基礎(chǔ)篇 第　1章 Python 與財(cái)務(wù)概述 1.1　Python 簡(jiǎn)介 1.1.1　Python 的發(fā)展歷程 1.1.2　Python 的特點(diǎn)及應(yīng)用范圍 1.2　Python 在財(cái)務(wù)領(lǐng)域中的應(yīng)用 1.2.1　財(cái)務(wù)會(huì)計(jì)與管理會(huì)計(jì) 1.2.2　Python 與會(huì)計(jì)活動(dòng)的融合 1.3　Python 環(huán)境配置及使用. 1.3.1　Anaconda 的下載與安裝 1.3.2　Jupyter Notebook 的使用 第　2章 Python 語(yǔ)法基礎(chǔ) 2.1　變量 2.1.1　定義變量 2.1.2　變量的類型 2.1.3　變量的命名 2.2　注釋 2.2.1　單行注釋 2.2.2　多行注釋 2.3　數(shù)據(jù)類型 2.3.1　整型 2.3.2　浮點(diǎn)型 2.3.3　布爾型 2.3.4　字符串 2.3.5　元組 2.3.6　列表 2.3.7　字典 2.3.8　數(shù)據(jù)類型的轉(zhuǎn)換 2.4　運(yùn)算符 2.4.1　算術(shù)運(yùn)算符 2.4.2　比較運(yùn)算符 2.4.3　邏輯運(yùn)算符 2.4.4　賦值運(yùn)算符 2.4.5　成員運(yùn)算符 2.5　控制結(jié)構(gòu) 2.5.1　分支結(jié)構(gòu) 2.5.2　循環(huán)結(jié)構(gòu) 2.6　函數(shù) 2.6.1　內(nèi)置函數(shù) 2.6.2　自定義函數(shù) 2.6.3　匿名函數(shù) 2.7　模塊 2.7.1　導(dǎo)入模塊 2.7.2　標(biāo)準(zhǔn)模塊 2.7.3　第三方模塊 2.8　異常 第3章　Python 財(cái)務(wù)數(shù)據(jù)采集與分析 3.1　財(cái)務(wù)數(shù)據(jù)分析流程 3.2　pandas 數(shù)據(jù)結(jié)構(gòu) 3.2.1　Series 3.2.2　DataFrame 3.3　財(cái)務(wù)數(shù)據(jù)采集 3.3.1　Excel 數(shù)據(jù)的讀取 3.3.2　財(cái)經(jīng)大數(shù)據(jù)接口 3.4　數(shù)據(jù)索引的設(shè)置 3.4.1　設(shè)置索引 3.4.2　重置索引 3.5　缺失數(shù)據(jù)的處理 3.5.1　檢測(cè)缺失值 3.5.2　過(guò)濾缺失值 3.5.3　填充缺失值 3.6　重復(fù)數(shù)據(jù)的處理 3.6.1　檢測(cè)重復(fù)數(shù)據(jù) 3.6.2　刪除重復(fù)數(shù)據(jù) 3.7　數(shù)據(jù)的增刪改查 3.7.1　數(shù)據(jù)的查詢 3.7.2　數(shù)據(jù)的修改 3.7.3　數(shù)據(jù)的刪除 3.7.4　數(shù)據(jù)的增加 3.8　數(shù)據(jù)的排序 3.8.1　單條件排序 3.8.2　多條件排序 3.9　字符串的處理 3.9.1　len()函數(shù) 3.9.2　strip()函數(shù) 3.9.3　replace()函數(shù) 3.9.4　startswith()函數(shù) 3.9.5　contains()函數(shù) 3.9.6　split()函數(shù) 3.9.7　cat()函數(shù) 3.10　時(shí)間序列的處理 3.10.1　按日期篩選數(shù)據(jù) 3.10.2　按日期顯示數(shù)據(jù) 3.10.3　按日期統(tǒng)計(jì)數(shù)據(jù) 3.10.4　日期的提取 3.10.5　日期的偏移 3.11　數(shù)據(jù)的統(tǒng)計(jì)函數(shù) 3.12　數(shù)據(jù)透視表 3.13　數(shù)據(jù)的分組聚合 3.14　數(shù)據(jù)的重塑 3.14.1　transpose()函數(shù) 3.14.2　unstack()函數(shù) 3.14.3　stack()函數(shù) 3.14.4　pivot()函數(shù) 3.15　數(shù)據(jù)的合并 3.15.1　merge()函數(shù) 3.15.2　concat()函數(shù) 3.16　數(shù)據(jù)的轉(zhuǎn)換 3.16.1　map()函數(shù) 3.16.2　apply()函數(shù) 3.16.3　applymap()函數(shù) 3.17　拓展 1：線性回歸模型 3.18　拓展 2：現(xiàn)金流模型 3.18.1　基本模型 3.18.2　投資項(xiàng)目評(píng)價(jià)指標(biāo) 3.19　拓展 3：組合迭代器 3.20　拓展 4：求解方程式 第4章　Python 財(cái)務(wù)數(shù)據(jù)可視化 4.1　圖形繪制基礎(chǔ) 4.2　繪制折線圖 4.2.1　展示單條數(shù)據(jù) 4.2.2　展示多條數(shù)據(jù) 4.3　繪制柱狀圖 4.3.1　展示單條數(shù)據(jù) 4.3.2　展示多條數(shù)據(jù) 4.4　繪制堆疊柱狀圖 4.5　繪制條形圖 4.5.1　展示單條數(shù)據(jù) 4.5.2　展示多條數(shù)據(jù) 4.6　繪制堆疊條形圖 4.7　繪制堆積面積圖 4.8　繪制餅圖 4.8.1　一般繪制 4.8.2　參數(shù)設(shè)置 4.9　繪制多子圖 4.9.1　繪制兩個(gè)子圖 4.9.2　繪制三個(gè)子圖 4.9.3　繪制四個(gè)子圖 4.10　繪制共享坐標(biāo)軸 4.11　pandas 對(duì)象繪圖 應(yīng)用篇 第5章　Python 在財(cái)務(wù)會(huì)計(jì)核算中的 應(yīng)用 5.1　應(yīng)收賬款賬齡分析 5.2　固定資產(chǎn)折舊測(cè)算 第6章　Python 在財(cái)務(wù)管理決策中的應(yīng)用 6.1　資本資產(chǎn)定價(jià)模型 6.2　資本預(yù)算決策分析 6.3　資本結(jié)構(gòu)決策分析 6.4　短期經(jīng)營(yíng)決策分析 第7章　Python 在財(cái)務(wù)報(bào)表分析中的應(yīng)用 7.1　財(cái)務(wù)報(bào)表分析概述 7.1.1　財(cái)務(wù)報(bào)表分析的目的 7.1.2　財(cái)務(wù)報(bào)表分析的方法 7.2　資產(chǎn)負(fù)債表分析 7.2.1　數(shù)據(jù)采集 7.2.2　資產(chǎn)分析 7.2.3　資本分析 7.3　利潤(rùn)表分析 7.3.1　數(shù)據(jù)采集 7.3.2　營(yíng)業(yè)收入分析 7.3.3　營(yíng)業(yè)收入與營(yíng)業(yè)成本的綜合分析 7.3.4　營(yíng)業(yè)費(fèi)用分析 7.3.5　利潤(rùn)質(zhì)量分析 7.4　現(xiàn)金流量表分析 7.4.1　數(shù)據(jù)采集 7.4.2　總體分析 7.4.3　投資活動(dòng)現(xiàn)金流量分析 7.4.4　籌資活動(dòng)現(xiàn)金流量分析 7.5　綜合指標(biāo)分析 7.5.1　現(xiàn)金含量分析 7.5.2　杜邦財(cái)務(wù)分析 參考文獻(xiàn)