背景介绍
在个人财务管理中，清晰的支出分析是优化消费习惯的关键。手动统计月度支出不仅耗时，还容易出错。本文将介绍如何用Python开发一个个人月度支出分析工具，自动从CSV支出记录中提取关键信息：按类别统计支出、生成可视化图表、输出分析报告，帮助你快速掌握支出结构。
思路分析
工具的核心流程分为四步：
1. 数据读取：用pandas读取CSV格式的支出记录；
2. 统计分析：按“类别”分组求和，计算总支出、类别占比、排名等；
3. 可视化输出：用matplotlib绘制饼图（占比）和柱状图（金额）；
4. 报告生成：将统计结果整理成文本报告，输出到文件。
代码实现（完整可运行）
以下是完整代码，包含详细注释：
import pandas as pd
import matplotlib.pyplot as plt
# 解决matplotlib中文显示问题（需系统安装SimHei字体）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def analyze_expenses(csv_path):
"""
分析月度支出：读取CSV→统计→可视化→生成报告
:param csv_path: CSV文件路径（格式：日期,类别,金额）
"""
# 1. 读取CSV数据
try:
df = pd.read_csv(csv_path)
# 确保金额为数值类型（若CSV中金额是字符串，可取消下面的注释）
# df['金额'] = df['金额'].astype(float)
except Exception as e:
print(f"读取CSV失败：{e}")
return
# 2. 统计分析：总支出、类别金额、占比、排序
total_expense = df['金额'].sum() # 总支出
# 按类别分组，计算总金额
category_stats = df.groupby('类别')['金额'].sum().reset_index()
category_stats = category_stats.rename(columns={'金额': '总金额'}) # 重命名列
# 计算占比（保留2位小数）
category_stats['占比(%)'] = (category_stats['总金额'] / total_expense * 100).round(2)
# 按金额降序排序（支出高的类别排前）
category_stats = category_stats.sort_values(by='总金额', ascending=False)
# 3. 可视化：饼图（类别占比）
plt.figure(figsize=(8, 8))
sizes = category_stats['总金额']
# 生成标签：类别+金额+占比
labels = [f"{row['类别']}\n{row['总金额']}元\n{row['占比(%)']}%"
for _, row in category_stats.iterrows()]
plt.pie(sizes, labels=labels, autopct='%1.2f%%', startangle=90)
plt.title('月度支出类别占比')
plt.axis('equal') # 保证饼图为正圆形
plt.savefig('expense_pie.png') # 保存饼图
plt.close()
# 可视化：柱状图（类别金额）
plt.figure(figsize=(10, 6))
x = category_stats['类别']
y = category_stats['总金额']
bars = plt.bar(x, y, color='skyblue')
plt.title('月度支出类别金额')
plt.xlabel('支出类别')
plt.ylabel('金额（元）')
plt.xticks(rotation=45) # 旋转类别标签，防止重叠
# 标注柱子上方的金额
for bar in bars:
height = bar.get_height()
plt.text(
bar.get_x() + bar.get_width() / 2,
height + 1, # 金额标签在柱子上方1单位
f'{height}元',
ha='center',
va='bottom'
)
plt.tight_layout() # 自动调整布局，防止标签截断
plt.savefig('expense_bar.png') # 保存柱状图
plt.close()
# 4. 生成文本报告
# 提取年月（从第一条记录的日期中获取）
first_date = df['日期'].iloc[0]
year, month, _ = first_date.split('-')
# 类别数量、最高支出类别、平均日支出
category_count = len(category_stats)
top_category = category_stats.iloc[0]['类别']
top_amount = category_stats.iloc[0]['总金额']
avg_daily = total_expense / 30 # 按30天计算平均日支出
# 构建报告内容
report = f"""=====================================
个人月度支出分析报告（{year}年{month}月）
=====================================
总支出金额：{total_expense} 元
支出类别数量：{category_count} 类（{', '.join(category_stats['类别'])}）
各类别支出详情（按金额从高到低排序）：
"""
for i, (_, row) in enumerate(category_stats.iterrows(), 1):
report += f"{i}. {row['类别']}：{row['总金额']} 元，占比 {row['占比(%)']}%\n"
report += f"""
支出最高的类别：{top_category}（{top_amount} 元）
平均每日支出：{avg_daily:.2f} 元（按30天计算）
=====================================
"""
# 写入报告到文件
with open('expense_analysis.txt', 'w', encoding='utf-8') as f:
f.write(report)
print("分析完成！已生成：")
print("- 饼图：expense_pie.png")
print("- 柱状图：expense_bar.png")
print("- 分析报告：expense_analysis.txt")
if __name__ == "__main__":
# 替换为你的CSV文件路径（示例：monthly_expenses.csv）
csv_path = "monthly_expenses.csv"
analyze_expenses(csv_path)
代码解析
1. 数据读取与统计
- CSV读取：
pd.read_csv()自动解析CSV文件，需确保列名与代码一致（日期、类别、金额）。 - 分组统计：
groupby('类别')按“类别”分组，sum()计算总金额；round(2)保留占比的两位小数。 - 排序：
sort_values(by='总金额', ascending=False)按金额降序排列，方便后续报告生成。
2. 可视化定制
- 饼图：通过列表推导式生成标签（包含类别、金额、占比），
autopct='%1.2f%%'显示百分比；axis('equal')保证饼图为正圆形。 - 柱状图：
xticks(rotation=45)旋转类别标签防止重叠；plt.text()在柱子上方标注金额，提升可读性。
3. 报告生成
- 日期提取：从第一条记录的日期中拆分出“年”和“月”，使报告更规范。
- 内容拼接：按格式拼接总支出、类别数量、排序后的类别详情、最高支出、平均日支出。
- 文件写入：
with open()保证文件安全写入，encoding='utf-8'支持中文。
测试与验证
将示例CSV文件（monthly_expenses.csv）放在代码同目录下，运行后：
– 饼图（expense_pie.png）：扇区对应类别，标签包含金额和占比。
– 柱状图（expense_bar.png）：柱子高度与金额一致，上方标注数值。
– 报告（expense_analysis.txt）：总支出、类别排序、最高支出等信息与实际计算一致。
扩展与优化
- 多文件支持：遍历文件夹，合并多个CSV文件的支出记录。
- 动态天数：从日期列计算实际天数，替代固定的30天。
- 收入分析：扩展CSV格式，增加“收入/支出”列，支持收入统计。
总结
本工具将数据读取→统计分析→可视化→报告生成串联，实践了Python在个人财务管理中的应用。通过pandas的数据分组、matplotlib的可视化定制，你不仅能掌握Python技能，还能为个人理财提供实用工具。快用它分析你的支出，优化消费习惯吧！
（注：若运行时中文乱码，需确保matplotlib的字体设置正确；若CSV格式异常，需检查列名和数据类型。）