Python数据分析电子书

书名页

前言

第1章 数据分析导论

1.1 面向财经领域的数据分析

1.2 数据分析工作流程与案例赏析

1.2.1 数据分析的工作流程

1.2.2 数据分析的案例赏析

1.3 扩展阅读

1.3.1 大数据驱动的决策范式转变

1.3.2 使用大语言模型做数据分析

第2章 Python基础知识

2.1 数据类型

2.1.1 数值

2.1.2 字符串

2.1.3 列表

2.1.4 元组

2.1.5 集合

2.1.6 字典

2.2 运算法则

2.2.1 算术运算

2.2.2 逻辑运算

2.2.3 比较运算

2.3 条件语句

2.4 循环语句

2.4.1 while循环

2.4.2 for循环

2.5 终止语句

2.6 函数构造和参数

2.6.1 自定义函数

2.6.2 自定义函数的参数

2.6.3 局部和全局变量

2.6.4 Lambda函数

2.7 扩展阅读

2.7.1 应用ChatGLM开发聊天机器人

2.7.2 使用ChatGPT辅助学习Python

第3章 网络爬虫

3.1 网络爬虫概述

3.2 网页结构

3.2.1 服务器与本地交换机制

3.2.2 HTML

3.3 获取网页内容

3.3.1 通过Requests发送请求

3.3.2 在URL中传递参数

3.3.3 添加Headers

3.4 利用爬虫获取股吧评论数据

3.5 扩展阅读

3.5.1 常见的反爬机制与解决方案

3.5.2 使用ChatGPT辅助开发网络爬虫

第4章 正则表达式

4.1 初识正则表达式

4.1.1 什么是正则表达式

4.1.2 构建简单的正则表达式

4.2 正则表达式进阶

4.3 使用正则表达式解析HTML网页

4.4 扩展阅读

第5章 BeautifulSoup和JSON

5.1 BeautifulSoup基本语法

5.1.1 创建BeautifulSoup对象

5.1.2 提取标签信息

5.2 使用BeautifulSoup解析HTML网页

5.3 JSON

5.3.1 JSON的特点

5.3.2 JSON的结构

5.3.3 JSON序列化与反序列化

5.3.4 解析在线API返回的JSON数据

5.4 扩展阅读

第6章 词语切分

6.1 分词简介

6.1.1 最大匹配法分词

6.1.2 基于统计的分词

6.2 Jieba分词

6.2.1 Jieba分词简介

6.2.2 使用Jieba分词

6.3 读取文件并切词

6.4 下载网页数据并切词

6.5 扩展阅读

6.5.1 Jieba分词算法细节

6.5.2 使用大语言模型切词

第7章 自然语言处理简介

7.1 TF-IDF

7.1.1 TF-IDF原理

7.1.2 TF-IDF案例

7.2 词袋法

7.3 情感分析

7.3.1 定义函数创建词袋

7.3.2 使用Python实现词袋法

7.4 扩展阅读

7.4.1 词嵌入

7.4.2 使用ChatGPT做文本分析

第8章 使用NumPy进行科学计算

8.1 创建数组

8.1.1 安装NumPy

8.1.2 列表和数组

8.1.3 创建并探索NumPy数组

8.1.4 创建特殊NumPy数组

8.1.5 导入并查看titanic数据集

8.2 数组切片

8.2.1 索引和切片

8.2.2 数组切片和列表切片

8.2.3 数组拼接

8.3 数组计算

8.3.1 广播

8.3.2 数组的绝对值与均值

8.3.3 点积

8.4 词语相似度计算

8.5 手写数字案例

8.5.1 初步探索数据集

8.5.2 数据标准化

8.5.3 图像翻转

8.6 金融案例分析

8.6.1 读取文件

8.6.2 计算成交量加权平均价格

8.6.3 计算最大值和最小值

8.6.4 计算极差

8.6.5 计算中位数

8.6.6 计算方差

8.7 扩展阅读

第9章 使用Pandas处理数据

9.1 序列和数据框

9.1.1 创建序列

9.1.2 创建数据框

9.1.3 使用Pandas读取和存储数据

9.2 用Pandas处理数据

9.2.1 关于INVEST部门的投资任务

9.2.2 查看数据

9.2.3 数据切片

9.2.4 数据类型转换

9.2.5 数据的增删改

9.3 用Pandas处理文本数据

9.3.1 在序列中处理文本数据

9.3.2 进一步清洗文本数据

9.3.3 更新评论日期

9.4 光线传媒股价数据分析

9.5 扩展阅读

9.5.1 混频数据

9.5.2 ChatGPT视角下的Pandas

第10章 数据可视化

10.1 数据可视化的基本步骤

10.2 Matplotlib可视化

10.3 Pandas可视化

10.3.1 参数列表

10.3.2 绘图

10.4 使用数据可视化探索人们的生活规律

10.5 股票价格的数据可视化

10.6 扩展阅读

10.6.1 科研工作中常用的数据可视化工具

10.6.2 使用生成模型辅助数据可视化

10.6.3 ChatGPT视角下的Matplotlib

第11章 认识MySQL

11.1 数据库基础

11.1.1 表

11.1.2 列

11.1.3 数据类型

11.1.4 行

11.1.5 主键

11.1.6 SQL

11.1.7 什么是MySQL

11.1.8 MySQL的优势

11.2 数据库基本操作

11.2.1 检索数据：SELECT语句

11.2.2 过滤数据

11.2.3 插入数据

11.2.4 更新数据

11.2.5 删除数据

11.3 利用MySQL存取csv文件

11.4 使用Python和MySQL存取数据

11.5 扩展阅读

11.5.1 什么是云数据库

11.5.2 ChatGPT视角下的MySQL

第12章 机器学习介绍

12.1 机器学习概述

12.1.1 语音助手例子

12.1.2 什么是机器学习

12.1.3 机器学习的分类

12.1.4 深入理解机器学习

12.2 模型评估与选择

12.2.1 模型选择的目的

12.2.2 评估指标

12.2.3 模型评估与选择的方法

12.2.4 最终模型

12.3 梯度下降

12.3.1 一维梯度下降

12.3.2 学习率

12.3.3 多维梯度下降

12.3.4 随机梯度下降

12.3.5 小批量梯度下降

12.4 建立并训练一个模型

12.4.1 研发投入与创新绩效的关系

12.4.2 使用批量梯度下降求解

12.4.3 使用随机梯度下降求解

12.4.4 模型评估

12.5 扩展阅读

第13章 朴素贝叶斯模型的应用

13.1 朴素贝叶斯模型

13.1.1 贝叶斯公式

13.1.2 全概率和贝叶斯定理

13.1.3 模型介绍

13.2 结合Pandas和Jieba做训练数据准备

13.2.1 下载数据

13.2.2 将函数应用到序列中

13.3 使用朴素贝叶斯做情感分析

13.3.1 文本的词袋表示

13.3.2 使用多项式朴素贝叶斯模型做文本分类

13.3.3 使用Pipeline对象组合机器学习模型的各个步骤

13.3.4 应用交叉验证法评估并选择模型

13.3.5 保存并下载模型以进行预测

13.4 扩展阅读

第14章 支持向量机的应用

14.1 SVM原理简介

14.1.1 SVM支持向量

14.1.2 对偶问题

14.1.3 松弛变量

14.1.4 非线性SVM分类任务（核函数）

14.1.5 支持向量回归任务

14.1.6 SVM算法小结

14.2 支持向量机的Python代码实现

14.2.1 SVM的Python实现基本步骤

14.2.2 Scikit-Learn支持向量机算法库小结

14.2.3 SVM算法库其他调参要点

14.3 基于SVM的个人信贷违约预测

14.3.1 数据预览及预处理

14.3.2 特征工程

14.3.3 模型建立与参数调整

14.4 使用基于合页损失函数的SVM进行情感分类

14.4.1 合页损失函数基本概念介绍

14.4.2 导入数据

14.4.3 使用合页损失函数

14.4.4 使用测试数据做预测

14.5 扩展阅读

第15章 随机森林的应用

15.1 决策树与随机森林

15.1.1 决策树

15.1.2 随机森林

15.2 情感指标的获取与生成

15.2.1 获取每日情感分数

15.2.2 获取每日股评数量及意见分歧指数

15.2.3 填充缺失值

15.2.4 生成累积滞后分数

15.3 数据拼接

15.3.1 百度指数

15.3.2 获取股票市场数据

15.3.3 合并数据集

15.4 用随机森林做金融市场价格波动预测

15.4.1 数据准备

15.4.2 可视化混淆矩阵

15.4.3 训练决策树模型

15.4.4 训练随机森林模型

15.4.5 对比不同训练集的模型度量指标AUC

15.5 基于量化投资的模型评估指标

15.6 信用评分

15.6.1 背景

15.6.2 目标

15.6.3 数据准备

15.6.4 训练决策树模型

15.6.5 训练随机森林模型

15.7 拓展阅读

15.7.1 机器学习模型的公平性

15.7.2 ChatGPT视角下的随机森林

第16章 深度学习

16.1 感知器与神经网络

16.1.1 感知器

16.1.2 神经网络

16.1.3 BP神经网络

16.2 深度学习中的基本模型

16.2.1 卷积神经网络

16.2.2 循环神经网络

16.2.3 长短期记忆神经网络

16.3 深度学习的发展方向

16.4 扩展阅读

16.4.1 人机融合预测系统

16.4.2 ChatGPT视角下的深度学习

第17章 量化投资

17.1 量化投资概述

17.1.1 什么是量化投资以及量化策略开发流程

17.1.2 量化投资必备的基础金融理论

17.2 股息率选股策略

17.2.1 “一鸟在手胜过双鸟在林”

17.2.2 股息率策略研究与实践

17.2.3 获取月度交易日

17.2.4 获取股息率

17.2.5 筛选前30%的股票作为组合

17.2.6 绩效可视化

17.3 PEG策略

17.3.1 PEG策略实现

17.3.2 策略可视化

17.4 股息率策略的回测平台代码实践

17.5 扩展阅读A

17.5.1 回测环境

17.5.2 编译运行

17.5.3 策略回测

17.5.4 模拟交易

17.5.5 数据

17.5.6 运行频率

17.5.7 运行时间

17.5.8 佣金与印花税

17.5.9 滑点

17.5.10 拆分、合并与分红

17.6 扩展阅读B

参考文献