在当今数字化的时代，审计工作也越来越依赖于技术手段。2001年审计署开始计算机审计中级培训，最早开设的课程包括VB、ACCESS和SQL等语言的学习，SQL语言也是最早一批在审计工作中进行应用的计算机编程语言，也是包括区县级审计机关最早接触的计算机语言。Python虽然诞生于1989年，到中国的时间可以追溯到1997年，正值中国计算机科学教育和研究领域刚刚开始蓬勃发展的时期，但一直到2017年末才开始真正在中国流行。而计算机审计也在经历革新，计算机审计阶段、信息系统审计阶段以及智慧审计阶段，三个阶段的形成标志着计算机审计飞速向前发展。近年来审计计算机中级培训中开设了Python高级编程语言的学习，也是基于Python在数据分析、机器学习和自动化领域的广泛应用，Python的重要性在审计领域逐渐得到认可。目前，区县级财政预算执行审计中普遍应用SQL关系型数据库语言对数据库表单进行分析处理。随着智慧审计应用技术的深入发掘，新应用场景的开发，需要更多的计算机技术进行支撑。SQL、Python等数据库编程语言的学习，同样是基于越来越复杂的智慧审计应用环境，便于让审计人员更好的适应未来信息技术的发展。

　　一、SQL和Python在财政审计应用场景中的结合

　　为了更加高效的完成数据分析工作，完成从数据分析到疑点表“一键式”操作，提高审计效率，审计组利用“SQL+Python”在财政审计应用场景中的进行结合应用。如开展对本级财政一体化数据分析，相关的数据表单在SQL数据库中进行查询分析，利用Python链接SQL数据库中的“zqczsj”（区级财政一体化数据）数据库中的“zfmx”（国库集中支付明细）数据库表单，查询预算单位名称为“某单位”的支付数据情况，并将疑点自动生成“疑点表.xlsx”，步骤简述如下：

　　1.导入pymssql和pandas库，并设置数据库连接信息。

　　2.使用pymssql.connect()方法建立与数据库的连接，并创建一个数据库游标对象（cursor）。

　　3.定义查询语句（query），该语句从SQL数据库中选择所有列，但只包括“预算单位名称”字段包含特定字符串（这里是某单位）的记录，使用游标对象的execute()方法执行查询。

　　4.获取查询结果：从游标的描述信息中提取查询结果的列名称，用fetchall()方法获取所有查询结果，将查询结果转换为DataFrame，同时使用pandas库的DataFrame方法，将查询结果转换为DataFrame对象，列名为之前提取的列名称，保存查询结果到Excel文件，指定要保存的Excel文件名为“疑点表.xlsx”。

　　运行后显示结果如下：

　　疑点表内容：

　　二、Python相对SQL在对于非结构化数据处理优势

　　SQL和Python都可以用于处理数据，但对于非结构化数据的处理，它们的优势有所不同。SQL主要用于关系型数据库管理系统（RDBMS），擅长处理结构化数据，如表格形式的数据。它提供了强大的查询和操作功能，能够高效地对结构化数据进行筛选、排序、聚合等操作。SQL的优势在于其简洁性和效率，特别适用于大规模数据的处理和分析。然而，对于非结构化数据，如文本、图像、音频、视频等，SQL的处理能力相对有限。非结构化数据通常需要更复杂的处理方法，例如文本识别、音频分析等。Python具有丰富的库和工具，可用于处理各种类型的数据，包括非结构化数据。Python的优势在于其灵活性和可扩展性，可以通过编写自定义的代码和使用相关的库来处理非结构化数据。因此，如果是处理结构化数据，SQL可能是更合适的选择，因为它提供了高效的查询和数据管理功能，但对于非结构化数据处理，Python可能更具优势，因为它提供了更灵活的编程接口和丰富的工具库。以下是在财政审计中利用Python处理常用的文本资料，查找出高频词，锁定审计重点事项的实例，代码简要说明如下：

　　1、导入os、win32com.client、jieba、pandas、matplotlib、PIL、wordcloud、numpy库。

　　2.定义process_file函数，接收输入和输出文件夹的路径作为参数，使用win32com.client打开Word应用程序，并遍历输入文件夹中的所有Word文档，对每个文档读取其内容，并提取文本段落，将提取的文本段落保存到一个列表中。

　　3.定义jieba_text函数，该函数接收一个包含文本的列表作为参数，对列表中的每个文本进行分词处理。

　　4、定义data_stu函数，接收分词后的文本列表作为参数，将所有分词结果合并，并按空格分割成单词列表，使用collections.Counter统计每个单词的频率，创建一个pandas DataFrame，包含单词及其频率。

　　综上所述，从读取Word文档、文本提取、分词处理、频率统计到生成词云图像，都包含在内，通过输入文件夹路径来指定要处理的文档，最终生成可视化图像。如查询“区2022年预算执行情况和2023年预算草案的报告”，找出高频词，运行后显示结果如下：

　　三、Python相对SQL在结构化数据可视化的图形方面优势

　　SQL和Python在数据分析和可视化方面各有优势，SQL在数据查询和管理方面非常强大，而Python在数据处理和可视化方面更具灵活性，python拥有丰富的可视化库，如Matplotlib、Seaborn、Plotly等，这些库提供了丰富的图形类型和高度可定制的样式。相比之下，虽然SQL Server等工具也提供了一定的数据可视化功能，但其种类和灵活性通常不如Python。其次，python的数据处理与可视化的整合方面也具有优势，Python可以方便地与其他数据处理和分析库（如Pandas、NumPy等）集成，使得数据处理和可视化过程更加顺畅，而SQL主要用于数据查询和管理，虽然也可以生成一些基本的图表，但在数据处理的复杂性和灵活性上通常不如Python。区县审计机关在财政审计中通常会关注被审计单位资产、负债等变动情况，笔者通过“pandas”和“matplotlib”库对资产类部分科目2021年至2023年末数据进行图形化分析，代码简要说明如下：

　　1.导入pandas、matplotlib.pyplot库。

　　2.使用pd.read_excel函数读取Excel文件，将数据存储在df这个DataFrame对象中。

　　3.设置图形大小，并绘制柱状图，使用plt.bar函数绘制柱状图，分别展示2021年末、2022年末和2023年末的资产情况，并通过调整position参数来控制每个柱状图的位置，使它们并排显示，同时设置不同的颜色来区分不同的年份。

　　4.使用plt.legend()添加图例，以区分不同年份的数据，并使用plt.xlabel、plt.ylabel和plt.title分别设置x轴标签、y轴标签和图形标题，使用plt.show()输出图像。

　　通过对Excel表单中资产类科目金额分析，用柱状可视化图形查看各科目近三年的变动趋势，结果如图：

　　审计大数据分析从SQL过渡到Python是技术进步和审计需求变化的必然结果，这一转变的背后有几个关键驱动力，包括数据复杂性的增加、分析需求的深化以及Python社区的繁荣，此外，Python的易读性和易学性也使得它在审计领域得到更广泛的应用，这种转变将提高审计工作的效率和准确性，有助于审计机关更好地履行职责，维护财经纪律和市场秩序。