对于应收账款，作为财务的你是否在关心：谁欠钱？谁欠的多？谁欠的久？

当应收账款未能按时收回时，就会降低企业资金的使用效率，使企业效益下降。

在赊销业务中，企业发出商品并开票确认收入后，货款却不能同步到账，这种没有货款回笼的销售收入，势必会形成没有现金流入的会计利润，企业还需垫支由此产生的相关税款。

对于应收账款的管理成本、清欠过程中的中介费用等都会增加企业的现金流出，这不仅占用了大量的流动资金，还将影响企业现金流的正常运转。

在今天的案例中，为规避应收账款变成坏账的风险，小秘书将与大家分享跟应收账款账龄分析相关的实用工具，教大家如何借助数字化技术Python依据应收账款数据的“凭证日期”统计账龄。

在案例中，我们将运用先进先出的原则：

• 如果应收账款借方发生额已经实现回款，那么，这部分交易不影响我们对应收账龄的统计；
• 倒序统计应收账款余额分布在哪几笔借方发生里（定义为“实际应收”），即可按实际应收借方发生的日期统计应收账款账龄。

（在本次案例中，我们暂不考虑应收账款借方红字的情况）

一般来说，应收账款清账操作需要在核算系统中找到对应的应收账款借方凭证，然后对该笔凭证进行冲销。在这种情况下，统计应收账款账龄只需要找到未冲销的应收账款，计算凭证日期/交易日期至统计日期的间隔时长就可以了。

我们使用先进先出的方法统计截止2020/9/30的应收账龄，账龄分段格式如下：

1

数据准备

引入应收账款凭证数据：

import pandas as pd
from datetime import datetime, date
import warnings
warnings.filterwarnings("ignore")
pd.options.display.float_format = '{:,.2f}'.format
file = '财会实验数据.xlsx'
df = pd.read_excel(file, sheet_name='客户往来账')
df.fillna(0,inplace=True)
df

2

数据处理

根据实验要求，按每个客户先进先出的原则统计账龄。因此先对应收账款数据按客groupby，再在每个group中进行账龄计算，group内的账龄计算逻辑我们命名为AR函数。

def AR(x):
# 计算客户应收款余额
total = x['本币金额'].sum()
# 统计应收账款借方
df_dr = x[x['本币金额']>0]
# 按过账日期降序
df_dr = df_dr.sort_values(by=['过帐日期'],ascending=False).reset_index(drop=True)
# 应收账款先进先出，因此将余额分摊在最后几笔借方交易，一旦分摊完则停止
for index, row in df_dr.iterrows():
if total-row['本币金额']>0:
df_dr.loc[index,'实际应收'] = row['本币金额']
else:
df_dr.loc[index,'实际应收'] = total
break
total = total-row['本币金额']
return df_dr
df2 = df.groupby('客户编号',as_index=False).apply(AR)
# 找一个客户验证计算结果
df2.loc[df2['客户编号']==23500000]

过滤实际应收为空或者为0的数据（代表已清账）

df3=df2[（pd.isna(df2['实际应收']）
==False）&（df2['实际应收']！=0）
df3.loc[df3['客户编号']==23500000]

3

数据计算

计算每笔实际应收账款截止2020/9/30的账龄，账龄以月份数据表示，不足一月的按照天数/30计算小数。

enddate = date(2020, 9, 30)
def totalmonth(startdate):
return round((enddate.year-startdate.year)*12 + (enddate.month-startdate.month) + (enddate.day-startdate.day)/30,2)
df3['账龄']=df3['过帐日期'].map(totalmonth)
df3.loc[df3['客户编号']==23500000]

计算账龄区间：使用条件判断

? 当账龄小于等于3个月时，落入账龄区间 1-3月；
? 当账龄大于3个月小于等于12个月时，落入账龄区间 3月-1年；
? 当账龄大于12个月小于等于24个月时，落入账龄区间 1-2年；
? 当账龄大于36个月时，落入账龄区间 3年以上。

def age(totalmonth):
if totalmonth<=3:
age='1-3月'
elif totalmonth<=12:
age='3月-1年'
elif totalmonth<=24:
age='1-2年'
else:
age='3年以上'
return age
df3['账龄区间']=df3['账龄'].map(age)
df3.loc[df3['客户编号']==23500000]

账龄统计：

pd.pivot_table(df3,index['客户编号'],
columns=['账龄区间'],
values=['实际应收'],aggfunc=
sum,fill_value=0）

以上就是用Python自动计算应收账款账龄的操作步骤了。公司的应收账款在流动资产中具有举足轻重的地位，如果公司的应收账款能及时收回，那么公司的资金使用效率将能大幅提高！

?图片版权归财码数字化所有，如对版权有异议，请联系后台议定处理。

本文由财码数字化整理发布，如需转载请务必注明以上信息。