#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 生命科学销售部 · 销售额明细（2026-08-22 ~ 2026-09-28）· 自包含 HTML ===================================================================== 数据源（唯一）： ① 订单 ~/Desktop/Hermes输出-工作类/销售分析/销售订单_20260101-20260928.xlsx（ERP 导出） ② 组织架构 ~/Desktop/hermas输入-工作台数据库/销售组织架构/统一工作台运行及授权.xlsx 「人员清单」 口径（可勾稽，不做任何估算）： · 销售额 = Σ「价税合计」，条件：单据类型 ≠ 预测订单 且 价税合计 > 0 - 赠品行「是否赠品=是」全为 0 元，自动排除（实测 17,989 行金额恒为 0） - 预测订单（单据编号 FO 开头）全期 61 行 / 33.14 万，按既定铁律不计销售 - 「测试销售订单」14,517 行全为 0 元赠品，不计 · 部门归属取「人员清单」的『部门』列；区域取『区域』列，浙江科研*/广州科研* 归并为两大区 · 期间 = 合同日期 ∈ [2026-08-22, 2026-09-28]（ERP 数据截至 9/28） 输出：销售分析/生命科学销售部_销售额明细_20260822-20260928.html """ import io import json import os import sys import warnings import pandas as pd warnings.filterwarnings('ignore') BASE = os.path.expanduser('~/Desktop/Hermes输出-工作类') sys.path.insert(0, os.path.join(BASE, '脚本')) import brand_kit as BK # noqa: E402 ORDER_XLSX = os.path.join(BASE, '销售分析/销售订单_20260101-20260928.xlsx') ORG_XLSX = os.path.expanduser('~/Desktop/hermas输入-工作台数据库/销售组织架构/统一工作台运行及授权.xlsx') OUT = os.path.join(BASE, '销售分析/生命科学销售部_销售额明细_20260822-20260928.html') A = pd.Timestamp('2026-08-22') B = pd.Timestamp('2026-09-28') DEPT = '生命科学销售部' def norm_region(r): r = str(r) if '浙江' in r: return '浙江大区' if '广州' in r: return '广州大区' return r # ───────────────────── 1. 读数据 ───────────────────── df = pd.read_excel(ORDER_XLSX, sheet_name='Sheet1') df['合同日期'] = pd.to_datetime(df['合同日期'], errors='coerce') df['价税合计'] = pd.to_numeric(df['价税合计'], errors='coerce').fillna(0) df['销售数量'] = pd.to_numeric(df['销售数量'], errors='coerce').fillna(0) org = pd.read_excel(ORG_XLSX, sheet_name='人员清单') dept = org[org['部门'] == DEPT][['销售员', '区域', '角色', '是否在职']].copy() # 销售额口径 sales = df[(df['单据类型'] != '预测订单') & (df['价税合计'] > 0)].copy() # 全公司同窗口（做占比分母） comp = sales[(sales['合同日期'] >= A) & (sales['合同日期'] <= B)] COMP_TOTAL = comp['价税合计'].sum() # 本部门 win = comp[comp['销售员'].isin(dept['销售员'])].merge(dept, on='销售员', how='left') win['大区'] = win['区域'].map(norm_region) win['期段'] = win['合同日期'].map(lambda d: 'A' if d < pd.Timestamp('2026-09-01') else 'B') TOTAL = win['价税合计'].sum() NDAYS = (B - A).days + 1 def wan(v): return round(float(v) / 1e4, 2) # ───────────────────── 2. 汇总 ───────────────────── people = [] for _, r in dept.iterrows(): sub = win[win['销售员'] == r['销售员']] people.append({ '销售员': r['销售员'], '大区': norm_region(r['区域']), '区域': r['区域'], '角色': r['角色'], '在职': r['是否在职'], 'a': wan(sub[sub['期段'] == 'A']['价税合计'].sum()), 'b': wan(sub[sub['期段'] == 'B']['价税合计'].sum()), 'amt': wan(sub['价税合计'].sum()), 'cust': int(sub['客户'].nunique()), 'ord': int(sub['单据编号'].nunique()), 'lines': int(len(sub)), }) for p in people: p['pct'] = round(p['amt'] / (TOTAL / 1e4) * 100, 1) if TOTAL else 0.0 p['avg'] = int(round(p['amt'] * 1e4 / p['ord'])) if p['ord'] else 0 people.sort(key=lambda x: -x['amt']) active = [p for p in people if p['amt'] > 0] regions = [] for rg, g in win.groupby('大区'): amt = g['价税合计'].sum() regions.append({ '大区': rg, '人数': int(g['销售员'].nunique()), 'ord': int(g['单据编号'].nunique()), 'cust': int(g['客户'].nunique()), 'amt': wan(amt), 'pct': round(amt / TOTAL * 100, 1) if TOTAL else 0.0, 'avg': int(round(amt / g['单据编号'].nunique())) if g['单据编号'].nunique() else 0, }) regions.sort(key=lambda x: -x['amt']) cust_rows = [] for c, g in win.groupby('客户'): top = g.groupby('销售员')['价税合计'].sum().idxmax() cust_rows.append({'客户': c, '大区': norm_region(g['大区'].iloc[0]), 'amt': wan(g['价税合计'].sum()), 'ord': int(g['单据编号'].nunique()), 'by': top}) cust_rows.sort(key=lambda x: -x['amt']) sku_rows = [] for k, g in win.groupby('货号#'): nm = g['物料名称'].dropna().iloc[0] if len(g['物料名称'].dropna()) else '' sku_rows.append({'货号': k, '名称': str(nm)[:46], 'qty': round(float(g['销售数量'].sum()), 1), 'amt': wan(g['价税合计'].sum()), 'cust': int(g['客户'].nunique())}) sku_rows.sort(key=lambda x: -x['amt']) daily = [] for d, g in win.groupby(win['合同日期'].dt.date): daily.append({'d': str(d), 'ord': int(g['单据编号'].nunique()), 'amt': wan(g['价税合计'].sum())}) daily.sort(key=lambda x: x['d']) DMAX = max([x['amt'] for x in daily] or [1]) # 供「索引」用的原始记录 raw = [{ '日期': str(r['合同日期'].date()), '单据编号': r['单据编号'], '客户': r['客户'], '销售员': r['销售员'], '大区': r['大区'], '区域': r['区域'], '货号': r['货号#'], '物料名称': r['物料名称'], '数量': float(r['销售数量'] or 0), '价税合计': float(r['价税合计']), } for _, r in win.sort_values('合同日期', ascending=False).iterrows()] # ───────────────────── 3. HTML ───────────────────── def kpi(v, l, s=''): return ('
%s
%s
' '
%s
' % (v, l, s)) REG_OPTS = ''.join('' % r['大区'] for r in regions) HTML = r""" 生命科学销售部 · 销售额明细（2026-08-22 ~ 09-28）

生命科学销售部 · 销售额明细

统计区间：2026-08-22 ~ 2026-09-28（__NDAYS__ 天，ERP 数据截至 2026-09-28） ·  部门口径：组织架构「人员清单」部门 = 生命科学销售部（__NPEOPLE__ 人，含 __NOFF__ 人离职） ·  销售额口径：Σ 价税合计，剔除赠品与预测订单
__KPIS__

一、按人（含区域）

销售员↕ 大区↕ 区域↕ 角色↕ 状态↕ 8/22–8/31（万）↕ 9/1–9/28（万）↕ 合计（万）↕ 占比%↕ 客户数↕ 订单数↕ 单均（元）↕

二、按区域

大区↕ 出单人数↕ 客户数↕ 订单数↕ 销售额（万）↕ 占比%↕ 单均（元）↕

三、按日走势

__BARS__

四、客户明细

客户↕ 大区↕ 销售额（万）↕ 订单数↕ 主跟销售↕

五、主销货号

货号↕ 品名↕ 数量↕ 销售额（万）↕ 客户数↕

六、口径说明与可勾稽项

① 销售额定义：单据类型 ≠ 预测订单 且 价税合计 > 0 的行求和。
  · 赠品行（是否赠品 = 是）全期 __GIFTROWS__ 行，金额恒为 0 元，故不影响合计；
  · 预测订单（单据编号 FO 开头）全期 __FOROWS__ 行 / __FOAMT__ 万，按既定铁律不计销售；
  · 「测试销售订单」全期 __TESTROWS__ 行，全部为 0 元赠品，不计。
② 勾稽：本表生命科学部合计 __TOTAL__ 万 = 9月段 __SEP__ 万 + 8月段 __AUG__ 万； 其中 9 月段与既有月报口径「生命科学 6.9 万」一致 ✔
③ 部门归属：取组织架构「人员清单」的『部门』列，不按产品线推断。名单 __NPEOPLE__ 人中， __NOFF__ 人已离职（本区间无销售额），故实际出单 __NACT__ 人。
④ 未计入：刘新元（销售总监，可下单产品线含「生命科学+诊断原料」）同期 __LXAMT__ 万—— 其部门归属为「诊断原料销售部」，不计入本部门；如需并入请告知。
⑤ 数据源：销售分析/销售订单_20260101-20260928.xlsx（ERP 导出）+ 销售组织架构/统一工作台运行及授权.xlsx。全公司同区间合计 __COMPTOTAL__ 万。

七、底层数据（可索引）

原始记录 = 本区间生命科学部全部有效销售行（日期 / 单号 / 客户 / 销售员 / 大区 / 货号 / 数量 / 价税合计）， 共 __NRAW__ 行，按日期倒序。
""" # 填充占位符 kpis = ( kpi('%.2f 万' % wan(TOTAL), '区间销售额', '占全公司 %.1f%%' % (TOTAL / COMP_TOTAL * 100)) + kpi('%d 人' % len(active), '出单人数', '编制 %d 人 / 离职 %d 人' % (len(dept), sum(1 for p in people if p['在职'] != '在职'))) + kpi('%d' % int(win['客户'].nunique()), '成交客户数', '共 %d 个订单' % int(win['单据编号'].nunique())) + kpi('%.2f 万' % wan(win[win['期段'] == 'B']['价税合计'].sum()), '9/1–9/28', '8/22–8/31 %.2f 万' % wan(win[win['期段'] == 'A']['价税合计'].sum())) + kpi('%d' % int(win['单据编号'].nunique() and round(TOTAL / win['单据编号'].nunique())), '单均（元）', '%d 天区间' % NDAYS) + kpi('%d' % len(daily), '有销售天数', '共 %d 天' % NDAYS) ) bars = ''.join( '
%s' '%.2f 万
' % (x['d'], x['amt'] / DMAX * 100 if DMAX else 0, x['amt']) for x in daily) lx = comp[comp['销售员'] == '刘新元']['价税合计'].sum() HTML = (HTML .replace('__NDAYS__', str(NDAYS)) .replace('__NPEOPLE__', str(len(dept))) .replace('__NOFF__', str(sum(1 for p in people if p['在职'] != '在职'))) .replace('__NACT__', str(len(active))) .replace('__KPIS__', kpis) .replace('__REGOPTS__', REG_OPTS) .replace('__BARS__', bars) .replace('__TOTAL__', '%.2f' % wan(TOTAL)) .replace('__SEP__', '%.2f' % wan(win[win['期段'] == 'B']['价税合计'].sum())) .replace('__AUG__', '%.2f' % wan(win[win['期段'] == 'A']['价税合计'].sum())) .replace('__GIFTROWS__', '{:,}'.format(int((df['是否赠品'] == '是').sum()))) .replace('__FOROWS__', str(int((df['单据类型'] == '预测订单').sum()))) .replace('__FOAMT__', '%.2f' % wan(df[df['单据类型'] == '预测订单']['价税合计'].sum())) .replace('__TESTROWS__', '{:,}'.format(int((df['单据类型'] == '测试销售订单').sum()))) .replace('__COMPTOTAL__', '%.2f' % wan(COMP_TOTAL)) .replace('__LXAMT__', '%.2f' % wan(lx)) .replace('__NRAW__', str(len(raw))) .replace('__J_PEOPLE__', json.dumps(people, ensure_ascii=False)) .replace('__J_REGIONS__', json.dumps(regions, ensure_ascii=False)) .replace('__J_CUST__', json.dumps(cust_rows, ensure_ascii=False)) .replace('__J_SKU__', json.dumps(sku_rows, ensure_ascii=False)) .replace('__J_RAW__', json.dumps(raw, ensure_ascii=False))) HTML = BK.inject(HTML, theme='light', tag='营销中心 · 销售管理', footer_extra='数据源：ERP 销售订单导出（截至 2026-09-28）') v = BK.verify(HTML) assert all(v.values()), '品牌自检未过: %s' % v io.open(OUT, 'w', encoding='utf-8').write(HTML) print('✅ 已生成 %s' % OUT) print(' %d 字节 / 区间合计 %.2f 万 / 出单 %d 人 / 客户 %d 个 / 订单 %d 单 / 原始记录 %d 行' % (len(HTML.encode()), wan(TOTAL), len(active), win['客户'].nunique(), win['单据编号'].nunique(), len(raw))) print(' 品牌自检: %s' % v)