Python财务数据分析与应用（微课版）-图书-人邮教育社区

内容摘要

本书第1～3章重点介绍Python编程知识；第4、5章介绍NumPy和Pandas，包括数据科学基础知识、数据分析基础知识；第6～8章按照数据分析的过程，分别介绍Pandas数据清洗与函数应用、Pandas数据集处理、数据可视化；第9章介绍Python财务数据分析进阶，包括文本数据处理、时间序列数据分析、基于机器学习的财务应用等内容。
本书配套丰富的教学资源，包括PPT、教案、数据文件、以及习题参考答案和代码等，用书教师可登录人邮教育社区（www.ryjiaoyu.com）免费下载。
本书可作为高等院校会计学、财务管理等相关专业的数据分析或大数据财务相关课程的教材，也可作为财务领域工作人员学习数据分析基础知识的参考用书。

前言

财务与会计本质上是从数据到信息的过程，从数据到信息的过程也就是数据分析。在大数据和人工智能渗透到各个领域的大背景下，传统的财务与会计知识和技能本身就属于数据处理范畴。数据处理是数据分析的基础，是为数据分析服务的；而数据分析是数据处理的目的，是更有价值的工作。因此，会计学、财务管理等相关专业的学生掌握基于现代信息技术的数据分析技能至关重要。
当把数据处理与数据分析连接成职业链条时，编者发现需要相关的信息技术来支撑。因此，编者尝试以Python+Pandas的方式，满足相关专业人才培养数字化、智能化转型的需求。
本书第1～3章主要介绍Python与数据分析工具、Python编程及Python编程进阶，使读者掌握数据分析所需的程序设计能力；第4、5章介绍Python数据科学基础NumPy和数据分析基础Pandas，为读者进行数据分析打好基础；第6～8章从不同技术视角出发，介绍数据处理和数据分析的相关知识，第6章介绍如何用Pandas进行数据清洗与函数应用，第7章介绍如何用Pandas处理数据集，第8章介绍数据可视化，主要介绍Matplotlib；第9章介绍Python财务数据分析进阶，主要介绍文本数据处理、时间序列数据分析和基于机器学习的财务应用等
内容。
本书构造了完整的财务数据分析知识框架。学习完本书，读者应该可以使用Python和Pandas来完成大部分财务业务场景下的数据处理和分析工作。
编者在写作过程中贯彻以下原则。
1．理论和实践相结合。本书理论阐述通俗易懂，且尽可能避开计算机专业术语；同时本书突出财务实践，以便满足财经类专业学生对数据分析的需求。
2．案例丰富，讲解细致。本书案例丰富，讲解细致，案例数据来源于资本市场上市公司。
3．聚集应用，微课导学。本书内容讲解上聚焦于Python财务数据分析基础知识的应用，并在每章章首提供了微课导学，供读者学习使用。
以下为编者推荐的适用本书的教学方案。
方案1：若学生具备Python基础，建议教学方案包括1.1节、第4～9章，根据学生学业情况安排36～54学时。
方案2：若学生不具备Python基础，建议教学方案包括第1～9章，根据学生学业情况安排54～72学时。
本书代码文件使用Code+章号+序号进行标注，并采用“#（序号）”分项说明，如“Code2-19#（2）”表示第2章第19代码段标注为（2）的代码。
本书案例和习题中的数据集部分来源于中国研究数据服务平台（CNRDS），编者对数据进行了必要的编辑处理。
本书配套丰富的教学资源，包括PPT、教案、数据文件，以及习题参考答案和代码等，用书教师可登录人邮教育社区（www.ryjiaoyu.com）免费下载。
本书配套习题及参考答案由厦门大学博士生甄嘉华提供。编者在编写过程中参考了国内外优秀的图书和网络资源，在此向这些作品和资源的作者表示感谢。由于编者水平有限，书中难免存在不妥之处，敬请读者批评指正。

编者
2025年春于大连

第1章　Python与数据分析工具　001
1.1　Python概述　001
1.1.1　编程语言　001
1.1.2　Python语言　002
1.2　数据分析工具Anaconda　002
1.2.1　Anaconda简介　002
1.2.2　Anaconda安装　003
1.3　数据分析工具Jupyter　Notebook　005
1.3.1　Jupyter Notebook简介　005
1.3.2　IPython与Jupyter Notebook　006
1.3.3　使用Jupyter Notebook编程　007
【Python财务数据分析】——普通年金现值计算　007
本章小结　010
习题　010
第2章　Python编程　012
2.1　Python标识符和关键字　012
2.1.1　标识符　012
2.1.2　关键字　013
2.2　Python对象与变量　014
2.2.1　对象　014
2.2.2　典型的Python对象　015
2.2.3　变量　015
2.3　Python表达式与解析　017
2.3.1　表达式　017
2.3.2　运算符　017
2.3.3　定界符　019
2.3.4　表达式解析　019
2.4　Python工作原理简述　020
2.4.1　Python解释器　020
2.4.2　Python工作原理　020
2.5　Python数据类型　021
2.5.1　数据类型——简单数据类型　021
2.5.2　字符串　022
2.5.3　列表与元组　028
2.5.4　字典与集合　032
2.6　Python程序流程控制　040
2.6.1　选择结构　040
2.6.2　while循环结构　042
2.6.3　for循环结构　042
2.6.4　特殊流程控制　042
2.7　可迭代对象、推导式、生成器　043
2.7.1　可迭代对象　043
2.7.2　推导式　044
2.7.3　生成器　044
【Python财务数据分析】——根据企业营业收入等判定企业类型　045
本章小结　047
习题　047
第3章　Python编程进阶　051
3.1　Python函数　051
3.1.1　Python函数定义　051
3.1.2　Python函数执行　052
3.1.3　Python函数调用　052
3.1.4　Python函数参数传递　052
3.1.5　lambda表达式　055
3.1.6　Python内置函数　055
3.2　函数式编程　056
3.2.1　函数式编程的含义　057
3.2.2　高阶函数　057
3.3　面向对象程序设计　060
3.3.1　面向对象的相关术语　060
3.3.2　Python类的定义　061
3.3.3　简单类和实例　061
3.3.4　构造函数与实例化　061
3.3.5　访问实例属性和调用实例方法　062
3.3.6　类变量、实例变量、类中的局部变量　062
3.3.7　实例方法、类方法和静态方法　063
3.3.8　Python继承机制及其使用方法　064
3.3.9　Python的多态　066
3.4　Python模块与库　067
3.4.1　Python模块与库概述　067
3.4.2　pip工具　067
3.4.3　import用法　068
3.5　Python名字空间与变量作用域　069
3.5.1　名字空间　069
3.5.2　变量作用域　070
3.6　Python文件管理　073
3.6.1　文件路径管理　074
3.6.2　Python文件对象　075
3.7　Python异常处理机制　077
3.7.1　Python异常处理　077
3.7.2　raise语句用法　079
3.7.3　Python上下文处理　079
【Python财务数据分析】——普通年金现值系数表　080
本章小结　082
习题　083
第4章　NumPy数据科学基础　086
4.1　NumPy基础　086
4.1.1　NumPy ndarray对象　086
4.1.2　NumPy区间数组　088
4.1.3　NumPy广播机制　089
4.2　随机函数　090
4.2.1　Python标准库random　090
4.2.2　np.random模块　092
4.3　NumPy常用数学运算函数　093
【Python财务数据分析】——A股上市公司历年每股收益指标统计分析　094
本章小结　096
习题　096
第5章　Pandas数据分析基础　100
5.1　Pandas基础　100
5.1.1　Pandas简介　100
5.1.2　Pandas基本数据对象　100
5.2　Pandas数据文件读写　105
5.2.1　数据文件的读取与写入　106
5.2.2　read_excel()函数　106
5.2.3　读取文本文件　108
5.2.4　to_excel()函数　108
5.3　Pandas Index对象　109
5.3.1　认识Pandas Index对象　109
5.3.2　创建Pandas Index对象　109
5.3.3　Pandas Index对象方法　110
5.3.4　设置索引　111
5.4　Pandas数据切片与提取　113
5.4.1　下标引用　113
5.4.2　属性访问　114
5.4.3　标签索引　114
5.4.4　位置索引　115
5.4.5　多层索引的数据提取　116
5.4.6　数据赋值　116
5.5　Pandas常用方法　116
5.5.1　数据信息查询方法　117
5.5.2　数据统计描述方法　117
5.5.3　Pandas排序方法　119
5.5.4　Pandas遍历方法　119
【Python财务数据分析】——A股上市公司基本信息统计分析　120
本章小结　123
习题　123
第6章　Pandas数据清洗与函数应用　126
6.1　Pandas对象的运算与对齐　126
6.1.1　NumPy的NaN　126
6.1.2　Series运算　127
6.1.3　DataFrame运算　127
6.2　Pandas数据清洗　128
6.2.1　处理缺失数据　128
6.2.2　处理重复值　131
6.2.3　替换数据　132
6.3　函数应用　132
6.3.1　Pandas函数应用概述　132
6.3.2　链式操作　133
6.3.3　pipe()函数　133
6.3.4　apply()函数　134
6.3.5　applymap()和map()函数　135
【Python财务数据分析】——财务报表文件数据清洗和运算　136
本章小结　138
习题　138
第7章　Pandas数据集处理　142
7.1　数据变形　142
7.1.1　长表和宽表的变形　142
7.1.2　pivot()函数　143
7.1.3　pivot_table()函数　144
7.1.4　melt()函数　145
7.1.5　wide_to_long()函数　147
7.2　数据分组　148
7.2.1　groupby()函数　148
7.2.2　分组操作　148
7.2.3　GroupBy对象　150
7.2.4　组应用函数　151
7.3　数据连接　152
7.3.1　关系型数据操作　152
7.3.2　值连接函数merge()　154
7.3.3　索引连接函数join()　156
7.3.4　数据拼接函数concat()　158
【Python财务数据分析】——A股上市公司行业分类处理　160
本章小结　163
习题　163
第8章　数据可视化　166
8.1　Matplotlib入门　166
8.1.1　数据可视化　166
8.1.2　Matplotlib绘图过程　166
8.1.3　Matplotlib绘图对象　168
8.2　定量数据和定性数据　174
8.2.1　定性与定量相关概念　174
8.2.2　数据类型　175
【Python财务数据分析】——财务数据的可视化基础图形　175
本章小结　188
习题　188
第9章　Python财务数据分析进阶　192
9.1　文本数据处理　192
【Python财务数据分析】——上市公司基本信息文本数据处理　192
9.2　时间序列数据分析　195
【Python财务数据分析】——财务数据的时间序列数据分析　195
9.3　基于机器学习的财务应用　199
【Python财务数据分析】——基于上市公司年报财务指标的机器学习财务应用　199
参考文献　204

读者评论

赶紧抢沙发哦！

我要评论

出版信息

书　　名：Python财务数据分析与应用（微课版）
执行编辑：本书的内容有任何问题，请联系陆冠彤
出版日期：2025-06-01
书　　号：978-7-115-66937-7
作　　者： 甄阜铭
定　　价：59.80 元
页　　数：200
印刷方式：双色印刷
开　　本：16开
出版状态：上市销售

作者介绍

现为东北财经大学副教授，东北财经大学网络信息中心副主任。主要研究领域包括：会计信息系统、电子商务、会计学。先后参与国家教育部会计学系列课程远程教学资源建设项目等科研课题多项。曾获中国中青年财务成本研究会“专题优秀科研成果”二等奖。在《中国财经报》、《中国物资报》、《财经教育研究》等报纸期刊公开发表论文。主编《电子商务基础与应用》、《计算机会计实务》、《会计电算化初级教程》等教材多部。