【全新正版包邮】 PYTHON金融编程 翠,臧亚君 著
￥ 30.6 8.1折 ￥ 38 全新
库存22件
江苏南京
认证卖家担保交易快速发货售后保障
作者刘翠霞,臧亚君 著
出版社西南财经大学出版社
ISBN9787550463196
出版时间2024-08
装帧平装
开本16开
定价38元
货号1203368145
上书时间2024-10-03
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘翠霞，毕业于西南财经大学，经济学博士，任教于重庆工商大学，副教授，金融计量学专业，主要研究方向为金融量化及建模分析，高维数据降维处理及在金融中的应用，机器学习模型及在金融中的应用。臧亚君，毕业于重庆大学岩土工程专业，博士研究生，现任职于重庆工商大学，副教授，主要研究方向为国土资源规划管理、工程经济。
目录
目 录１ ／ １ Ｐｙｔｈｏｎ 简介 1.1 初步认识 Ｐｙｔｈｏｎ …………………………………………………………… （１） 1.1.1 Ｐｙｔｈｏｎ 的发展史 ……………………………………………………… （１） 1.1.2 Ｐｙｔｈｏｎ 的特点 ………………………………………………………… （１） 1.2 Ｐｙｔｈｏｎ 的安装及环境 ………………………………………………………… （２） 1.2.1 集成环境 Ａｎａｃｏｎｄａ ………………………………………………… （２） 1.2.2 集成环境 Ｐｙｃｈａｒｍ …………………………………………………… （４） 1.3 库资源的调用与安装 ………………………………………………………… （４） 1.3.1 模块／ 库调用 ………………………………………………………… （４） 1.3.2 模块／ 库安装 ………………………………………………………… （４） 1.4 Ｐｙｔｈｏｎ 访问金融数据库资源 ………………………………………………… （５） 1.4.1 ｔｕｓｈａｒｅ 库……………………………………………………………… （５） 1.4.2 ＡＫＳｈａｒｅ 库 …………………………………………………………… （７） 作业 ………………………………………………………………………………… （７） ８ ／ ２ Ｐｙｔｈｏｎ 基本操作 2.1 Ｐｙｔｈｏｎ 基本数据结构 ………………………………………………………… （８） 2.1.1 数据及基本类型 ……………………………………………………… （８） 2.1.2 列表 …………………………………………………………………… （９） 2.1.3 元组 …………………………………………………………………… （９） 2.1.4 集合 …………………………………………………………………… （９）2.1.5 字典 ………………………………………………………………… （１０） 2.2 数据索引及基础运算 ……………………………………………………… （１１） 2.2.1 数据索引 …………………………………………………………… （１１） 2.2.2 列表扩展及更改 …………………………………………………… （１１） 2.2.3 字符串和数值型数据的转化 ……………………………………… （１１） 2.2.4 运算符 ……………………………………………………………… （１２） 2.3 Ｐｙｔｈｏｎ 中的循环语法 ……………………………………………………… （１３） 2.3.1 条件循环语句 ……………………………………………………… （１３） 2.3.2 ｆｏｒ 循环语句 ………………………………………………………… （１３） 2.3.3 Ｗｈｉｌｅ 循环…………………………………………………………… （１４） 2.4 函数 ………………………………………………………………………… （１４） 2.4.1 函数定义 …………………………………………………………… （１４） 2.4.2 函数的递归与嵌套 ………………………………………………… （１６） 2.5 异常程序处理 ……………………………………………………………… （１６） 作业 ………………………………………………………………………………… （１７） １８ ／ ３ 爬虫基础 3.1 爬虫概述 …………………………………………………………………… （１８） 3.1.1 爬虫策略分类 ……………………………………………………… （１８） 3.1.2 爬虫手段分类 ……………………………………………………… （１９） 3.2 正则表达 …………………………………………………………………… （２０） 3.2.1 字符串处理 ………………………………………………………… （２０） 3.2.2 正则表达 …………………………………………………………… （２１） 3.3 正则表达进阶：匹配的高阶 ………………………………………………… （２３） 3.3.1 ｆｉｎｄａｌｌ．ｐｙ …………………………………………………………… （２３） 3.3.2 贪婪匹配 …………………………………………………………… （２３） 3.3.3 非贪婪匹配 ………………………………………………………… （２４） 3.3.4 自动换行匹配 ……………………………………………………… （２６） 3.4 网页结构搭建基础 ………………………………………………………… （２６） 3.4.1 查看网页代码 ……………………………………………………… （２６） 3.4.2 网页结构 …………………………………………………………… （２９） 3.5 网页搭建 …………………………………………………………………… （２９） 3.5.1 ＨＴＭＬ 语言 ………………………………………………………… （２９） 3.5.2 标题 ………………………………………………………………… （３０） 3.5.3 段落 ………………………………………………………………… （３１） 3.5.4 网络连接 …………………………………………………………… （３２）3.5.5 区块 ………………………………………………………………… （３２） 3.5.6 类 …………………………………………………………………… （３３） 3.5.7 ＩＤ …………………………………………………………………… （３３） 作业 ………………………………………………………………………………… （３４） ３５ ／ ４ 网页解析及爬虫实战 4.1 请求库 ……………………………………………………………………… （３５） 4.1.1 ＩＤ 请求库 ｕｒｌｌｉｂ …………………………………………………… （３５） 4.1.2 请求库 ｒｅｑｕｅｓｔｓ 库 ………………………………………………… （３６） 4.2 解析库 ……………………………………………………………………… （３７） 4.2.1 ＸＰａｔｈ 解析库………………………………………………………… （３７） 4.2.2 ＢｅａｕｔｉｆｕｌＳｏｕｐ 解析库………………………………………………… （３８） 4.2.3 ｒｅｑｕｅｓｔｓ－ｈｔｍｌ 解析库 ……………………………………………… （３８） 4.3 爬虫实战 …………………………………………………………………… （３９） 4.3.1 案例一：爬取淘宝页首页链接标签数据 …………………………… （３９） 4.3.2 案例二：爬取百度热榜数据 ………………………………………… （４０） 4.3.3 案例三：爬取谷歌网页起点小说网的相关数据 …………………… （４１） 作业 ………………………………………………………………………………… （４２） ４３ ／ ５ 数据可视化 5.1 绘图环境 …………………………………………………………………… （４３） 5.2 Ｍａｔｐｌｏｔｌｉｂ 简介 ……………………………………………………………… （４４） 5.2.1 基本函数（ｃａｎｖａｓ） ………………………………………………… （４４） 5.2.2 绘制图 ……………………………………………………………… （４５） 5.2.3 绘制多个图 ………………………………………………………… （４６） 5.2.4 编辑与美工 ………………………………………………………… （４７） 5.3 Ｍａｔｐｌｏｔｌｉｂ 进阶 ……………………………………………………………… （５０） 5.3.1 创建画布与区域 …………………………………………………… （５０） 5.3.2 在画布上创建多个子图 …………………………………………… （５１） 5.4 绘制常用统计图 …………………………………………………………… （５３） 5.4.1 条形图 ……………………………………………………………… （５３） 5.4.2 直方图 ……………………………………………………………… （５４） 5.4.3 饼图 ………………………………………………………………… （５５） 5.4.4 时序图 ……………………………………………………………… （５５） 5.4.5 网格图 ……………………………………………………………… （５６） 作业 ………………………………………………………………………………… （５７）５８ ／ ６ ＮｕｍＰｙ 数据分析库 6.1 Ｎｕｍｐｙ 库数据结构 ………………………………………………………… （５８） 6.2 ＮｕｍＰｙ 数组 ………………………………………………………………… （５９） 6.2.1 数组简介 …………………………………………………………… （５９） 6.2.2 创建数组的几种方法 ……………………………………………… （５９） 6.2.3 数组的分隔 ………………………………………………………… （６１） 6.2.4 数组的连接 ………………………………………………………… （６２） 6.2.5 数组运算 …………………………………………………………… （６３） 6.2.6 数组切片 …………………………………………………………… （６４） 6.2.7 数组变换 …………………………………………………………… （６５） 6.3 ＮｕｍＰｙ 矩阵及运算 ………………………………………………………… （６６） 6.3.1 Ｎｕｍｐｙ 创建矩阵 …………………………………………………… （６６） 6.3.2 Ｎｕｍｐｙ 矩阵运算 …………………………………………………… （６６） 6.3.3 Ｎｕｍｐｙ 的子模块 ｌｉｎａｌｇ ……………………………………………… （６７） 6.4 随机数的生成 ……………………………………………………………… （６９） 6.4.1 生成随机数 ………………………………………………………… （６９） 6.4.2 生成服从正态分布的随机数 ……………………………………… （７０） 6.4.3 生成服从卡方分布的随机数 ……………………………………… （７１） 6.4.4 生成服从 ｔ 分布的随机数 ………………………………………… （７１） 6.4.5 生成服从 Ｆ 分布的随机数 ………………………………………… （７１） 6.4.6 生成服从贝塔分布的随机数 ……………………………………… （７２） 6.4.7 生成服从伽马分布的随机数 ……………………………………… （７２） 6.4.8 其他分布 …………………………………………………………… （７３） 6.5 Ｎｕｍｐｙ 库实现金融数据分析 ……………………………………………… （７３） 作业 ………………………………………………………………………………… （７６） ７８ ／ ７ Ｐａｎｄａｓ 数据分析库 7.1 数列 ………………………………………………………………………… （７８） 7.1.1 创建数列（Ｓｅｒｉｅｓ） …………………………………………………… （７８） 7.1.2 数列叠加 …………………………………………………………… （７９） 7.1.3 数列删除 …………………………………………………………… （８０） 7.1.4 数列去除重复元素 ………………………………………………… （８０） 7.2 数据框 ……………………………………………………………………… （８１） 7.2.1 创建数据框（ＤａｔａＦｒａｍｅ） …………………………………………… （８１） 7.2.2 数据框填充内容 …………………………………………………… （８３）7.2.3 数据框排序 ………………………………………………………… （８３） 7.2.4 数据连接 …………………………………………………………… （８４） 7.3 运用 ｐａｎｄａｓ 库读取外部文件数据 ………………………………………… （８４） 7.3.1 ｒｅａｄ＿ｅｘｃｅｌ 读取 Ｅｘｃｅｌ 文档中的数据 ………………………… （８４） 7.3.2 读取其他格式本地路径数据 ……………………………………… （８５） 7.3.3 文件的写入 ………………………………………………………… （８６） 7.4 数据统计分析 ……………………………………………………………… （８６） 7.4.1 描述性统计分析 …………………………………………………… （８６） 7.4.2 分组分析 …………………………………………………………… （８７） 7.4.3 数据分布分析 ……………………………………………………… （８９） 7.4.4 交叉分析 …………………………………………………………… （９１） 7.4.5 相关分析 …………………………………………………………… （９２） 7.4.6 滚动计算 …………………………………………………………… （９２） 作业 ………………………………………………………………………………… （９３） ９４ ／ ８ 金融中的线性模型及 Ｐｙｔｈｏｎ 实现 8.1 问题导入 …………………………………………………………………… （９４） 8.2 一元线性回归模型 ………………………………………………………… （９５） 8.2.1 模型构建 …………………………………………………………… （９５） 8.2.2 模型识别 …………………………………………………………… （９５） 8.3 多元线性回归模型 ………………………………………………………… （９５） 8.4 模型检验 …………………………………………………………………… （９６）
— 没有更多了 —
以下为对购买帮助不大的评价