交时间']
        if submit_staff == np.nan and submit_leader == np.nan:
            continue
        elif submit_staff == np.nan:
            valid_data_drop.loc[i,'退回基层支行提交时间'] = submit_leader
        elif submit_leader == np.nan:
            valid_data_drop.loc[i,'退回基层支行提交时间'] = submit_staff
        else:
            valid_data_drop.loc[i,'退回基层支行提交时间'] = max(submit_staff,submit_leader)

    # 删除字段【退回客户经理提交时间】、【退回支行行长提交时间】、【撤销时间】、【当前流程节点】、【客户经理提交时间】
    valid_data_drop.drop(columns=['退回客户经理提交时间','退回支行行长提交时间','撤销时间','当前流程节点','客户经理提交时间'],inplace=True)

    ### 4.3.2 调整相关逻辑

    # 字段【信贷管理部审批退回时间】为空，则字段【退回基层支行提交时间】必须为空
    valid_data_drop.loc[valid_data_drop['信贷管理部审批退回时间'].isnull(),'退回基层支行提交时间'] = np.nan

    # 字段【信贷管理部审批退回时间】非空，则【退回基层支行提交时间】应大于【信贷管理部审批退回时间】,否则字段【退回基层支行提交时间】必须为空
    condition = (~valid_data_drop['信贷管理部审批退回时间'].isnull())&(valid_data_drop['信贷管理部审批退回时间']>=valid_data_drop['退回基层支行提交时间'])
    valid_data_drop.loc[condition,'退回基层支行提交时间'] = np.nan

    ## 4.4 填充查询时间

    # 调整字段【数据截止时间】：设定为上周末的23时59分59秒；
    valid_data_drop['数据截止时间'] = datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59)

    ## 4.5 新增是否审批

    # 新增字段【是否审批中】：若字段【支行行长提交时间】非空，且字段【信贷管理部审批退回时间】、【通过时间】、【拒绝时间】均为空（仅字段【信贷管理部审批退回时间】、【退回基层支行提交时间】非空，字段【通过时间】、【拒绝时间】均为空），则字段【是否审批中】填“Y”，其余均置空
    condition1 = (~valid_data_drop['支行行长提交时间'].isnull()) & ((valid_data_drop['信贷管理部审批退回时间'].isnull()) & (valid_data_drop['通过时间'].isnull()) & (valid_data_drop['拒绝时间'].isnull()))
    condition2 = (~valid_data_drop['支行行长提交时间'].isnull()) & ((~valid_data_drop['信贷管理部审批退回时间'].isnull()) & (~valid_data_drop['退回基层支行提交时间'].isnull()) & (valid_data_drop['通过时间'].isnull()) & (valid_data_drop['拒绝时间'].isnull()))

    valid_data_drop.loc[(condition1 | condition2),'是否审批中'] = 'Y'

    ## 4.6 非重复性校验

    valid_data_drop[valid_data_drop.duplicated(subset=['客户名称','客户经理名称','机构名称'])]

    ## 4.7 字段重新排序

    # 按模板中字段顺序排序
    valid_data_drop = valid_data_drop[['客户名称','最后一次发起贷前调查时间','录入金额','支行行长提交时间','信贷管理部审批退回时间','退回基层支行提交时间','通过时间','通过金额','拒绝时间','是否审批中','数据截止时间','客户经理名称','机构名称']]

    # valid_data_drop.to_excel('C:/ZeroAuto/报表自动化/各支行贷款上报审批情况统计表/测试.xlsx',index=False)

    # 5 计算节点耗时

    ## 5.1 计算提交用时

    # 遍历已处理数据的索引
    for i in valid_data_drop.index:
        # 分别获取起止时点
        t0 = valid_data_drop.loc[i,'最后一次发起贷前调查时间']
        tn = valid_data_drop.loc[i,'支行行长提交时间']
        # 计算起止时点的时长
        try:
            valid_data_drop.loc[i,'提交用时'] = interval(np.datetime64(t0),np.datetime64(tn))
        except:
            pass

    ## 5.2 计算审批用时

    # 遍历已处理数据的索引
    for i in valid_data_drop.index:
        # 分别获取起止时点
        t0 = valid_data_drop.loc[i,'支行行长提交时间']
        tn = valid_data_drop.loc[i,'数据截止时间']
        # 获取字段【是否审批中】的值
        flag = valid_data_drop.loc[i,'是否审批中']
        # 获取字段【信贷管理部审批退回时间】、【退回基层支行提交时间】的值
        department_flag = valid_data_drop.loc[i,'信贷管理部审批退回时间']
        branch_flag = valid_data_drop.loc[i,'退回基层支行提交时间']
        # 计算起止时点的时长
        if flag == 'Y':
            if str(branch_flag) == 'NaT':
                valid_data_drop.loc[i,'审批用时'] = interval(np.datetime64(t0),np.datetime64(tn))
            else:
                valid_data_drop.loc[i,'审批用时'] = interval(np.datetime64(t0),np.datetime64(department_flag)) + interval(np.datetime64(branch_flag),np.datetime64(tn))

    ## 5.3 计算补充用时

    # 遍历已处理数据的索引
    for i in valid_data_drop.index:
        # 分别获取起止时点
        t0 = valid_data_drop.loc[i,'信贷管理部审批退回时间']
        tn = valid_data_drop.loc[i,'数据截止时间']
        # 获取字段【退回基层支行提交时间】的值
        flag = valid_data_drop.loc[i,'退回基层支行提交时间']
        # 计算起止时点的时长
        if str(t0) != 'NaT' and str(flag) == 'NaT':
            valid_data_drop.loc[i,'补充用时'] = interval(np.datetime64(t0),np.datetime64(tn))

    ## 5.4 计算通过用时

    # 遍历已处理数据的索引
    for i in valid_data_drop.index:
        # 分别获取起止时点
        t0 = valid_data_drop.loc[i,'支行行长提交时间']
        tn = valid_data_drop.loc[i,'通过时间']
        # 获取字段【信贷管理部审批退回时间】、【退回基层支行提交时间】的值
        department_flag = valid_data_drop.loc[i,'信贷管理部审批退回时间']
        branch_flag = valid_data_drop.loc[i,'退回基层支行提交时间']
        # 计算起止时点的时长
        if str(tn) != 'NaT':
            if str(branch_flag) == 'NaT':
                valid_data_drop.loc[i,'通过用时'] = interval(np.datetime64(t0),np.datetime64(tn))
            else:
                valid_data_drop.loc[i,'通过用时'] = interval(np.datetime64(t0),np.datetime64(department_flag)) + interval(np.datetime64(branch_flag),np.datetime64(tn))

    ## 5.5 计算拒绝用时

    # 遍历已处理数据的索引
    for i in valid_data_drop.index:
        # 分别获取起止时点
        t0 = valid_data_drop.loc[i,'支行行长提交时间']
        tn = valid_data_drop.loc[i,'拒绝时间']
        # 获取字段【信贷管理部审批退回时间】、【退回基层支行提交时间】的值
        department_flag = valid_data_drop.loc[i,'信贷管理部审批退回时间']
        branch_flag = valid_data_drop.loc[i,'退回基层支行提交时间']
        # 计算起止时点的时长
        if str(tn) != 'NaT':
            if str(branch_flag) == 'NaT':
                valid_data_drop.loc[i,'拒绝用时'] = interval(np.datetime64(t0),np.datetime64(tn))
            else:
                valid_data_drop.loc[i,'拒绝用时'] = interval(np.datetime64(t0),np.datetime64(department_flag)) + interval(np.datetime64(branch_flag),np.datetime64(tn))

    # 6 生成通报表样

    # 启动Excel程序
    app = xw.App(visible=False,add_book=False)

    # 读取工作簿
    wb = app.books.open('C:/ZeroAuto/报表自动化/各支行贷款上报审批情况统计表/各支行贷款上报审批情况统计表.xlsx')
    
    # 在工作表【加工明细_已录入】写入数据
    data_write = valid_data_drop[(valid_data_drop['最后一次发起贷前调查时间'] >= start) & (valid_data_drop['最后一次发起贷前调查时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)  
    # 确定工作表【加工明细_已录入】最后一行的行号
    last_row_write = len(data_write) + 1
    # 获取工作表【加工明细_已录入】
    ws_write = wb.sheets['加工明细_已录入']
    # 在指定区域内写入数据
    ws_write.range(f'A2:R{last_row_write}').value = data_write.values.tolist()
    
    # 在工作表【加工明细_已提交】写入数据
    data_submit = valid_data_drop[(valid_data_drop['支行行长提交时间'] >= start) & (valid_data_drop['支行行长提交时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)  
    # 确定工作表【加工明细_已提交】最后一行的行号
    last_row_submit = len(data_submit) + 1
    # 获取工作表【加工明细_已提交】
    ws_submit = wb.sheets['加工明细_已提交']
    # 在指定区域内写入数据
    ws_submit.range(f'A2:R{last_row_submit}').value = data_submit.values.tolist()
    
    # 在工作表【加工明细_审批中】写入数据
    data_scrutiny = valid_data_drop[(~valid_data_drop['审批用时'].isnull()) & (valid_data_drop['支行行长提交时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)  
    # 确定工作表【加工明细_审批中】最后一行的行号
    last_row_scrutiny = len(data_scrutiny) + 1
    # 获取工作表【加工明细_审批中】
    ws_scrutiny = wb.sheets['加工明细_审批中']
    # 在指定区域内写入数据
    ws_scrutiny.range(f'A2:R{last_row_scrutiny}').value = data_scrutiny.values.tolist()
    
    # 在工作表【加工明细_补资料】写入数据
    data_add = valid_data_drop[(~valid_data_drop['补充用时'].isnull()) & (valid_data_drop['支行行长提交时间'] >= datetime(parse(end).year,parse(end).month,1,0,0,0)) & (valid_data_drop['信贷管理部审批退回时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)  
    # 确定工作表【加工明细_补资料】最后一行的行号
    last_row_add = len(data_add) + 1
    # 获取工作表【加工明细_补资料】
    ws_add = wb.sheets['加工明细_补资料']
    # 在指定区域内写入数据
    ws_add.range(f'A2:R{last_row_add}').value = data_add.values.tolist()
    
    # 在工作表【加工明细_已拒绝】写入数据
    data_veto = valid_data_drop[(valid_data_drop['拒绝时间'] >= start) & (valid_data_drop['拒绝时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)
    # 确定工作表【加工明细_已拒绝】最后一行的行号
    last_row_veto = len(data_veto) + 1
    # 获取工作表【加工明细_已拒绝】
    ws_veto = wb.sheets['加工明细_已拒绝']
    # 在指定区域内写入数据
    ws_veto.range(f'A2:R{last_row_veto}').value = data_veto.values.tolist()
    
    # 在工作表【加工明细_已通过】写入数据
    data_pass = valid_data_drop[(valid_data_drop['通过时间'] >= start) & (valid_data_drop['通过时间'] <= datetime(parse(end).year,parse(end).month,parse(end).day,23,59,59))].reset_index(drop=True)
    # 确定工作表【加工明细_已通过】最后一行的行号
    last_row_pass = len(data_pass) + 1
    # 获取工作表【加工明细_已通过】
    ws_pass = wb.sheets['加工明细_已通过']
    # 在指定区域内写入数据
    ws_pass.range(f'A2:R{last_row_pass}').value = data_pass.values.tolist()

    # 另存为工作簿
    wb.save(f"C:/ZeroAuto/报表自动化/各支行贷款上报审批情况统计表/{original_date.replace('-','')[:8]}/各支行贷款上报审批情况统计表{start.replace('-','')[-4:]}-{end.replace('-','')[-4:]}.xlsx")
    # 关闭工作簿
    wb.close()
    # 退出Excel程序
    app.quit()
    
    # 返回通报表样的地址
    return f"C:/ZeroAuto/报表自动化/各支行贷款上报审批情况统计表/{original_date.replace('-','')[:8]}/各支行贷款上报审批情况统计表{start.replace('-','')[-4:]}-{end.replace('-','')[-4:]}.xlsx"

第二部分， 为主程序。

1 导入第三方库


# 数据读写与处理
import pandas as pd
import xlwings as xw

# 日期时间专用库
from time import time
from datetime import datetime,timedelta
from dateutil.parser import parse

# 不显示执行警告
import warnings
warnings.filterwarnings('ignore')

# 导入自动解决方案
from FlowMonitor import solution

# 启动计时器
time_begin = time()

2 读入流程数据


# 确定数据查询（反馈）日期
original_date = input('请输入数据查询（反馈）日期，如20230808：')

# 读入信贷全流程数据
original_data = pd.read_excel(f'C:/ZeroAuto/报表自动化/各支行贷款上报审批情况统计表/{original_date}/信贷全流程数据{original_date}.xlsx')

3 自动解决方案

# 确定起始日期
query_date = parse(original_date)

# 获取本月月初日期
month_start = str(datetime(query_date.year,query_date.month,1))[:10]
# 获取上周周一日期
week_start = str(datetime(query_date.year,query_date.month,query_date.day) - timedelta(7))[:10]
# 获取上周周末日期
statis_end = str(datetime(query_date.year,query_date.month,query_date.day) - timedelta(1))[:10]

# 手工录入三个日期（※跨月统计时采用※）
# month_start = '2023-07-01'
# week_start = '2023-07-24'
# statis_end = '2023-07-31'

# 统计期间为本月初至上周末
month_address = solution(original_date,month_start,statis_end,original_data)
# 统计期间为上周一至上周末
week_address = solution(original_date,week_start,statis_end,original_data)

4 自动通报说明

# 输入需要通报的名次（前/后n名）
n = eval(input('请输入需要通报的名次，如2：'))

# 强制换行
print()

# 新建阿拉伯与中文数字的映射字典
num_dict = {1:'一',2:'二',3:'三',4:'四',5:'五',6:'六',7:'七',8:'八',9:'九',10:'十'}

# 启动Excel程序
app = xw.App(visible=False, add_book=False)

# 遍历【当月累计】及【上周累计】的存储地址
for address in [month_address,week_address]:
    
    ## 4.1 获取日期区间
    
    # 打开工作簿
    inform_wb = app.books.open(f'{address}')

    # 获取工作表
    ws = inform_wb.sheets['各支行贷款上报审批情况统计表']

    # 读取区域数据
    data = ws.range('A2').expand('table').value

    # 将数据重新写入区域
    ws.range('A2').expand('table').value = data

    # 获取单元格内容
    inform_date = ws['A2'].value.split('：')[1]

    # 关闭工作簿
    inform_wb.close()
    
    ## 4.2 撰写通报说明
    
    # 读取【当月累计】及【上周累计】的通报数据
    inform_df = pd.read_excel(f'{address}',sheet_name='各支行贷款上报审批情况统计表',header=3)[:37]

    # 指定各字段的名称
    colnames = ['机构名称','数据查询时间',
                '贷款笔数_已录入','贷款金额_已录入',
                '贷款笔数_已提交','贷款金额_已提交','平均时限_已提交','最长时限_已提交',
                '贷款笔数_审批中','贷款金额_审批中','平均时限_审批中','最长时限_审批中',
                '贷款笔数_补资料','贷款金额_补资料','平均时限_补资料','最长时限_补资料',
                '贷款笔数_已拒绝','贷款金额_已拒绝','平均时限_已拒绝','最长时限_已拒绝',
                '贷款笔数_已通过','贷款金额_已通过','平均时限_已通过','最长时限_已通过'
               ]
    # 字段重命名
    inform_df.columns = colnames

    # 计算【各机构】中【贷款笔数】、【贷款金额】排名-已录入、已提交、已通过
    df_input = inform_df.query("机构名称 != '全行'").sort_values(by=['贷款笔数_已录入','贷款金额_已录入','机构名称'],ascending=False).reset_index(drop=True)
    df_submit = inform_df.query("机构名称 != '全行'").sort_values(by=['贷款笔数_已提交','贷款金额_已提交','机构名称'],ascending=False).reset_index(drop=True)
    df_pass = inform_df.query("机构名称 != '全行'").sort_values(by=['贷款笔数_已通过','贷款金额_已通过','机构名称'],ascending=False).reset_index(drop=True)
    # 按固定格式设置通报的内容
    df_input['通报内容'] = df_input[['机构名称','贷款笔数_已录入','贷款金额_已录入']].apply(lambda x: f'{x[0]}{int(x[1])}笔、{int(x[2])}万元',axis=1)
    df_submit['通报内容'] = df_submit[['机构名称','贷款笔数_已提交','贷款金额_已提交']].apply(lambda x: f'{x[0]}{int(x[1])}笔、{int(x[2])}万元',axis=1)
    df_pass['通报内容'] = df_pass[['机构名称','贷款笔数_已通过','贷款金额_已通过']].apply(lambda x: f'{x[0]}{int(x[1])}笔、{int(x[2])}万元',axis=1)
    
    # 计算【各机构】中【平均时限】排名-已提交、已通过
    df_submit_time = inform_df.query("(机构名称 != '全行') & (平均时限_已提交 > 0)").sort_values(by=['平均时限_已提交','贷款笔数_已提交','贷款金额_已提交','机构名称'],ascending=[True,False,False,False]).reset_index(drop=True)
    df_pass_time = inform_df.query("(机构名称 != '全行') & (平均时限_已通过 > 0)").sort_values(by=['平均时限_已通过','贷款笔数_已通过','贷款金额_已通过','机构名称'],ascending=[True,False,False,False]).reset_index(drop=True)
    # 按固定格式设置通报的内容
    df_submit_time['通报内容'] = df_submit_time[['机构名称','平均时限_已提交']].apply(lambda x: f"{x[0]}平均{round(x[1],2)}h",axis=1)
    df_pass_time['通报内容'] = df_pass_time[['机构名称','平均时限_已通过']].apply(lambda x: f"{x[0]}平均{round(x[1],2)}h",axis=1)

    # 撰写第一部分：全行贷款上报审批笔数及金额
    print(f"【各支行贷款上报审批情况{inform_date[0]}月通报】")
    print(f"I)2023年{inform_date[:inform_date.index('-')+1]}{inform_date.split('-')[1][inform_date.split('-')[1].index('月')+1:]}，全行贷款上报审批笔数及金额如下：")
    print(f"①有效进件：{int(inform_df.iloc[0,2])}笔、{int(inform_df.iloc[0,3])}万元；")
    print(f"其中：前{num_dict[n]}名为{'；'.join(list(df_input.head(n)['通报内容']))}；后{num_dict[n]}名为{'；'.join(list(df_input.tail(n)['通报内容'])[::-1])}；")
    print(f"②提交审批：{int(inform_df.iloc[0,4])}笔、{int(inform_df.iloc[0,5])}万元；")
    print(f"其中：前{num_dict[n]}名为{'；'.join(list(df_submit.head(n)['通报内容']))}；后{num_dict[n]}名为{'；'.join(list(df_submit.tail(n)['通报内容'])[::-1])}；")
    print(f"③正在审批：{int(inform_df.iloc[0,8])}笔、{int(inform_df.iloc[0,9])}万元；")
    print(f"④补充调查：{int(inform_df.iloc[0,12])}笔、{int(inform_df.iloc[0,13])}万元；")
    print(f"⑤审批拒绝：{int(inform_df.iloc[0,16])}笔、{int(inform_df.iloc[0,17])}万元；")
    print(f"⑥授信通过：{int(inform_df.iloc[0,20])}笔、{int(inform_df.iloc[0,21])}万元。")
    print(f"其中：前{num_dict[n]}名为{'；'.join(list(df_pass.head(n)['通报内容']))}；后{num_dict[n]}名为{'；'.join(list(df_pass.tail(n)['通报内容'])[::-1])}。")
    
    # 撰写第二部分：全行贷款上报审批节点及用时
    print(f"II)2023年{inform_date[:inform_date.index('-')+1]}{inform_date.split('-')[1][inform_date.split('-')[1].index('月')+1:]}，全行贷款上报审批节点及用时如下：")
    print(f"①提交审批：平均用时{round(inform_df.iloc[0,6],2)}h、最长用时{round(inform_df.iloc[0,7],2)}h；")
    print(f"其中：前{num_dict[n]}名为{'；'.join(list(df_submit_time.head(n)['通报内容']))}；后{num_dict[n]}名为{'；'.join(list(df_submit_time.tail(n)['通报内容'])[::-1])}；")
    print(f"②正在审批：平均用时{round(inform_df.iloc[0,10],2)}h、最长用时{round(inform_df.iloc[0,11],2)}h；")
    print(f"③补充调查：平均用时{round(inform_df.iloc[0,14],2)}h、最长用时{round(inform_df.iloc[0,15],2)}h；")
    print(f"④审批拒绝：平均用时{round(inform_df.iloc[0,18],2)}h、最长用时{round(inform_df.iloc[0,19],2)}h；")
    print(f"⑤授信通过：平均用时{round(inform_df.iloc[0,22],2)}h、最长用时{round(inform_df.iloc[0,23],2)}h。")
    print(f"其中：前{num_dict[n]}名为{'；'.join(list(df_pass_time.head(n)['通报内容']))}；后{num_dict[n]}名为{'；'.join(list(df_pass_time.tail(n)['通报内容'])[::-1])}。\n")
    
# 退出Excel程序
app.quit()

# 打印处理时间
print(f"用时{datetime.fromtimestamp(time()-time_begin).strftime('%M:%S:%f')}")

八、运行结果

因涉及经营业务，仅展示下运行的时间，为45秒左右。

九、末尾总结

第一， 只有深刻理解业务，才能正确地分析解读数据，获得结论。前期因为对“信贷全流程”系统的授信流转节点不熟悉，匆忙动手后得出了与实际天壤之别的判断。在“摸着石头过河”的过程中，叨扰了许多客户经理，在这里一并表示感谢；

第二， 刚接收这个任务的时候，因为“想当然”，所以觉得不难。随着领导的要求越来越细化，也是感受到了压力。从着手项目到最终验收，前后经历了6次数据口径、加工逻辑和通报表样等调整，花费了大约半个月的时间。在这里也感谢领导的信任；

第三， 最后，表达下我的愿望。我相信，以本项目为例，在未来，从数据获取、数据加工、结果展示到渠道发布，可能只是一个单击的问题。清华大学陆向镰教授在回答“ChatGPT取代程序员？孩子们还需要学编程吗？”的问题时，说了一句使我受益终身的话——互联网人工智能，在颠覆所有行业，也在不断颠覆自己，所以让自己站在颠覆这边，别站在被颠覆这边。

学习资源推荐

除了上述分享，如果你也喜欢编程，想通过学习Python获取更高薪资，这里给大家分享一份Python学习资料。

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

因篇幅有限，仅展示部分资料，添加上方即可获取

二、Python基础学习

1. 开发工具

2. 学习笔记

在这里插入图片描述

3. 学习视频

在这里插入图片描述

三、Python小白必备手册

四、数据分析全套资源

在这里插入图片描述

五、Python面试集锦

1. 面试资料

在这里插入图片描述

2. 简历模板

在这里插入图片描述

Python栈机

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python办公——1分钟搞定每周业务通报及说明

一、需求背景为加强贷款营销的过程管控，监测客户授信过程中各阶段的效能与转化，定位痛点堵点问题，切实促进业务增长与提升客户体验度，特制订《各支行贷款上报审批情况统计表》。二、通报表样三、通报说明四、字段解释需要作以下说明：（1）最后一次发起贷前调查时间：存在信贷审批部门退件后，当客户经理修改授信条件时，该客户授信自动返回贷前调查节点的情形；不包括【用信阶段退回贷前调查】，否则会造成【通过时间】较大的误差；（2）支行行长提交时间：不但作为计算【提交用时】的终止时点，而且将授信流程区域明确划分为两块，分别为基层支
复制链接

扫一扫