第 1章 Python與數(shù)據(jù)分析工具 001
1.1　Python概述　001
1.1.1　編程語言　001
1.1.2　Python語言　002
1.2　數(shù)據(jù)分析工具Anaconda　002
1.2.1　Anaconda簡介　002
1.2.2　Anaconda安裝　003
1.3　數(shù)據(jù)分析工具Jupyter Notebook　005
1.3.1　Jupyter Notebook簡介　005
1.3.2　IPython與Jupyter Notebook　006
1.3.3　使用Jupyter Notebook編程　007
【Python財務(wù)數(shù)據(jù)分析】普通
年金現(xiàn)值計算　007
本章小結(jié)　010
習(xí)題　010
第　2章 Python編程　012
2.1　Python標(biāo)識符和關(guān)鍵字　012
2.1.1　標(biāo)識符　012
2.1.2　關(guān)鍵字　013
2.2　Python對象與變量　014
2.2.1　對象　014
2.2.2　典型的Python對象　015
2.2.3　變量　015
2.3　Python表達式與解析　017
2.3.1　表達式　017
2.3.2　運算符　017
2.3.3　定界符　019
2.3.4　表達式解析　019
2.4　Python工作原理簡述　020
2.4.1　Python解釋器　020
2.4.2　Python工作原理　020
2.5　Python數(shù)據(jù)類型　021
2.5.1　數(shù)據(jù)類型簡單數(shù)據(jù)類型　021
2.5.2　字符串　022
2.5.3　列表與元組　028
2.5.4　字典與集合　032
2.6　Python程序流程控制　040
2.6.1　選擇結(jié)構(gòu)　040
2.6.2　while循環(huán)結(jié)構(gòu)　042
2.6.3　for循環(huán)結(jié)構(gòu)　042
2.6.4　特殊流程控制　042
2.7　可迭代對象、推導(dǎo)式、
　生成器　043
2.7.1　可迭代對象　043
2.7.2　推導(dǎo)式　044
2.7.3　生成器　044
【Python財務(wù)數(shù)據(jù)分析】根據(jù)
企業(yè)營業(yè)收入等判定企業(yè)類型　045
本章小結(jié)　047
習(xí)題　047
第3章　Python編程進階　051
3.1　Python函數(shù)　051
3.1.1　Python函數(shù)定義　051
3.1.2　Python函數(shù)執(zhí)行　052
3.1.3　Python函數(shù)調(diào)用　052
3.1.4　Python函數(shù)參數(shù)傳遞　052
3.1.5　lambda表達式　055
3.1.6　Python內(nèi)置函數(shù)　055
3.2　函數(shù)式編程　056
3.2.1　函數(shù)式編程的含義　057
3.2.2　高階函數(shù)　057
3.3　面向?qū)ο蟪绦蛟O(shè)計　060
3.3.1　面向?qū)ο蟮南嚓P(guān)術(shù)語　060
3.3.2　Python類的定義　061
3.3.3　簡單類和實例　061
3.3.4　構(gòu)造函數(shù)與實例化　061
3.3.5　訪問實例屬性和調(diào)用實例
　方法　062
3.3.6　類變量、實例變量、類中的局部
　變量　062
3.3.7　實例方法、類方法和靜態(tài)
　方法　063
3.3.8　Python繼承機制及其使用
　方法　064
3.3.9　Python的多態(tài)　066
3.4　Python模塊與庫　067
3.4.1　Python模塊與庫概述　067
3.4.2　pip工具　067
3.4.3　import用法　068
3.5　Python名字空間與變量
　作用域　069
3.5.1　名字空間　069
3.5.2　變量作用域　070
3.6　Python文件管理　073
3.6.1　文件路徑管理　074
3.6.2　Python文件對象　075
3.7　Python異常處理機制　077
3.7.1　Python異常處理　077
3.7.2　raise語句用法　079
3.7.3　Python上下文處理　079
【Python財務(wù)數(shù)據(jù)分析】普通
年金現(xiàn)值系數(shù)表　080
本章小結(jié)　082
習(xí)題　083
第4章　NumPy數(shù)據(jù)科學(xué)基礎(chǔ)　086
4.1　NumPy基礎(chǔ)　086
4.1.1　NumPy ndarray對象　086
4.1.2　NumPy區(qū)間數(shù)組　088
4.1.3　NumPy廣播機制　089
4.2　隨機函數(shù)　090
4.2.1　Python標(biāo)準(zhǔn)庫random　090
4.2.2　np.random模塊　092
4.3　NumPy常用數(shù)學(xué)運算函數(shù)　093
【Python財務(wù)數(shù)據(jù)分析】A股
上市公司歷年每股收益指標(biāo)統(tǒng)計
分析　094
本章小結(jié)　096
習(xí)題　096
第5章　Pandas數(shù)據(jù)分析基礎(chǔ)　100
5.1　Pandas基礎(chǔ)　100
5.1.1　Pandas簡介　100
5.1.2　Pandas基本數(shù)據(jù)對象　100
5.2　Pandas數(shù)據(jù)文件讀寫　105
5.2.1　數(shù)據(jù)文件的讀取與寫入　106
5.2.2　read_excel()函數(shù)　106
5.2.3　讀取文本文件　108
5.2.4　to_excel()函數(shù)　108
5.3　Pandas Index對象　109
5.3.1　認(rèn)識Pandas Index對象　109
5.3.2　創(chuàng)建Pandas Index對象　109
5.3.3　Pandas Index對象方法　110
5.3.4　設(shè)置索引　111
5.4　Pandas數(shù)據(jù)切片與提取　113
5.4.1　下標(biāo)引用　113
5.4.2　屬性訪問　114
5.4.3　標(biāo)簽索引　114
5.4.4　位置索引　115
5.4.5　多層索引的數(shù)據(jù)提取　116
5.4.6　數(shù)據(jù)賦值　116
5.5　Pandas常用方法　116
5.5.1　數(shù)據(jù)信息查詢方法　117
5.5.2　數(shù)據(jù)統(tǒng)計描述方法　117
5.5.3　Pandas排序方法　119
5.5.4　Pandas遍歷方法　119
【Python財務(wù)數(shù)據(jù)分析】A股
上市公司基本信息統(tǒng)計分析　120
本章小結(jié)　123
習(xí)題　123
第6章　Pandas數(shù)據(jù)清洗與函數(shù)
　應(yīng)用　126
6.1　Pandas對象的運算與對齊　126
6.1.1　NumPy的NaN　126
6.1.2　Series運算　127
6.1.3　DataFrame運算　127
6.2　Pandas數(shù)據(jù)清洗　128
6.2.1　處理缺失數(shù)據(jù)　128
6.2.2　處理重復(fù)值　131
6.2.3　替換數(shù)據(jù)　132
6.3　函數(shù)應(yīng)用　132
6.3.1　Pandas函數(shù)應(yīng)用概述　132
6.3.2　鏈?zhǔn)讲僮鳌?33
6.3.3　pipe()函數(shù)　133
6.3.4　apply()函數(shù)　134
6.3.5　applymap()和map()函數(shù)　135
【Python財務(wù)數(shù)據(jù)分析】財務(wù)
報表文件數(shù)據(jù)清洗和運算　136
本章小結(jié)　138
習(xí)題　138
第7章　Pandas數(shù)據(jù)集處理　142
7.1　數(shù)據(jù)變形　142
7.1.1　長表和寬表的變形　142
7.1.2　pivot()函數(shù)　143
7.1.3　pivot_table()函數(shù)　144
7.1.4　melt()函數(shù)　145
7.1.5　wide_to_long()函數(shù)　147
7.2　數(shù)據(jù)分組　148
7.2.1　groupby()函數(shù)　148
7.2.2　分組操作　148
7.2.3　GroupBy對象　150
7.2.4　組應(yīng)用函數(shù)　151
7.3　數(shù)據(jù)連接　152
7.3.1　關(guān)系型數(shù)據(jù)操作　152
7.3.2　值連接函數(shù)merge()　154
7.3.3　索引連接函數(shù)join()　156
7.3.4　數(shù)據(jù)拼接函數(shù)concat()　158
【Python財務(wù)數(shù)據(jù)分析】A股
上市公司行業(yè)分類處理　160
本章小結(jié)　163
習(xí)題　163
第8章　數(shù)據(jù)可視化　166
8.1　Matplotlib入門　166
8.1.1　數(shù)據(jù)可視化　166
8.1.2　Matplotlib繪圖過程　166
8.1.3　Matplotlib繪圖對象　168
8.2　定量數(shù)據(jù)和定性數(shù)據(jù)　174
8.2.1　定性與定量相關(guān)概念　174
8.2.2　數(shù)據(jù)類型　175
【Python財務(wù)數(shù)據(jù)分析】財務(wù)
數(shù)據(jù)的可視化基礎(chǔ)圖形　175
本章小結(jié)　188
習(xí)題　188
第9章　Python財務(wù)數(shù)據(jù)分析
　進階　192
9.1　文本數(shù)據(jù)處理　192
【Python財務(wù)數(shù)據(jù)分析】上市
公司基本信息文本數(shù)據(jù)處理　192
9.2　時間序列數(shù)據(jù)分析　195
【Python財務(wù)數(shù)據(jù)分析】財務(wù)
數(shù)據(jù)的時間序列數(shù)據(jù)分析　195
9.3　基于機器學(xué)習(xí)的財務(wù)應(yīng)用　199
【Python財務(wù)數(shù)據(jù)分析】基于
上市公司年報財務(wù)指標(biāo)的機器學(xué)習(xí)
財務(wù)應(yīng)用　199
參考文獻　204