目录
前言

第1章 Python及其语法基础 1
1.1 Python编程环境 1
1.1.1 计算机程序与编程语言 1
1.1.2 Python语言概述 2
1.1.3 Python与PyCharm开发工具的
安装与配置 3
1.2 Python语法基础 15
1.2.1 编码规范 15
1.2.2 标识符与保留字 18
1.2.3 变量和赋值 19
1.2.4 数据类型 22
1.2.5 基本输入和输出 26
1.2.6 运算符和表达式 31
1.3 应用案例：个人预算管理与
财务分析 33
本章小结 34
思考与练习 34
第2章 Python程序设计基础 35
2.1 程序基本流程控制 35
2.1.1 选择结构语句 35
2.1.2 循环结构语句 40
2.1.3 break、continue和else语句 44
2.1.4 pass语句 47
2.1.5 结构化模式匹配语句 49
2.1.6 程序的错误与异常处理 51
2.1.7 应用案例：股票交易模拟器 53
2.2 典型数据结构 55
2.2.1 列表创建与操作 56
2.2.2 元组定义与元素操作 59
2.2.3 字典定义与元素操作 61
2.2.4 集合定义与元素操作 62
2.2.5 应用案例：股票数据处理与
分析 64
2.3 函数与函数式编程 67
2.3.1 函数的定义与调用 68
2.3.2 函数参数类型 69
2.3.3 函数参数的作用域 71
2.3.4 匿名函数 72
2.3.5 应用案例：个人财务评估与投资
建议系统 73
2.4 面向对象程序设计 79
2.4.1 类和对象 79
2.4.2 类的继承 81
2.4.3 应用案例：财经数据处理系统 82
本章小结 85
思考与练习 86
第3章 Python文件操作 87
3.1 文件相关基本概念 87
3.1.1 文件与路径 87
3.1.2 文件的编码方式 88
3.1.3 文本文件和二进制文件的区别 89
3.2 目录与文件操作 90
3.2.1 os.path模块 90
3.2.2 获取与改变工作目录 91
3.2.3 目录操作 91
3.2.4 文件的重命名和删除 92
3.2.5 应用案例：财务票据命名处理 93
3.3 文件的基本操作 94
3.3.1 文件的打开和关闭 94
3.3.2 文件的读取与写入 97
3.3.3 按行对文件内容读写 99
3.3.4 使用fileinput对象读取大文件
操作 100
3.3.5 应用案例：消费账单数据读取与
修改 102
3.4 CSV文件的读取与写入 103
3.4.1 CSV文件的读取 104
3.4.2 CSV文件的写入 104
本章小结 106
思考与练习 106
第4章 使用模块和库编程 107
4.1 模块的创建与使用 107
4.1.1 模块概述 107
4.1.2 模块的导入 108
4.1.3 模块的自定义与使用 109
4.2 包的创建与使用 112
4.2.1 创建包 113
4.2.2 使用包 113
4.3 常见标准库的使用 114
4.3.1 turtle库的使用 114
4.3.2 random库的使用 118
4.3.3 时间和日期库的使用 121
4.4 常见第三方库的使用 124
4.4.1 第三方库的安装 125
4.4.2 科学计算与数据可视化
分析库 126
4.4.3 中文处理相关库 132
4.4.4 网络爬虫相关库 136
4.5 财经数据获取与分析相关库 138
4.5.1 Tushare Pro中国金融市场
数据库 138
4.5.2 qstock量化投研平台库 140
4.5.3 BaoStock证券数据平台库 140
4.5.4 Quandl金融与经济数据服务库 142
4.5.5 Pyfolio投资组合分析工具库 142
4.5.6 Statsmodels统计模型估计和
推断库 143
4.5.7 AkShare中国金融市场数据库 145
本章小结 148
思考与练习 148
第5章 NumPy数值计算 150
5.1 数组的创建与访问 150
5.1.1 创建数组 151
5.1.2 查看数组属性 155
5.1.3 访问数组 156
5.1.4 修改数组 159
5.2 数组的运算 162
5.2.1 数组的转置 162
5.2.2 数组的算术运算 163
5.2.3 数组的布尔运算 166
5.2.4 数组的点积运算 167
5.2.5 数组的统计运算 168
5.3 数组的操作 170
5.3.1 数组的排序 170
5.3.2 数组的合并 172
5.4 应用案例：股票投资组合
收益率分析 174
本章小结 176
思考与练习 176
第6章 Pandas数据处理与分析 177
6.1 Pandas基本数据结构 177
6.1.1 Series数据结构的定义与操作 177
6.1.2 DataFrame数据结构的定义与
操作 181
6.1.3 访问DataFrame数据元素 184
6.1.4 修改与删除DataFrame数据
元素 188
6.1.5 DataFrame数据元素的排序 190
6.2 数据分析的基本流程 192
6.3 数据的导入与导出 193
6.3.1 数据的导入 193
6.3.2 数据的导出 197
6.4 数据预处理 198
6.4.1 缺失值处理 198
6.4.2 异常值处理 201
6.4.3 重复值处理 203
6.4.4 其他处理 205
6.5 数据分析方法 215
6.5.1 基本统计分析 215
6.5.2 分组分析 216
6.5.3 分布分析 219
6.5.4 交叉分析 221
6.5.5 结构分析 223
6.5.6 相关分析 225
6.6 DataFrame的合并与连接 226
6.6.1 DataFrame的合并 226
6.6.2 DataFrame的连接 227
6.7 应用案例：基于家电销售
数据集的处理分析 230
6.7.1 数据描述性统计分析 230
6.7.2 数据清洗与预处理 232
6.7.3 家电销售数据集统计分析 237
本章小结 239
思考与练习 239
第7章 Matplotlib库与数据
可视化 241
7.1 数据可视化概述 241
7.1.1 常见的可视化图表类型 241
7.1.2 可视化图表的基本构成 245
7.1.3 数据可视化方式的选择依据 248
7.1.4 常见的数据可视化库 248
7.2 Matplotlib库概述 249
7.2.1 Matplotlib库的导入与设置 249
7.2.2 Matplotlib库绘图的层次结构 250
7.3 Matplotlib库绘图的基本
流程 251
7.3.1 创建简单图表的基本流程 251
7.3.2 绘制子图的基本流程 253
7.4 使用Matplotlib库绘制常用
图表 255
7.4.1 绘制直方图 255
7.4.2 绘制散点图 256
7.4.3 绘制柱形图 258
7.4.4 绘制折线图 259
7.4.5 绘制饼图 260
7.4.6 绘制面积图 264
7.4.7 绘制热力图 266
7.4.8 绘制箱线图 267
7.4.9 绘制雷达图 270
7.5 图表辅助元素的设置 271
7.5.1 设置坐标轴的标签、刻度范围和
刻度标签 272
7.5.2 添加标题和图例 273
7.5.3 显示网格 275
7.5.4 添加参考线和参考区域 275
7.5.5 添加注释文本 277
7.5.6 添加表格 278
7.6 应用案例：基于家电销售
数据集绘制图表 279
本章小结 282
思考与练习 282
第8章 Python在财经领域的典型
应用 284
8.1 工资核算与薪资分析 284
8.2 固定资产常见折旧方法 285
8.3 资产负债表的编制 286
8.4 利润表的编制 288
8.5 本量利分析 289
本章小结 290
思考与练习 291
第9章 综合应用：基于小费
数据集的可视化分析 295
9.1 小费数据描述性统计分析 295
9.2 数据清洗与预处理 297
9.2.1 数据异常值与缺失值的处理 297
9.2.2 数据预处理 301
9.2.3 数据保存 302
9.3 小费数据集统计分析 302
9.3.1 数据查询 303
9.3.2 数据分组分析 303
9.3.3 创建数据的透视表和交叉表 305
9.4 基于小费数据集可视化 306
9.4.1 绘制柱形图 307
9.4.2 绘制直方图 308
9.4.3 绘制箱线图 308
9.4.4 绘制散点图 309
本章小结 311
思考与练习 311
参考文献 312