综合项目一：分析一年的记账本

前言

八章学下来，读进来、看清楚、挑出来、洗干净、算一算、拼起来、画出来，做数据分析的零件都已经齐了。零件齐了，能拼出什么来呢？这一章不学新东西，就用这些零件做一个完整的分析，回答一个问题：2026 年这一年的钱，花得怎么样？

还记得第 1 章说的六个步骤吗？提问、获取、清洗、探索、分析、结论。前面每一章，练的都只是其中的一两步；这一章，咱们要从头走到尾。

具体怎么走呢？和爬虫课的综合项目一样，节奏是这样的：先把问题拆清楚，再一个问题一个问题地算；每算出一个数，都检查一下对不对；最后，把结论写成一份别人看得懂的报告。

学这一章之前，需要先学完数据分析课第 1～8 章，尤其是 第 6 章 的分组汇总和 第 8 章 的画图。

目录

这一章会做：

• 一、提问——把「花得怎么样」拆成五个具体的问题
• 二、获取和检查——写一个 load() 函数
• 三、一共花了多少，花在哪儿
• 四、哪几个月花得多，为什么
• 五、吃饭和周末
• 六、写成一份报告
• 七、常见坑
• 八、自己查一次文档——用 pct_change() 算比上个月多了多少
• 九、小结与回看

做完这一章，你会有一份从数据里一步步推出来、每个数都经得起追问的分析报告。

一、提问

「今年的钱花得怎么样？」这个问题，能直接拿数据来回答吗？其实不能，因为它太笼统了，不知道该算什么。第 1 章说过，碰到这种问题，要先把它变成一个个能用数据回答的具体问题。

那该怎么拆呢？可以拆成下面这五个：

你看，拆完以后，每个问题要算什么数、用哪个方法，就都清楚了。

不过，拆问题的时候，还有两件事值得想一想：

• 这份数据能回答吗？ 比如「钱花得值不值」，账本里没有收入，也不知道每样东西买得开不开心，就回答不了。只有能答的，才放进清单。
• 答出来有什么用？ 比如问题 4、5，都指向同一件事：要是想省钱，该从哪儿下手。所以问题不是越多越好，每一个都要能帮你做决定。

问题拆好了，接下来就照着这张表，一个一个地算。不过在算之前，得先把数据读进来，看看它靠不靠得住。

二、获取和检查

五个问题，每一个都要先读进记账本，再把日期变成真正的日期。同样的几行代码，与其每次都写一遍，不如把它们写成一个函数：

import pandas as pd


def load(path):
    """读进记账本，加上月份、是否周末两列"""
    ledger = pd.read_csv(path)
    ledger['date'] = pd.to_datetime(ledger['date'])
    ledger['month'] = ledger['date'].dt.month
    ledger['weekend'] = ledger['date'].dt.dayofweek >= 5
    return ledger


ledger = load('ledger_2026.csv')
print(ledger.head(3))

输出的结果：

        date      item category    cost payment  month  weekend
0 2026-01-01      房租     居住  2500.0  银行卡      1    False
1 2026-01-01  水电燃气     居住   156.0  支付宝      1    False
2 2026-01-01      早饭     餐饮    13.0  支付宝      1    False

函数里除了读文件、转日期，还多加了两列，都是给后面的问题准备的：

• month 是月份，问题 3 要用。
• weekend 用的是第 5 章学的 dt.dayofweek ：5 是星期六，6 是星期日，大于等于 5 就是周末。比较的结果，是一串 True 和 False 。问题 5 要用到它。

数据读进来了，可先别急着算。第 5 章说过，拿到数据的第一件事，是给它做个体检：

import pandas as pd


def load(path):
    """读进记账本，加上月份、是否周末两列"""
    ledger = pd.read_csv(path)
    ledger['date'] = pd.to_datetime(ledger['date'])
    ledger['month'] = ledger['date'].dt.month
    ledger['weekend'] = ledger['date'].dt.dayofweek >= 5
    return ledger


ledger = load('ledger_2026.csv')
print(len(ledger), ledger.isna().sum().sum(), ledger.duplicated().sum())
print(ledger['date'].min(), ledger['date'].max(), ledger['date'].nunique())
print(ledger['cost'].min(), ledger['cost'].max())

输出的结果：

1354 0 0
2026-01-01 00:00:00 2026-12-31 00:00:00 365
3.0 2500.0

三行输出，咱们一行一行地看：

• 第一行：一共 1354 笔，没有空值，也没有重复的行。这里的 isna().sum() 算出的是每一列的空值个数，再 sum() 一次，就是整张表一共有几个空值。
• 第二行：日期从 1 月 1 日到 12 月 31 日，一共 365 个不同的日子。也就是说，每天都记了账，没有漏掉的日子。
• 第三行：金额最少 3 元，最多 2500 元，那是房租。没有负数，也没有离谱的值。

体检下来，这份账本是干净的，可以放心地分析了。要是体检发现了问题，就该先用第 5 章的办法，把数据洗干净再说。

另外，把读数据写成 load() 函数，还有一个好处：明年有了 ledger_2027.csv ，只要换一个文件名，后面的分析一行都不用改。

数据准备好了，下一节就从最基本的两个问题算起。