本书全面介绍了金融大数据的应用，并使用Python语言对其进行了编程实践。书中首先带领读者了解数字金融新技术，深入探讨了物联网、云计算、区块链、大数据以及人工智能等前沿技术的相关知识以及在金融领域的应用。然后，通过生动的实例详细介绍了Excel和Power BI等常用办公软件在金融统计分析中的实际应用，旨在提升读者的办公效率和数据分析能力。在此基础上，书中进一步剖析了金融统计分析的原理和方法论，使读者对金融数据的处理和分析有了更为全面的认识。接着，进入Python实践部分，从Python概述、数据类型、程序控制结构、函数和文件操作、Python数据分析常用第三方库等方面，系统地指导读者逐步掌握Python编程的核心技能。此外，书中还通过丰富的案例展示了Python在金融领域的实际应用，以及数据挖掘等进阶技术，从而极大地拓宽了读者的技能边界。
通过对本书的学习，读者不仅能够紧跟金融科技的发展步伐，更能充分利用Python工具深入挖掘金融大数据中的潜在价值，为金融行业的创新发展贡献自己的力量。
本书适合作为高校金融相关专业的教材，也适合广大金融行业从业人员以及对金融科技领域感兴趣的读者阅读。

1. 零基础入门，适合没有编程基础的金融专业学生。
2. 从易到难、循序渐进地讲解，并辅以金融实战案例加深理解。
3. 案例涵盖多个金融主题。
4. 适合金融专业、财经类高校开设大数据类课程、通识类课程使用。

叶福兰 全国高等院校计算机基础教育研究会理事，福建省计算机学会理事，校教师教学培训师，现任大数据学院副院长，主要研究方向为数据挖掘。近年来，获福州市先进教育工作者、福州市教育系统直属单位优秀共产党员等校级以上荣誉20余项；主持厅级以上课题8项，参与重大教改课题3项，出版教材6部，第一作者发表论文20余篇，主讲《数据挖掘》等课程10余门；指导大学生创新创业训练项目国家级3项，省级2项；指导学生参加学科竞赛获国家级奖项4项，省级奖项11项。

目录
第 1章　数字金融新技术　1
1.1　金融与物联网　2
1.1.1　物联网的概念　2
1.1.2　物联网的起源与发展　3
1.1.3　物联网的特征　4
1.1.4　物联网体系架构　4
1.1.5　物联网在金融中的应用　6
1.2　金融与云计算　7
1.2.1　云计算的定义和特点　8
1.2.2　云计算的演进之路　9
1.2.3　云计算架构　9
1.2.4　云计算部署模式　10
1.2.5　云计算关键技术　11
1.2.6　云计算在金融中的应用　12
1.3　金融与区块链　12
1.3.1　区块链和比特币的关系　13
1.3.2　区块链的基本概念和工作原理　13
1.3.3　区块链的主要特征　14
1.3.4　区块链在金融中的应用　15
1.4　金融与大数据　15
1.4.1　数据产生的历史　16
1.4.2　什么是大数据　17
1.4.3　大数据的特征　17
1.4.4　大数据的相关技术　18
1.4.5　大数据在金融中的应用　21
1.5　金融与人工智能　21
1.5.1　人工智能就在你身边　21
1.5.2　人工智能的概念　23
1.5.3　人工智能学派　24
1.5.4　人工智能关键技术　25
1.5.5　人工智能在金融中的应用　29
练习题　29
第 2章　数字金融人才办公技能　31
2.1　Excel在金融中的应用　32
2.1.1　Excel基本操作　32
2.1.2　外部数据的获取　36
2.1.3　使用公式和函数处理数据　40
2.1.4　金融数据的统计与管理　51
2.1.5　数据分析与可视化　60
2.2　Power BI在金融中的应用　63
2.2.1　Power BI概述　63
2.2.2　数据连接与数据清洗　67
2.2.3　可视化图表及视觉对象　73
2.2.4　可视化报表　74
练习题　78
第3章　金融统计分析概述　81
3.1　金融统计分析的对象　81
3.1.1　金融统计分析的研究对象　81
3.1.2　金融统计分析的研究内容　82
3.2　金融统计分析的基本方法　82
3.2.1　理论分析方法　83
3.2.2　统计分析方法　83
3.2.3　数量分析方法　84
练习题　84
第4章　常见金融统计分析软件　86
4.1　SPSS在金融统计分析中的应用　87
4.1.1　SPSS简介　87
4.1.2　应用案例　92
4.2　EViews在金融统计分析中的应用　100
4.2.1　EViews简介　100
4.2.2　应用案例　104
4.3　Stata在金融统计分析中的应用　108
4.3.1　Stata简介　108
4.3.2　应用案例　113
练习题　117
第5章　Python概述　119
5.1　了解Python　120
5.1.1　Python发展史　120
5.1.2　Python优势　120
5.1.3　Python应用领域　121
5.2　搭建与使用Python集成开发环境　121
5.2.1　集成开发环境简介　121
5.2.2　使用PyCharm　126
5.3　Python基本语法　131
5.3.1　程序的书写规范　131
5.3.2　变量与保留字　132
5.3.3　基本输入与输出函数　134
练习题　134
第6章　数据类型　136
6.1　基本数据类型　136
6.1.1　数值型　137
6.1.2　字符串型　137
6.1.3　布尔型　141
6.1.4　数据类型操作　141
6.2　组合数据类型　142
6.2.1　元组　142
6.2.2　列表　144
6.2.3　字典　145
6.2.4　集合　147
6.2.5　元组、列表、字典和集合的区别　149
6.3　运算符与表达式　149
6.3.1　算术运算符与算术表达式　149
6.3.2　赋值运算符与赋值表达式　150
6.3.3　关系运算符与关系表达式　150
6.3.4　逻辑运算符与逻辑表达式　151
6.3.5　运算符的优先级　151
练习题　151
第7章　程序控制结构　153
7.1　分支结构　154
7.1.1　单分支结构：if语句　154
7.1.2　双分支结构：if…else语句　154
7.1.3　多分支结构：if…elif…else语句　155
7.1.4　分支语句嵌套　157
7.2　循环结构　158
7.2.1　for循环结构　158
7.2.2　while循环结构　159
7.2.3　循环嵌套　160
7.2.4　break语句和continue语句　161
7.2.5　包含else语句的循环结构　162
7.3　异常处理　162
7.3.1　异常类别　163
7.3.2　异常处理基本结构　163
7.3.3　常见的异常类型　163
7.3.4　异常处理示例　164
练习题　165
第8章　函数　167
8.1　函数概述　168
8.1.1　函数的基本概念　168
8.1.2　Python函数的分类　168
8.2　函数的定义和调用　170
8.2.1　函数的定义　170
8.2.2　函数的调用　171
8.2.3　lambda函数　171
8.2.4　函数的返回值　173
8.3　函数参数传递　174
8.3.1　位置传递　174
8.3.2　关键字传递　174
8.3.3　默认值传递　175
8.3.4　星号传递　176
8.4　变量作用域　177
8.4.1　局部变量　177
8.4.2　全局变量　178
8.4.3　global和nonlocal关键字　179
练习题　180
第9章　文件操作　182
9.1　文件概述　182
9.2　文件访问　183
9.2.1　文件的打开　183
9.2.2　文件的遍历　184
9.2.3　文件的关闭　185
9.3　文件的其他操作　186
9.3.1　文件的读取　186
9.3.2　文件的定位　187
9.3.3　文件的写入　187
9.3.4　文件与目录操作　189
练习题　192
第 10章　Python数据分析常用第三方库　193
10.1　数据分析基础库之NumPy　194
10.1.1　NumPy简介　194
10.1.2　NumPy基本数据结构　194
10.1.3　NumPy核心功能及其应用　198
10.2　数据分析基础库之Pandas　206
10.2.1　Pandas简介　206
10.2.2　Pandas基本数据结构　207
10.2.3　Pandas核心功能及其应用　212
10.3　数据可视化基础库之Matplotlib　221
10.3.1　Matplotlib简介　221
10.3.2　Matplotlib核心功能及其应用　222
练习题　229
第 11章　金融与数据挖掘　232
11.1　生活中的金融　233
11.1.1　案例1：商场购物现金和电子支付　233
11.1.2　案例2：银行存款并购买理财产品储蓄和投资　233
11.1.3　案例3：证券公司开户炒股投资与理财　234
11.2　数据挖掘　234
11.2.1　数据挖掘的概念　234
11.2.2　大规模数据集　235
11.2.3　数据挖掘方法　236
11.3　数据挖掘在金融中的应用　237
练习题　238
第 12章　数据预处理和数据探索　240
12.1　数据挖掘的基本步骤　241
12.1.1　目标分析与拆解　241
12.1.2　数据收集　242
12.1.3　数据预处理、数据探索和可视化　242
12.1.4　分析与建模　244
12.1.5　模型评估　245
12.2　案例分析数据收集和数据预处理　247
练习题　251
第 13章　数据挖掘常用方法　253
13.1　监督学习　253
13.1.1　回归　254
13.1.2　分类　256
13.2　无监督学习　266
13.2.1　聚类　266
13.2.2　案例分析