摘要：在职场里，有个隐形竞争力叫“用数据做决策”。小到便利店选品的利润测算，大到公司百万级项目的投资分析，懂经济评估的人总能快速抓住关键，但多数人还在被Excel折磨：改一个数要手动刷新十几列公式，画个对比图要调半小时格式，最后出的报告还总被领导问“数据依据在哪”。
在职场里，有个隐形竞争力叫“用数据做决策”。小到便利店选品的利润测算，大到公司百万级项目的投资分析，懂经济评估的人总能快速抓住关键，但多数人还在被Excel折磨：改一个数要手动刷新十几列公式，画个对比图要调半小时格式，最后出的报告还总被领导问“数据依据在哪”。
其实，Python才是经济评估的“效率神器”——自动算指标、批量出图表、一键生成分析报告，甚至能帮你预判风险。今天这篇教程，从环境搭建到3个高频率实战案例，全程“代码+解读”保姆级教学，哪怕你是零基础，跟着复制粘贴也能搞定，学会直接用在工作汇报里！
做经济评估不用学复杂编程，掌握3个核心库就够了。先花3分钟把环境搭好，已装Python的直接跳第二步。
1. 装Python：官网1步搞定
打开Python官网，选3.8以上版本（兼容性最好），安装时务必勾选“Add Python to PATH”（避免后续配置路径），一路点“Next”，1分钟就能装完。
2. 装3个核心库：复制命令就行
按下Win+R（Mac按Command+空格），输入“cmd”打开命令提示符，粘贴以下3行命令，每输完一行按回车（出现“Successfully installed”就是成功）：
• pip install pandas：处理表格数据，比Excel快10倍
• pip install numpy：算经济指标（如净现值、回报率），零计算错误
• pip install matplotlib：生成可视化图表，让数据更直观
3. 选编辑器：优先用Jupyter Notebook
新手推荐用Jupyter Notebook，能边写代码边看结果，还能插文字说明，像“带代码的Word”。安装命令：pip install jupyter，装完后输入jupyter notebook，会自动弹出浏览器页面，点“New-Python 3”就能开始。
便利店老板常纠结：“可乐和果汁该重点推哪个？”靠感觉说“可乐卖得多”没用，用Python算清“单位利润、周转率、保本销量”，答案一目了然。
1. 明确评估逻辑
核心看3个指标：
• 单位利润=售价-进货成本-损耗成本（按售价10%估算）
• 月周转率=月销量/进货量（越高说明卖得越快）
• 保本销量=月固定成本（如货架费）÷单位利润（卖够这个数才不亏）
2. 准备数据（真实场景模拟）
假设两款饮品的基础数据如下，Python会自动读取，不用手动输：
商品 售价（元） 进货成本（元） 月销量（瓶） 月进货量（瓶） 月货架费（元）
可乐 3.5 1.8 1200 1500 200
果汁 5 2.5 800 1000 200
3. Python代码实战（复制就能用）
第一步：导入库+读数据
# 导入核心库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 解决中文乱码
plt.rcparams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 输入数据（也能用水印读取Excel：pd.read_excel("选品数据.xlsx")）
data = {
'商品': ['可乐', '果汁'],
'售价': [3.5, 5],
'进货成本': [1.8, 2.5],
'月销量': [1200, 800],
'月进货量': [1500, 1000],
'月货架费': [200, 200]
}
# 转成表格格式
df = pd.DataFrame(data)
print("选品基础数据：")
print(df)
运行后会显示表格，确认数据没写错。
第二步：算核心指标
# 1. 算单位利润（损耗按售价10%算）
df['损耗成本'] = df['售价'] * 0.1
df['单位利润'] = df['售价'] - df['进货成本'] - df['损耗成本']
# 2. 算月周转率（销量/进货量，越高越好）
df['月周转率'] = (df['月销量'] / df['月进货量']).round(2)
# 3. 算保本销量（卖够多少才不亏）
df['保本销量'] = df['月货架费'] / df['单位利润']
# 4. 算月净利润
df['月净利润'] = df['月销量'] * df['单位利润'] - df['月货架费']
# 显示结果
print("\n选品评估结果：")
print(df[['商品', '单位利润', '月周转率', '保本销量', '月净利润']].round(2))
运行结果解读：
• 可乐：单位利润1.35元，周转率0.8（卖得快），保本卖149瓶就能回本，月净利润1420元
• 果汁：单位利润2元，周转率0.8，但保本要卖100瓶，月净利润1400元
看似果汁单位利润高，实际可乐总利润更高，该重点推可乐！
第三步：画对比图（汇报用）
# 画柱状图对比利润和保本销量
x = df['商品']
fig, ax1 = plt.subplots(figsize=(10, 6))
# 左轴：月净利润
ax1.bar(x, df['月净利润'], color='#FF9999', label='月净利润（元）', alpha=0.8)
ax1.set_ylabel('月净利润（元）', color='#FF9999', fontsize=12)
ax1.tick_params(axis='y', labelcolor='#FF9999')
# 右轴：保本销量
ax2 = ax1.twinx
ax2.plot(x, df['保本销量'], color='#66B2FF', marker='o', linewidth=3, label='保本销量（瓶）')
ax2.set_ylabel('保本销量（瓶）', color='#66B2FF', fontsize=12)
ax2.tick_params(axis='y', labelcolor='#66B2FF')
# 加数值标签
for i, v in enumerate(df['月净利润']):
ax1.text(i, v + 50, f'{int(v)}元', ha='center', va='bottom', fontsize=10)
for i, v in enumerate(df['保本销量']):
ax2.text(i, v + 10, f'{int(v)}瓶', ha='center', va='bottom', fontsize=10)
# 标题和图例
plt.title('便利店饮品选品对比', fontsize=14, fontweight='bold')
lines1, labels1 = ax1.get_legend_handles_labels
lines2, labels2 = ax2.get_legend_handles_labels
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper right')
# 保存图片（和代码放同一文件夹）
plt.savefig('选品对比图.png', dpi=300)
plt.show
生成的图既有利润又有保本量，汇报时一放，领导秒懂你的分析逻辑。
公司要投一个新能源项目，初始投500万，周期5年，怎么判断值不值？关键看“净现值（NPV）”：把未来的钱折算成现在的钱，正数就值得投，负数就放弃。
1. 基础数据（真实项目模拟）
• 初始投资：-500万元（负号代表支出）
• 未来5年现金流（净利润+折旧）：120万、150万、180万、200万、220万
• 折现率：8%（行业平均收益，可调整）
2. Python代码实战
# 导入库
import numpy as np
import matplotlib.pyplot as plt
# 解决中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 1. 定义数据
initial_invest = -500 # 初始投资
cash_flows = [initial_invest, 120, 150, 180, 200, 220] # 第0-5年现金流
discount_rate = 0.08 # 折现率8%
years = np.arange(0, 6) # 时间轴：0-5年
# 2. 算核心指标
npv = np.npv(discount_rate, cash_flows) # 净现值（正数值得投）
irr = np.IRR(cash_flows) # 内部收益率（越高越好）
cumulative_cf = np.cumsum(cash_flows) # 累计现金流（看何时回本）
# 输出结果
print(f"项目初始投资：{abs(initial_invest)}万元")
print(f"净现值（NPV）：{npv:.2f}万元")
print(f"内部收益率（IRR）：{irr:.2%}")
print("\n各年现金流及累计现金流：")
for year, cf, cum_cf in zip(years, cash_flows, cumulative_cf):
print(f"第{year}年：现金流={cf}万，累计现金流={cum_cf:.2f}万")
结果解读：
• NPV=198.76万元（正数）：项目能赚钱，值得投
• IRR=23.58%（远高于8%行业水平）：收益超预期
• 累计现金流第4年转正：4年就能回本，风险低
3. 画现金流趋势图
# 画现金流和累计现金流图
fig, ax = plt.subplots(figsize=(12, 6))
# 柱状图：当年现金流
ax.bar(years, cash_flows, color='#99CCFF', label='当年现金流（万元）', alpha=0.8)
# 折线图：累计现金流
ax.plot(years, cumulative_cf, color='#FF6666', linewidth=3, marker='o', label='累计现金流（万元）')
# 加盈亏线（y=0）
ax.axhline(y=0, color='black', linestyle='--', alpha=0.5, label='盈亏线')
# 加数值标签
for year, cf, cum_cf in zip(years, cash_flows, cumulative_cf):
ax.text(year, cf + 20, f'{cf}万', ha='center', va='bottom', fontsize=9)
ax.text(year, cum_cf + 20, f'{cum_cf:.0f}万', ha='center', va='bottom', fontsize=9)
# 标题和图例
ax.set_title('新能源项目5年现金流趋势', fontsize=14, fontweight='bold')
ax.set_xlabel('年份', fontsize=12)
ax.set_ylabel('现金流（万元）', fontsize=12)
ax.legend
ax.grid(True, alpha=0.3)
# 保存图片
plt.savefig('项目现金流图.png', dpi=300)
plt.show
图里红色折线过了0轴，就是回本时间，直观又专业，比写100字报告还管用。
很多商家定价凭感觉：“别人卖100，我卖99”，但定价高了销量降，低了没利润。用Python模拟不同定价的利润，能精准找到“最优价”。
1. 核心逻辑
假设某产品：
• 销量公式：销量=2000-10×定价（定价涨1元，销量少10件）
• 单位成本：30元/件
• 定价范围：40-120元（每5元一个档位）
2. Python代码实战
# 导入库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# 解决中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 1. 定义参数
unit_cost = 30 # 单位成本
price_range = np.arange(40, 121, 5) # 定价范围：40-120元，步长5元
profit_list = # 存不同定价的利润
sales_list = # 存不同定价的销量
# 2. 算每个定价的利润
for price in price_range:
sales = 2000 - 10 * price # 算销量
revenue = price * sales # 算销售额
total_cost = unit_cost * sales # 算总成本
profit = revenue - total_cost # 算利润
sales_list.append(sales)
profit_list.append(profit)
# 3. 找最优定价
result = pd.DataFrame({
'定价（元）': price_range,
'销量（件）': sales_list,
'利润（元）': profit_list
})
max_profit_idx = result['利润（元）'].idxmax
best_price = result.iloc[max_profit_idx]
# 输出结果
print("不同定价利润模拟：")
print(result)
print(f"\n最优定价方案：")
print(f"定价：{best_price['定价（元）']}元，销量：{best_price['销量（件）']}件，利润：{best_price['利润（元）']}元")
结果显示：最优定价是115元，利润72250元；如果错定100元，利润只有50000元，少赚2.2万！
3. 画定价-利润趋势图
# 画定价-利润趋势图
fig, ax = plt.subplots(figsize=(12, 6))
# 画利润趋势线
ax.plot(result['定价（元）'], result['利润（元）'], color='#FF6600', linewidth=3, marker='o', label='利润')
# 标记最优定价点
ax.scatter(best_price['定价（元）'], best_price['利润（元）'], color='red', s=150, zorder=5)
ax.text(best_price['定价（元）'] + 2, best_price['利润（元）'] + 2000,
f'最优价：{best_price["定价（元）"]}元\n利润：{best_price["利润（元）"]}元',
bbox=dict(boxstyle='round', facecolor='yellow', alpha=0.8), fontsize=10)
# 标题和标签
ax.set_title('产品定价与利润关系', fontsize=14, fontweight='bold')
ax.set_xlabel('定价（元）', fontsize=12)
ax.set_ylabel('利润（元）', fontsize=12)
ax.grid(True, alpha=0.3)
ax.legend
# 保存图片
plt.savefig('定价利润图.png', dpi=300)
plt.show
1. 数据格式要统一：比如“金额”都用“元”，“时间”都用“年/月”，避免Python计算时出错；
2. 公式别硬记：本文案例的“利润”“NPV”公式都已写好，直接替换成你的数据就能用；其实Python做经济评估，核心不是“会编程”，而是“用工具解决问题”。今天这3个案例，覆盖了零售、投资、定价最常见的场景，学会后不管是做汇报、写方案，还是帮公司做决策，你都能比别人快一步。下次再遇到“该选哪个”“值不值得投”的问题，别再凭感觉，用Python跑一遍数据，答案自然就出来了！#每天学python##经济管理##经济分析#粤明年重点项目投资计划#
来源：绿叶菜
