本书以数据分析流程为主线,介绍了金融数据分析的方法,并通过Python加以实现。全书分为三部分,共12章,其中第1~4章是基础部分,主要介绍金融数据分析概览、数据分析流程、Python运行环境搭建以及数据分析的基础Python包;第5~8章是进阶部分,分别介绍了数据分析流程中的金融数据获取、探索性数据分析、特征工程和数据建模分析;第9~12章是应用部分,通过综合案例分别演示了股票行情数据分析、资本资产定价模型分析、股票量化投资多因子模型分析和个人贷款信用风险评估的数据分析操作。 本书适合具备Python语言基础、有金融数据分析学习需求的人群,也可供具备机器学习模型基础知识,但并没有系统地了解数据分析流程的读者参考。
使用Python进行数据分析是十分便利且高效的,因此它被认为是*秀的数据分析工具之一。本书从理论和实战两个角度对Python数据分析工具进行了介绍,并采用理论分析和Python实践相结合的形式,按照数据分析的基本步骤对数据分析的理论知识以及相应的Python库进行了详细的介绍,让读者在了解数据分析的基本理论知识的同时能够快速上手实现数据分析程序。 本书适用于对数据分析有浓厚兴趣但不知从何下手的初学者,在阅读数据分析的基础理论知识的同时可以通过Python实现简单的数据分析程序,从而快速对数据分析的理论和实现两个层次形成一定的认知。
本书为*一流本科课程配套教材,定位于非计算机专业学生的程序设计通识课程,基于 普及程序设计能力、培养解决复杂专业问题能力、训练计算思维能力 的教学目标。 在系统讲解Python语言语法和程序设计基本思想的同时,改变传统教学中严格按知识点顺序组织内容的模式,以案例为纽带建立知识点间的有机联系,强化知识点间的交叉融合,使常用的知识反复再现,循序渐进地培养学生掌握利用Python语言解决复杂问题的能力。 本书分为程序设计基础和应用两部分:基础部分主要讲授Python语法、各种数据类型的应用、常用内置函数与常用模块的基本使用方法。应用部分主要聚焦于讲授文件与数据可视化方法。 本书为新形态教材,配套教学课件、微视频、源代码、案例素材和教案等丰富的资源,适合作为各类高校Python程序设计通识课程教材,也适合初学Python程序设计
本书内容共81个Python实验项目,涵盖运算符、内置函数、选择结构与循环结构、函数定义与使用、面向对象编程、字符串与正则表达式等Python基础知识,以及文件操作、数据库操作、Office文档操作、多线程与多进程、Socket编程、tkinter编程、算法分析与设计、数字图像处理、计算机图形学、声音处理、密码学、自动运维、网络爬虫、数据分析、数据可视化和机器学习等领域的应用。书中全部案例代码适用于Python 3.5/3.6/3.7或更高版本。 本书可以作为Python程序设计课程的实验指导书(根据需要选择不同的实验项目)或教师参考用书,也可以作为Python爱好者的自学参考书。
本书中,第1~8章为Python语言基础,主要介绍 Python 的基本用法,第 9 章为一个实战,帮助读者理解前 8 章的知识,第10~17 章为 Python 的进阶使用,包含面向对象编程、函数式编程入门、文件读写、异常处理、模块和包几个部分,第 18 章为第二个实战,帮助读者融会贯通前17章的知识,同时抛砖引玉引起读者探索的兴趣。
本书主要介绍MegaPi与树莓派的结合,树莓派用户如何利用Python就能实现对MegaPi上各种电机及电子模块的控制。本书力图拓展学生的视野,知识的广度和深度,从而成为中学生STEM教育课程的一个尝试与探索。本书适合已经有一定开源软硬件知识基础的高中信息技术课程使用,也可以作为各种培训机构教学参考用书。
本书以任务为导向,较为全面地介绍了不同场景下Python爬取网络数据的方法,包括静态网页、动态网页、登录后才能访问的网页、PC客户端、App等场景。全书共7章,第1章介绍了爬虫与反爬虫的基本概念,以及Python爬虫环境的配置,第2章介绍了爬取过程中涉及的网页前端基础,第3章介绍了在静态网页中爬取数据的过程,第4章介绍了在动态网页中爬取数据的过程,第5章介绍了对登录后才能访问的网页进行模拟登录的方法,第6章介绍了爬取PC客户端、App的数据的方法,第7章介绍了使用Scrapy爬虫框架爬取数据的过程。本书所有章节都包含了实训与课后习题,通过练习和操作实战,可帮助读者巩固所学的内容。
《金融工程及其Python应用》的主要内容包括:金融工程导论;金融工程定价方法及其Python应用;远期合约及其Python应用;期货合约及其Python应用;期货套期保值及其Python应用;互换合约及其Python应用;期权合约及其策略;Black-Scholes期权定价模型及其Python应用;期权定价的蒙特卡罗模拟法及其Python应用;二叉树法期权定价及其Python应用;期权定价的有限差分法及其Python应用;奇异期权及其Python应用;利率衍生证券及其Python应用;量化金融数据分析及其Python应用;以及关于Python的两个附录。 《金融工程及其Python应用》内容新颖、全面,实用性强,融理论、方法、应用于一体,是一部供金融工程、金融数学、计算金融、投资学、金融学、保险学、金融专业硕士、经济学、统计学、数量经济学、管理科学与工程、应用数学、计算数学、概率统计等专业的本科高年级学生与
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本书是主教材《Python 3基础教程(第2版)(慕课版)》配套的实验指导与习题集。 本书共分12章: ~10章是与主教材各章配套的实验指导与习题; 1章为综合实验,综合应用主教材讲授的知识实现一个成绩管理系统; 2章为习题参考答案。本书的全部实验内容均录制了视频教程,可供教师和学生参考。 本书可用作各类院校相关专业Python课程的实验教材,同时也可作为Python爱好者的自学参考书和全国计算机等级考试二级Python语言程序设计的考试辅导教材。
本书是主教材《Python 3基础教程(第2版)(慕课版)》配套的实验指导与习题集。 本书共分12章: ~10章是与主教材各章配套的实验指导与习题; 1章为综合实验,综合应用主教材讲授的知识实现一个成绩管理系统; 2章为习题参考答案。本书的全部实验内容均录制了视频教程,可供教师和学生参考。 本书可用作各类院校相关专业Python课程的实验教材,同时也可作为Python爱好者的自学参考书和全国计算机等级考试二级Python语言程序设计的考试辅导教材。
本书是主教材《Python 3基础教程(第2版)(慕课版)》配套的实验指导与习题集。 本书共分12章: ~10章是与主教材各章配套的实验指导与习题; 1章为综合实验,综合应用主教材讲授的知识实现一个成绩管理系统; 2章为习题参考答案。本书的全部实验内容均录制了视频教程,可供教师和学生参考。 本书可用作各类院校相关专业Python课程的实验教材,同时也可作为Python爱好者的自学参考书和全国计算机等级考试二级Python语言程序设计的考试辅导教材。
本书是主教材《Python 3基础教程(第2版)(慕课版)》配套的实验指导与习题集。 本书共分12章: ~10章是与主教材各章配套的实验指导与习题; 1章为综合实验,综合应用主教材讲授的知识实现一个成绩管理系统; 2章为习题参考答案。本书的全部实验内容均录制了视频教程,可供教师和学生参考。 本书可用作各类院校相关专业Python课程的实验教材,同时也可作为Python爱好者的自学参考书和全国计算机等级考试二级Python语言程序设计的考试辅导教材。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。
本教材基于Python学习在进行数据分析时常用的统计分析方法,具体包括多元线性回归模型拟合、多元非线性回归模型拟合、多元统计分析推断、模型变量的异方差性处理、处理面板数据的固定效应方法和随机效应方法、时间序列数据处理的有限分布滞后模型等。本教材学习内容略过数据的获取过程,不关注Python的爬虫应用,仅关注在数据获取之后应用Python实现利用不同的统计分析方法构建模型进行数据挖掘和发现数据规律。本教材共十一章的学习内容建立在对Python应用已有一定程度了解和掌握的基础之上。如果学习者对Python了解不多,可以通过附录部分,先学习应用Python进行数据分析的基础,学习如何搭建Python数据分析环境,了解掌握Python数据处理和分析的常用算法库和工具包。