判断frame是否已创建_如何判断打卡位置的真实性

• 业务场景：

公司A为了推广自家产品，增加订单量，招聘了大量的地推人员，规定地推人员需到终端门店去拜访，介绍产品特性，以自己的三寸不烂之舌，让店家心潮澎湃，并现场下单。然而，现实是残酷的，仅仅通过一次拜访店主就下单的情形相当之少。那有什么办法呢？公司A规定，地推人员必须经常去拜访，和店家建立好关系，相信总有一天店家会被地推人员的热情所感动，同时为了激励地推人员，只要去拜访，即使没能成功下单，也能获得补贴，按次计算。

地推人员小a灵机一动，想到可以不去现场拜访，虚假填报一些拜访记录，就能混到补贴了。然后，道高一尺，魔高一丈，公司A推出了一款定位打卡APP，规定拜访时必须打卡，APP会自动定位打卡位置。

• 审计场景：

既然APP会自动定位打卡位置，那么是否可以通过比对地推人员的打卡位置与终端门店的位置，判断地推人员是否在真实的位置打卡呢？

• 可行性分析：

1. 终端门店位置信息分析：查看数据可以发现，终端门店的位置信息表示为：XXX省XXX市XXX县XXX路XXX号；
2. 地推打卡记录信息分析：查看数据可以发现，打卡记录信息表示为：经纬度；
3. 那么问题来了，如何将两种不同类型的数据进行对比呢？考虑是否可以将终端门店位置信息转换为经纬度后，再与打卡记录进行比较呢？
4. 通过查询发现，高德地图提供了API，可以将地理位置地址转换为经纬度，貌似可行。
5. 那么问题又来了，终端门店经纬度与打卡经纬度相差多少才算正常呢？那要测试一下咯，于是小编用手机，在不同地方记录经纬度，总结了如下规律：

考虑到高德地图定位精度，那就选择小数点后三位的经纬度差异进行比较；

• 实现方式（利用Python进行数据分析）：

步骤一：将终端客户的地理地址转换为经纬度坐标

import requests
import pandas as pd
import openpyxl
import re
import numpy as np

def Modifysyntax(path):
    customeraddress = pd.read_excel(path)
    for i in range(len(customeraddress)):
        if customeraddress.loc[i, '地址'] is not None:
            s = str(customeraddress.loc[i, '地址'])
            customeraddress.loc[i, '新地址'] = re.sub('[|/,()#]', '', s)  # 将客户地址中的[|/,()#]'去掉
        else:
            continue
    customeraddress.to_excel(path, index=False)


def ExcuteSingleQuery(locationList, currentkey):
    # 1-将locationList中的地址连接成高德地图API能够识别的样子
    locationList_abstract =locationList['新地址']
    resultList = []  # 用来存放地理编码结果的空序列
    k = 0
    while k < len(locationList_abstract):
        locationString = ""  # 当前locationList组成的string
        for j in range(0, 10):
            locationString += locationList_abstract[k+j] + '|'
            # 2-地理编码查询需要的Url
        output = 'json'  # 查询返回的形式
        batch = 'true'  # 是否支持多个查询
        base = 'https://restapi.amap.com/v3/geocode/geo?'  # 地理编码查询Url的头
        currentUrl = base + "output=" + output + "&batch=" + batch + "&address=" + locationString + "&key=" + currentkey
                # 3-提交请求
        response = requests.get(currentUrl)  # 提交请求
        answer = response.json()  # 接收返回
                # 4-解析Json的内容
        if answer['status'] == '1' and answer['info'] == 'OK':
            # 4.1-请求和返回都成功，则进行解析
            tmpList = answer['geocodes']  # 获取所有结果坐标点
            for i in range(0, len(tmpList)):
                try:
                    # 解析','分隔的经纬度
                    coordString = tmpList[i]['location']
                    coordList = coordString.split(',')
                    # 放入结果序列
                    resultList.append([float(coordList[0]), float(coordList[1])])
                except:
                    # 如果发生错误则存入None
                    resultList.append(None)
                    # return resultList
        elif answer['info'] == 'DAILY_QUERY_OVER_LIMIT':
                    # 4.2-当前账号的余额用完了,返回-1
            return -1
        else:
                    # 4.3-如果发生其他错误则返回-2
            return -2
        print(resultList)
        k += 10
        print(k)
    return resultList


def write_to_excel(file_path, latlng):  # 将转换的经纬度写入EXCEL中
    wb = openpyxl.load_workbook(file_path)  # 获取文件
    ws = wb.active # 获取活跃的工作表
    i = 14
    for j in range(len(latlng)):
        ws.cell(j + 2, i, latlng[j][0])
        ws.cell(j + 2, i + 1, latlng[j][1])
    wb.save(file_path)  # 保存文件


if __name__ == '__main__':
    path_one = '请输入文档存储路径'
    Modifysyntax(path_one)
    data = pd.read_excel(path_one)
    frame = ExcuteSingleQuery(locationList=data,
                              currentkey="高德API调用时的秘钥")
    write_to_excel(path_one, frame)

步骤二：将终端客户经纬度坐标与打卡记录经纬度坐标进行比较，筛选出异常数据：

import pandas as pd

path_one = '请输入地推人员打卡记录经纬度存储路径'
path_two = '请输入终端客户经纬度信息存储路径'
path = '请输入比对结果存储路径'

df1 = pd.read_excel(path_one)
df3 = pd.read_excel(path_two)
df5 = pd.merge(df1, df3, left_on='df1的主键', right_on='df3相对于df1的外键', how='left')  # 实现vlookup功能
result = []
for i in range(len(df5)):
    if abs(df5.loc[i, '经度']-df5.loc[i, '经度（转换）']) >= 0.001 and abs(df5.loc[i, '纬度']-df5.loc[i, '维度（转换）']) >= 0.001:   # 小数点后三位，筛选出不满足条件的数据
        result.append(df5.loc[i, :])
data = pd.DataFrame(result)  # 将列表转为dataframe
data.to_excel(path, index=False)

至此，我们就可以找出那些地推人员打卡记录不真实的数据，表明他们没有真正去终端客户拜访，很可能在家或在其他地方打卡。

以上就是通过数据分析的方式，结合业务场景，进行审计的全部过程，如果大家喜欢我的文章，请添加关注微信公众号（二帮主做IT审计），你们的关注和赞赏，是我不断更新的动力。

http://weixin.qq.com/r/_zl5YfbEe6sErbIC92zp (二维码自动识别)