Python 数据分析在固定资产折旧中的应用

□文/周燕妮

（南京交通职业技术学院运输管理学院 江苏·南京）

[提要］ 人工智能的高速发展使各行各业发生翻天覆地的变化，传统财务会计也逐步走向智能会计，会计和大数据的融合对会计工作者提出全新要求。本文以Python 在计算固定资产折旧中的应用为例，详细阐述Python 在计算固定资产折旧中的应用以及其所带来的便利性，最终通过分析Python 在会计数据处理中的优势，从而得出结论认为会计人员应当积极学习Python 等大数据知识，提高自身核心竞争力。

引言

2021 年底，财政部制定《会计信息化发展规划（2021-2025年）》，明确指出要加快推进会计数字化转型升级，使会计数据价值得到有效发挥。在此背景下，涌现出云计算、物联网、人工智能等各类新兴技术，会计人员也面临前所未有的挑战，需要将新知识、新逻辑和新思维运用到传统财务会计中，以逐步推进传统财务向智能财务的转变。

对于财务人员来说，新技术的发展可以帮助解决繁琐重复的工作，智能财务的发展也能帮助财务人员完成更有价值的工作，为企业赋能，实现价值创造。与此同时，财务人员也面临更多的挑战，如果故步自封，就无法适应社会的发展与变革，只能被人工智能取代；相反，如果能在数字化转型中积极探索，掌握新技术，利用大数据工具提高工作效率，就能迅速成为具有“新财务思维”的综合性人才。本文基于当下流行的编程语言Python，以其在固定资产核算中的应用为例来探讨其在财务中的应用。

Python 是一种高级编程语言，由Guido van Rossum 于1991 年开发而成。它具有简洁、清晰的语法，强调代码的可读性和简洁性，被视为一种理想的入门级编程语言。Python 主要有以下优势：一是自动化和效率显著提升，Python 可以帮助财务人员自动化完成繁琐的任务和数据处理过程，减少重复工作和人为错误。通过编写脚本或使用现有的库，可以自动提取、清洗和处理财务数据，生成报表和分析结果，大大提高工作效率；二是能提供数据分析和决策支持，Python 具有广泛的数据处理和分析库，如Pandas、NumPy 和Matplotlib 等，财务人员可以使用这些库进行数据探索、统计分析和可视化，帮助他们深入理解财务数据，抽取有价值的信息，并为决策提供支持。

一、Python 在固定资产折旧中的应用

（一）固定资产折旧的重要性。固定资产是企业长期投资的重要部分，需要将其初始成本分摊到会计期间内，折旧是一种成本分摊方法，将固定资产的成本在其使用寿命内逐年平均转移到损益表上，反映了资产在使用过程中所产生的价值消耗。固定资产的折旧会直接影响企业的利润和企业财务状况，同时，还能帮助企业判断是否应该进行固定资产的更替，此外，固定资产折旧的准确记录还能为企业资产管理和评估提供参考。因此，固定资产折旧的核算在会计工作中具有重要作用，其核算对于真实、准确地反映企业利润，支持业务决策和进行资产管理都是至关重要的。对会计工作者而言，利用Python 代码来完成这项繁琐的工作，不仅能降低逐步计算的错误率，还能一键计算各月份折旧，极大提高了财务人员的工作效率。

（二）利用Python 计算固定资产折旧的思路。本文以计算出A 公司7 月份的固定资产及账面价值为例进行演示。A 公司使用年限平均法计提固定资产折旧，其截至2023 年6 月30 日的部分固定资产清单如表1 所示。（表1）

表1 A 公司固定资产清单一览表

根据上述资料，基于Python 计算固定资产折旧及最终账面价值的流程大致可以分成4 个步骤，具体如下：第一，根据截止日期算出已折旧月数。在导入所需要的库以及表格后，需要先设置一个自定义函数depmonth 来计算出截至2023 年6 月30 日的已折旧月数，随后利用map 函数来将表格中的购置日期作为参数传到自定义函数中，最终形成一列名为“已折旧月数”的数据。第二，根据算得的已折旧月数计算出剩余折旧月数。利用题干中已知的剩余折旧年限减去上一步骤中算得的已折旧月数得到剩余折旧月数，并引用lambda 匿名函数来保证剩余折旧月数大于等于0。第三，根据状态对转出金额的区别，设置自定义函数，计算固定资产当月折旧及转出金额。若使用状态为报废或改建，需将账面价值转出到固定资产清理或者在建工程，但当月还需计提折旧，当月计提折旧取决于剩余折旧月数是否大于0，如果剩余折旧月数大于0，则可按正常方式计算当月折旧，否则，当月折旧应为（原值-期初累计折旧-减值准备-原值×预计净残值率），在排除使用状态为上述两种情况后，根据剩余折旧月数判断当月应提的折旧，如果剩余折旧月数为0，当月折旧应为（原值-期初累计折旧-减值准备-原值×预计残值率），否则按正常方式计算当月折旧。根据上述固定资产折旧计算原则设置自定义函数dep，随后利用apply 函数将已设置好的dep 函数引用到表格capex 中，最终在capex 表格中会形成当月折旧和转出金额两列数据。第四，根据固定资产账面价值等于原值减去期初累计折旧、当月折旧、减值准备和转出金额计算出固定资产最终账面价值，并且利用round 函数将结果保留两位小数。

（三）使用Python 进行固定资产折旧计算的实例代码。计算结果如图1 所示。（图1）

图1 各步骤运行结果总图

#第0 步，预先导入所需要的库以及表格：

import pandas as pd

import datetime as dt

file='固定资产清单.xlsx'

capex=pd.read_excel（file，sheet_name='固定资产清单'）

capex.fillna（0，inplace=True）

print（capex）

#第1 步，根据截止日期算出已折旧月数：

end_date=dt.datetime（2023，7，31）

def depmonth（start_date）：

return（end_date.year-start_date.year）×12+（end_date.monthstart_date.month）-1

capex['已折旧月数'］=capex['购置日期'］.map（depmonth）

print（capex）

#第2 步，根据算得的已折旧月数计算出剩余折旧月数：

capex['剩余折旧月数'］=（capex['预计使用年限'］×12-capex['已折旧月数'］）.map（lambda x：max（x，0））

print（capex）

#第3 步，根据状态对转出金额的区别，设置自定义函数，计算固定资产当月折旧及转出金额：

def dep（x）：

if（x['使用状态'］=='报废' or x['使用状态'］=='改建'）and x['剩余折旧月数'］＞0：

x['当月折旧'］=round（（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['原值'］×x['预计残值率'］）/x['剩余折旧月数'］，2）

x['转出金额'］=round（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['当月折旧'］，2）

elif（x['使用状态'］=='报废' or x['使用状态'］=='改建'）and x['剩余折旧月数'］==0：

x['当月折旧'］=round（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['原值'］× x['预计残值率'］，2）

x['转出金额'］=round（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['当月折旧'］，2）

elif x['剩余折旧月数'］==0：

x['当月折旧'］=round（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['原值'］×x['预计残值率'］，2）

x['转出金额'］=0

else：

x['当月折旧'］=round（（x['原值'］-x['期初累计折旧'］-x['减值准备'］-x['原值'］×x['预计残值率'］）/x['剩余折旧月数'］，2）

x['转出金额'］=0

return x

capex=capex.apply（dep，axis=1）

print（capex）

#第4 步，计算出账面价值：

capex['账面价值'］=round（capex[' 原值'］-capex[' 期初累计折旧'］-capex['当月折旧'］-capex['减值准备'］-capex['转出金额'］，2）

print（capex）

二、利用Python 进行会计数据处理的优势

在信息爆炸，数据就是资源的时代，需要高效准确的处理数据。而Python 作为一种通俗易懂的代码语言，对于数据量庞大、确保分毫必究的会计工作而言，用其来进行大量的会计数据处理具有显著优势。

（一）高效处理海量数据。Python 在会计数据清洗和处理方面具有强大的功能。通过使用Python 的数据处理库，可以进行数据的清洗、筛选、去除重复率等操作。同时，Python 还能识别缺失值、异常值等数据异常情况，并进行相应的处理，保证会计数据的完整性和准确性。在大数据时代，动辄几万条的数据信息让传统工具Excel 无法高效运行，Excel 更加适合数据量不大、数值为主、进行简单运算的数据处理。而Python 相比传统工具Excel 则具有更加灵活、容量更大、处理信息更迅速等优势。

（二）轻松完成自动化。如前文所示，通过编写Python 脚本和程序，可以实现固定资产折旧的自动化计算和处理。固定资产折旧是每个公司都要完成的工作，大公司均有自己的资产管理系统，方便对资产进行分类和管理，而小公司资金有限，特别是涉及到某些企业固定资产种类多、使用状态不一致的时候，如果能利用代码快速完成，将会大大提高财务人员的工作效率。Python 能够根据预设的折旧规则和公式，自动计算并生成折旧费用、折旧表和相关报表，代码完成以后，如有资产变动，只需要在原始表格中进行增删即可。

此外，Python 还能用于管理会计上，管理会计公式多、计算量大，可以设置好自定义函数保存为脚本，在需要时直接调用脚本即可，方便又高效。通过自动化处理，可以大幅缩短会计人员手动操作的时间并减少错误，提高工作效率和准确性。

（三）实现数据可视化。在数据的可视化呈现上，Python 也具有优势。使用Python 的数据分析库（如Pandas、NumPy）和可视化库（如Matplotlib、Seaborn），会计人员能够进行各种统计分析、数据挖掘和数据可视化操作。这些功能能够帮助会计人员更好地理解和呈现会计数据，并发现数据中的模式、趋势和异常。与Excel 软件的作图功能相比，Python 更灵活，更适应用户需求，其强大的第三方模块库也为整个软件提供了更多的可能性，例如想要更具有创意和交互性的图表，可以选择ploty 和D3 库。

（四）自定义个性化财务模型。Excel 作为传统财务人员常用软件，也可以做一些简单地模型来方便后续使用，但是其功能有限，而且难以完成比较复杂的财务模型。而Python 可以在进行数据收集和预处理的基础上，运用合适的库和工具来设计模型结构，通过参数估计和优化，编写代码实现敏感性分析和场景模拟，并通过调整模型中的参数和变量，评估不同情景下的模型结果和影响，最终完成属于企业自己的个性化财务模型。

三、Python 在会计业务中应用的必要性

随着人工智能时代的飞速发展，网络技术的日新月异，数据类型日益增加且数据庞杂，对海量信息进行清洗和处理，筛选出有效信息对每个人都至关重要。Python 不仅能帮助企业高效计算固定资产折旧，还有对项目进行可行性分析、将结果以图表展示、进行交互式分析等功能，具有高效处理海量数据、高效完成自动化等优势。财务人员日常面临的海量数据单纯用Excel 来完成明显已经捉襟见肘，因此财务工作者在社会变革的浪潮中需要不断提高自身核心竞争力，学习Python 等大数据知识，将新工具应用到日常工作中，提高工作效率，保证数据的准备性和可靠性，设计符合企业自身的财务模型，为企业经营决策提供有力支持。