知乎上有人問「為什麽會python了，還要用RPA？」
RPA：機器人流程自動化
Python是實作RPA的工具之一，且RPA要復雜的多，遠不是會Python這麽簡單。
要理解RPA和Python的區別，先看它們各自做什麽。
1、什麽時候會用到RPA？
比如你的財務同事需要做財務對賬，發票報銷，稅務申報等，這些流程看似容易，其實到操作層面很繁瑣細碎，而且大多是重復性操作。
如果人工來處理財務之類的數據，很浪費時間，而RPA可以搭建一整套財務自動化的系統，從數據采集、儲存、整合、分析、輸出都幫你串起來，既節省了人力又極大的避免人為出錯。
你可以把這個流程放到任何業務場景上，人力資源、供應鏈、保險理賠、裝置管理等，都有RPA的用武之地。
這就是RPA，obotic process automation，機器人流程自動化。
2、什麽是RPA技術？
RPA是一種模仿人類與軟體互動方式的技術，用於執行大批次、可重復的任務，特別是財務、供應鏈之類的重復流程化業務。
你的IPhone上的快捷指令也是一種RPA，透過一系列指令的設定，實作自動化操作某個復雜任務。
RPA的一大特點是無程式碼或者低程式碼開發，RPA 能夠復制人類執行基於電腦的流程的方式，你只需要在自動化軟體上設定好流程和步驟，就可以實作復雜的操作。
最簡單的 RPA 機器人是透過記錄使用者與應用程式互動時的點選和按鍵來建立的，比如剛說的手機上的快捷指令。
3、Python是否可以替代RPA呢？
並不能！！！
Python只是一種程式語言，你可以用它來編寫一套RPA程式，但這個建立在你的Python能力非常NB的基礎上，而且你要懂RPA涉及到的各種復雜的流程、技術和邏輯。
所以說RPA並不是Python，也不是編程，它是一套完整的自動化系統，涉及業務流程、介面協定、通訊機制、ETL、資料庫管理、數據建模、數據安全等等。
其中尤其要註意，設計一套RPA，對於業務流程需要很深的研究。
比如你想做個保單管理的RPA系統，首先你得要知道保單哪些環節可以透過RPA來提升效率，比如保單錄入、更新、查詢、續保、理賠等流程，這些流程涉及到使用者的哪些數據、這些數據在哪些系統裏等等，都需要很專業的保險行業知識。
所以單純地以為學會Python，就不需要RPA，其實是不懂RPA。
當然你可以透過Python指令碼開發一些簡單的自動化工具，比如文件轉換、網路爬蟲、生成報表、影像處理等等，這些都可以透過相應的Python庫很快地實作。
4、使用Python開發簡單的自動化報表程式
下面舉個例子：
你作為數據分析師，每周定期為公司基金銷售數據制作報表 該報表包含以下內容：
繪制月度銷售額趨勢圖
繪制基金產品銷售額分布圖
繪制未來6個月基金銷售額預測趨勢圖
要求在excel中自動執行Python程式碼，每次更新數據只要點選xlwings外掛程式執行即可。
xlwings是Python的第三方庫，用來操作Excel，也有Excel的外掛程式。
步驟如下：
「1. 在excel中呼叫Python指令碼」
直接在命令列輸入以下程式碼即可：
xlwings quickstart fund_sales
如果你想把檔建立到指定資料夾裏，需要提前將命令列導航到指定目錄。
建立好後，在fund_sales資料夾裏會出現兩個檔，.xlsm和.py檔。
「2. 編寫Python指令碼」
開啟.py檔裏在main函式裏面寫python程式碼，功能是為公司基金銷售數據制作報表。
（其他程式碼不用動）
程式碼見下方
「3. 代開xlsm檔，點選run main，就會直接執行python指令碼，就會自動制作報表」
程式碼如下：
import xlwings as xw
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams["font.sans-serif"]=["SimHei"] # 設定字型
plt.rcParams["axes.unicode_minus"]=False# 該語句解決影像中的「-」負號的亂碼問題
defmain():
# 開啟Excel檔
wb = xw.Book.caller()
sheet = wb.sheets[0]
# 讀取基金銷售數據
data = sheet.range('A1').options(expand='table').value
# 將數據轉換為Pandas DataFrame
df = pd.DataFrame(data[1:], columns=data[0])
df['月'] = df['日期'].dt.month
df['年'] = df['日期'].dt.year
# 繪制基金銷售額月度趨勢圖
monthly_sales = df.groupby(['年', '月']).agg({'銷售額': 'sum'}).reset_index()
monthly_sales['日期'] = pd.to_datetime(monthly_sales['年'].astype(str) + '-' + monthly_sales['月'].astype(str), format='%Y-%m')
monthly_sales = monthly_sales.sort_values('日期')
fig1, ax1 = plt.subplots()
sns.lineplot(x='日期', y='銷售額', data=monthly_sales)
ax1.set(xlabel='日期', ylabel='銷售額', title='基金銷售額月度趨勢圖')
plt.xticks(rotation=45)
sheet.pictures.add(fig1, name='基金銷售額月度趨勢圖', update=True, left=sheet.range('D2').left, top=sheet.range('D2').top)
# 繪制基金產品銷售額分布圖
fund_sales = df.groupby('基金名稱').agg({'銷售額': 'sum'}).reset_index()
fig2, ax2 = plt.subplots()
sns.barplot(x='銷售額', y='基金名稱', data=fund_sales)
ax2.set(xlabel='銷售額', ylabel='基金名稱', title='基金產品銷售額分布圖')
sheet.pictures.add(fig2, name='基金產品銷售額分布圖', update=True, left=sheet.range('D20').left, top=sheet.range('D20').top)
# 搭建線性回歸模型，用於預測未來6個月的銷售額
x = monthly_sales.index.values.reshape(-1, 1)
y = monthly_sales['銷售額'].values
model = LinearRegression()
model.fit(x, y)
# 預測未來6個月銷售額
future_months = 6
last_month = monthly_sales['日期'].max().to_period('M').to_timestamp().to_pydatetime()
next_months = pd.date_range(start=last_month, periods=future_months+1, freq='M')[1:]
next_months_index = np.arange(len(monthly_sales), len(monthly_sales)+future_months)
next_months_df = pd.DataFrame({'日期': next_months, '銷售額': [np.nan]*future_months, '年': next_months.year, '月': next_months.month})
next_months_df['預測銷售額'] = model.predict(next_months_index.reshape(-1, 1))
monthly_sales_pred = pd.concat([monthly_sales, next_months_df], ignore_index=True)
# 繪制未來6個月基金銷售額預測趨勢圖
fig3, ax3 = plt.subplots()
sns.lineplot(x='日期', y='銷售額', data=monthly_sales_pred,label='銷售額',)
sns.lineplot(x='日期', y='預測銷售額', data=monthly_sales_pred,label='預測銷售額')
ax3.set(xlabel='日期', ylabel='銷售額', title='未來6個月基金銷售額預測趨勢圖')
plt.xticks(rotation=45)
sheet.pictures.add(fig3, name='未來6個月基金銷售額預測趨勢圖', update=True, left=sheet.range('D40').left, top=sheet.range('D40').top)
@xw.func
defhello(name):
returnf"Hello {name}!"
if __name__ == "__main__":
xw.Book("PythonExcelTest.xlsm").set_mock_caller()
main()
這就使用Python建立了一個簡單的RPA程式，用來自動化使用基金數據建立報表。
大家可以試試，RPA是一個很好玩的東西。
加入知識星球【我們談論數據科學】
600+小夥伴一起學習！
