3. 财务凭证序时账数据加载与科目编码规范化
任务说明
本案例读取财务序时账 CSV，检查“科目编码”列的长度分布与层级结构，并为缺失上级编码的记录补全上级科目编码。科目编码按层级分段：一级 4 位，其后每级 2 位（如 1122、112201、11220101）。补全规则：若某记录的科目编码长度大于 4 位，则其上级科目编码为去掉最后 2 位后的前缀；若长度为 4 位，则无上级科目编码。
环境与依赖
Python 3.8+，依赖 pandas。安装：pip install pandas。输入文件 journal.csv 需包含列：凭证号, 科目编码, 科目名称, 借方, 贷方。
核心实现
import pandas as pd
def load_journal(path):
df = pd.read_csv(path, dtype={"科目编码": str})
df["科目编码"] = df["科目编码"].str.strip()
return df
def check_levels(df):
# 长度分布
dist = df["科目编码"].str.len().value_counts().sort_index()
# 层级：4位为1级，之后每2位加1级
def level(code):
n = len(code)
if n < 4 or (n - 4) % 2 != 0:
return None
return 1 + (n - 4) // 2
df["层级"] = df["科目编码"].map(level)
return dist, df
def fill_parent(df):
def parent(code):
return code[:-2] if len(code) > 4 else None
df["上级科目编码"] = df["科目编码"].map(parent)
return df
if __name__ == "__main__":
df = load_journal("journal.csv")
dist, df = check_levels(df)
print("科目编码长度分布：")
print(dist)
invalid = df[df["层级"].isna()]
if not invalid.empty:
print("存在非法编码：")
print(invalid[["凭证号", "科目编码"]])
df = fill_parent(df)
print(df[["凭证号", "科目编码", "层级", "上级科目编码"]])
df.to_csv("journal_filled.csv", index=False, encoding="utf-8-sig")
运行与验证
将上述代码保存为 normalize.py，与 journal.csv 同目录，执行 python normalize.py。验证要点：
- 长度分布只应出现 4、6、8 等偶数且 ≥4 的值；若出现其他长度，脚本会打印非法编码记录。
- 输出中每条长度 >4 的记录，其“上级科目编码”应等于自身编码去掉末 2 位；长度 =4 的记录该列为空。
- 生成
journal_filled.csv，用 Excel 打开确认新增“层级”“上级科目编码”两列且内容与规则一致。