【腾讯云 Cloud Studio 实战训练营】GPT+Cloud Studio快速完成Excel工资自动核算

随着业务规模的不断扩大，工资核算变得更加复杂而重要。然而，仍有许多组织依赖传统的Excel方法进行工资核算，这可能导致效率低下、风险增加以及员工薪资的准确性受到影响。在这个数字化时代，我们面临一个关键问题：如何在面对庞大的数据量和高要求的准确性时，找到一种更智能、更高效的工资核算解决方案？这正是GPT技术和云集成开发环境（IDE）的结合所带来的创新。将人工智能引入工资核算领域，意味着我们可以让计算

艾派森

21660人浏览 · 2023-07-29 17:03:38

艾派森 · 2023-07-29 17:03:38 发布

🤵‍♂️ 个人主页：@艾派森的个人主页

✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

前言

随着业务规模的不断扩大，工资核算变得更加复杂而重要。然而，仍有许多组织依赖传统的Excel方法进行工资核算，这可能导致效率低下、风险增加以及员工薪资的准确性受到影响。在这个数字化时代，我们面临一个关键问题：如何在面对庞大的数据量和高要求的准确性时，找到一种更智能、更高效的工资核算解决方案？

这正是GPT技术和云集成开发环境（IDE）的结合所带来的创新。将人工智能引入工资核算领域，意味着我们可以让计算机自动处理和分析数据，从而减少人为错误的风险。Cloud Studio则为这一创新提供了完美的舞台，它为我们提供了一个灵活的开发环境，让我们能够轻松构建和部署智能化的工资核算系统。在这篇博文中，我们将深入研究如何通过GPT技术与Cloud Studio，实现Excel工资的自动化核算，从而使核算过程更加高效、精确，为企业管理带来全新的可能性。无论您是人力资源专业人士、财务管理者，还是对新技术充满好奇，本文都将为您揭示一个变革的前景，让您在工资核算的道路上走得更稳更远。

一、Cloud Studio产品介绍

Cloud Studio 是基于浏览器的集成式开发环境（IDE），为开发者提供了一个永不间断的云端工作站。用户在使用 Cloud Studio 时无需安装，随时随地打开浏览器就能在线编程。

Cloud Studio 作为在线 IDE，包含代码高亮、自动补全、Git 集成、终端等 IDE 的基础功能，同时支持实时调试、插件扩展等，可以帮助开发者快速完成各种应用的开发、编译与部署工作。

同时 Cloud Studio 也对所有新老用户考虑每月赠送 3000 分钟的工作空间免费时长。这里上手非常简单操作界面跟我们使用的 VS Code 操作界面类似。

二、注册 Cloud Studio

这里注册 Cloud Studio 非常方便，有三种注册方式

使用CODING账号注册
使用微信授权注册
使用GitHub授权注册

由于 CODING 和 Cloud Studio 实现了账号互通，我们可以用 CODING 账号登录，完成账号授权。

注册好之后登录即可，接下来我们回到 Cloud Studio 进入了控制台，这里有非常多的模版供我们使用。

顺带提一下，云集成开发环境（IDE）这种产品对我而言，最显著的优点在于，无需在本地手动配置各种开发环境。传统情况下，为了学习某种语言或框架，我常常需要在自己的电脑上搭建各种开发环境，结果可能导致电脑中安装了许多开发环境，但实际使用的并不多。此外，不同语言或同一语言的不同版本之间常常会出现配置冲突，进一步影响了我的开发环境。然而，云IDE则以其独特的优势迎刃而解。它让我能够随心所欲地学习和实践各种语言，一键启动即可，不再为复杂的配置和环境污染烦恼。

三、案例实操

当准备好工具后，我们开始实际操作。正确地与 GPT 进行提问或表达需求是一门很有讲究的技艺。作为信息的接收者，你需要具备分辨信息准确性的能力。举个例子，如果 GPT 给你一个 Python 代码，你可能会一头雾水，甚至费劲地将代码复制到编辑器中尝试运行。然而，对于具备辨别能力的人来说，他们可以迅速地发现问题，并根据接下来的信息来修复这个“漏洞”。

1、实验案例介绍

由于实验关系，我们来一个比较简单的工资核算的例子（不去测算五险一金）
请运用财务部门提供的数据（salary.xlsx)，根据表格中的数据核算出最终每个人的实发工资。

规则如下

当前表格中，考勤扣除金额、个税扣除、实发工资目前是空缺的，最终生成的数据需要将上述三列的数据分别根据以下规则填充。

1、迟到次数核算方法：

3次以内不扣除
3次以上每多1次扣除100（也就是第4次开始）

2、个税扣除核算方法：

个税扣除 = 基础工资 - 五险一金扣除 - 考勤扣除金额，然后进行以下方式核算：

不考虑个税起征点。
收入中不超过3000元的按3%税率缴纳个税。
3000元-12000元的按10%税率缴纳个税。
超过12000元不高于25000元的按税率20%计算。
25000元-35000元的按税率25%计算。
35000元-55000元的按税率30%计算。
55000元-80000元的按税率35%计算。

3、将算出的结果填充到salary.xlsx表中

考前扣除金额填充至原文件中。
个税扣除填充至原文件中。
实发工资填充至原文件中。

4、新建一个文件将表格中的数据在Cloud Studio终端中输出

2、启动开发环境

本次实验，我们是使用 Python 完成一个Excel表数据中的自动计算及填充，代码逻辑让GPT帮我们实现，我们只需在Cloud Studio 提供的环境中进行验证即可。

点击完毕后，环境会自动开始配置，正常情况下大概1-2分钟左右，开发环境就配好了。

启动成功后，我们进入了一个欢迎界面

通过对代码和README的简单解读我们发现，这是一个默认的Flask项目搭建起来的临时页面。我们在终端处查看一下Python的版本是否符合我们的预期。

可以看到version 3.11.1还是比较新的一个版本。这个页面我们先放着，本次的实验也用不上Flask，我们后续直接在这个环境的根目录里创建新文件进行操作。

3、上传实验数据

实验数据下载

下载完毕后，我们将它上传至Cloud Studio的 Python环境的根目录中去。

上传完毕后，不要用云IDE去打开他。（想看原始数据是怎么样的可以在本地查看）

成功之后，我们在Cloud Studio中创建我们准备开始编写代码的文件。例如我叫demo.py

4、使用GPT辅助编程

读文件，并将数据存储至Excel中，最后打印输出。

将代码粘贴至 Cloud Studio中，然后运行（注意要把最顶部的Python去掉，那只是告诉你这是python代码，直接一起粘贴进去会报错的。）

为了避免污染原数据，我们在运行之前先将计算结果写回Excel表格到代码注释掉。

粘贴并运行后，发现默认的环境中没有pandas库，OK！我们安装一下。如果下面出现 Successfully 则说明安装成功。

pip install pandas

接下来再次运行 demo.py ，这次又报错了，因为 pandas 库的有些函数是依于 openpyxl 的，看来这个默认环境中也没有安装，我们继续安装一下。

pip install openpyxl

安装成功，我们再来运行一下 demo.py

可以看到，它已经将考勤扣除金额计算出来了，现在还差个税扣除和实发工资，我们继续“念咒”。

我们把代码贴进 Cloud Studio

为了避免污染原数据集，我们将结果保存为新的excel文件，然后运行代码

可以观察到，成功地获得了计算结果并将其显示出来。值得一提的是，在这里我想强调，即使你只是简单地请求某种操作（类似于“念咒”），你也必须具备正确判断结果的能力。如果你不能熟练地掌握操作的方法，那么完成任务的效率将会很低。

5、上传并保存代码

如果你想保存你代码或者等下次继续开发的话，可以按照如下步骤：

这样，在你下次进入Cloud Studio的时候直接可以从模版中启动，继续开发。

6、关闭工作空间

直接关闭浏览器窗口，是无法关闭我们的空间状态的，所以需要到模版中停止按钮。

7、实操完整代码

import pandas as pd

# 读取Excel文件
file_path = 'salary.xlsx'
df = pd.read_excel(file_path)

# 计算考勤扣除金额
def calculate_deduction(row):
    if row['迟到次数'] <= 3:
        return 0
    else:
        return (row['迟到次数'] - 3) * 100

df['考勤扣除金额'] = df.apply(calculate_deduction, axis=1)

# 计算个税扣除和实发工资
def calculate_tax_and_net_salary(row):
    taxable_income = row['工资基数'] - row['五险一金扣除'] - row['考勤扣除金额']
    if taxable_income <= 3000:
        tax = taxable_income * 0.03
    elif 3000 < taxable_income <= 12000:
        tax = taxable_income * 0.1
    elif 12000 < taxable_income <= 25000:
        tax = taxable_income * 0.2
    elif 25000 < taxable_income <= 35000:
        tax = taxable_income * 0.25
    elif 35000 < taxable_income <= 55000:
        tax = taxable_income * 0.3
    elif 55000 < taxable_income <= 80000:
        tax = taxable_income * 0.35
    else:
        tax = taxable_income * 0.45
    net_salary = row['工资基数'] - row['五险一金扣除'] - row['考勤扣除金额'] - tax
    return tax, net_salary

df[['个税扣除', '实发工资']] = df.apply(calculate_tax_and_net_salary, axis=1, result_type='expand')

# 将计算结果写回Excel表格
df.to_excel('salary_output.xlsx', index=False)

# 打印整个表格数据
print(df)

四、总结

本次实验我们使用GPT+Cloud Studio平台快速完成了Excel工资自动核算，可以发现两者的结合大大提高了我们的工作效率，具有很大的发展潜力。该方法简化了复杂的工资核算流程，显著提高了效率，并减少了因人为错误而导致的问题。借助GPT的强大自然语言处理能力，我们可以通过简单的问题描述直接与系统进行交互，无需编写复杂的代码或进行繁琐的数据处理。这使得即使非专业人员也能够轻松地进行工资核算，降低了培训成本。

尽管实验结果令人满意，但我们也应该意识到一些局限性。由于GPT是基于已有数据进行训练的，对于一些特定领域的问题，可能存在理解不够全面或准确的情况。在应用时，应该明确问题描述，避免产生误导性的问题，以确保获得准确的回答。此外，对于大规模企业的工资核算，可能需要更复杂的系统和更大规模的数据训练，以确保高度准确和高效。

最后给腾讯云 Cloud Studio提一个小小的建议，可以考虑将GPT-3.5或类似的自然语言处理模型集成到Cloud Studio中，使开发者能够通过自然语言进行代码编写、调试和项目管理等操作。这样的集成将提高开发者的工作效率，尤其对于不熟悉编程语言的人员，使其也能参与到项目开发中。