📚 课程目录第1章构建现金流数据集

1. 构建现金流数据集

任务目标

构建一个结构清晰的模拟现金流数据集，包含经营、投资、筹资三类活动的现金流入与流出记录，并附带日期字段，为后续的现金流预测与异常检测分析提供标准化输入。

数据集设计

数据集采用长表格式（每行一条现金流记录），包含以下字段：

date：交易日期（2023-01-01 至 2023-12-31，按日生成）
activity：活动类型（operating / investing / financing）
cash_in：当日该活动的现金流入金额（万元）
cash_out：当日该活动的现金流出金额（万元）
net_cash：当日净现金流 = cash_in - cash_out

为贴近真实场景，三类活动采用不同的生成逻辑：经营活动现金流具有周期性波动（周末略低）并叠加适度随机噪声；投资活动以低频大额交易为主（约每5~10天发生一次）；筹资活动仅在少数特定日期发生（如月初或季末）。

完整实现代码

import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# 固定随机种子，保证结果可复现
np.random.seed(42)

# 生成日期范围：2023年全年
start_date = datetime(2023, 1, 1)
end_date = datetime(2023, 12, 31)
dates = pd.date_range(start_date, end_date, freq='D')

records = []

for d in dates:
    # 判断是否为周末（周六=5，周日=6）
    is_weekend = d.weekday() >= 5

    # ---- 经营活动 ----
    # 基础水平：工作日约50万流入，周末降至约30万
    base_in = 30 if is_weekend else 50
    # 月度季节性：月初略高
    if d.day <= 5:
        base_in *= 1.2
    op_in = max(0, np.random.normal(base_in, 8))

    # 流出与流入正相关，加上独立噪声
    op_out = max(0, np.random.normal(op_in * 0.7, 6))

    # ---- 投资活动 ----
    # 低频：约每7天发生一次交易
    inv_in = 0.0
    inv_out = 0.0
    if np.random.rand() < 0.14:  # 约14%概率发生
        if np.random.rand() < 0.4:  # 40%为流入（如资产处置）
            inv_in = np.random.uniform(80, 200)
        else:  # 60%为流出（如购置资产）
            inv_out = np.random.uniform(100, 300)

    # ---- 筹资活动 ----
    fin_in = 0.0
    fin_out = 0.0
    # 仅在每月1日和季末（3/31, 6/30, 9/30, 12/31）发生
    is_month_start = d.day == 1
    is_quarter_end = (d.month in [3, 6, 9, 12]) and (d.day == 30 or (d.month == 12 and d.day == 31))
    if is_month_start:
        fin_in = np.random.uniform(50, 150)  # 如新增借款
    if is_quarter_end:
        fin_out = np.random.uniform(80, 200)  # 如分红或还款

    # 写入记录（仅保留至少有一项活动发生的日期）
    if op_in > 0 or op_out > 0 or inv_in > 0 or inv_out > 0 or fin_in > 0 or fin_out > 0:
        # 经营
        records.append([d.date(), 'operating', round(op_in, 2), round(op_out, 2), round(op_in - op_out, 2)])
        # 投资（若发生）
        if inv_in > 0 or inv_out > 0:
            records.append([d.date(), 'investing', round(inv_in, 2), round(inv_out, 2), round(inv_in - inv_out, 2)])
        # 筹资（若发生）
        if fin_in > 0 or fin_out > 0:
            records.append([d.date(), 'financing', round(fin_in, 2), round(fin_out, 2), round(fin_in - fin_out, 2)])

# 构建DataFrame
df = pd.DataFrame(records, columns=['date', 'activity', 'cash_in', 'cash_out', 'net_cash'])

# 按日期和活动排序
df = df.sort_values(['date', 'activity']).reset_index(drop=True)

# 查看数据概览
print(f"总记录数: {len(df)}")
print(f"日期范围: {df['date'].min()} 至 {df['date'].max()}")
print("\n各活动记录数:")
print(df['activity'].value_counts())
print("\n前10行数据:")
print(df.head(10))

# 保存为CSV文件（供后续案例使用）
df.to_csv('cash_flow_dataset.csv', index=False)
print("\n数据集已保存至 cash_flow_dataset.csv")

运行方式

安装依赖：pip install pandas numpy
将上述代码保存为 build_dataset.py 并运行：python build_dataset.py

验证方法

运行后观察输出：

总记录数应在 500~700 条之间（经营每日2条记录，投资约50次，筹资约16次）
日期范围覆盖 2023-01-01 至 2023-12-31
经营活动记录约365条，投资活动约40~60条，筹资活动约15~17条
生成的 cash_flow_dataset.csv 文件可在当前目录找到，用Excel或pandas可正常打开

通过条件：CSV文件成功生成，且各活动记录数与上述范围一致，说明数据集构建正确，可作为后续现金流预测与异常检测案例的输入。