本书从结构上分为编程基础、数据分析和数据应用三部分。
第一部分（第1～6章）是Python语言入门及进阶，内容包括Python语法和程序设计；第二部分（第7～10章）是Python核心数据分析演练，主要介绍Python核心数据处理库和专业库；第三部分（第11～15章）是Python在金融行业的应用，通过金融应用案例培养学生运用Python进行数据分析和解决实际问题的能力。
本书可作为高校财经类学生“数据分析”课程的教材，也可供从事数据分析工作的专业人员参考使用。

第一部分 编程基础
第1章 Python语言概述
1.1 Python语言与数据分析应用
1.2 Python程序开发与开发环境
1.3 Anaconda与Python
1.4 课后思考
第2章 Python程序结构
2.1 顺序执行：程序结构、标识符、赋值语句
2.2 条件语句
2.3 循环语句
2.4 课后思考
第3章 列表与元组
3.1 知识准备
3.2 代码补全和知识拓展
3.3 实训任务：两个列表相加
3.4 延伸高级任务
3.5 课后思考
第4章 字符串
4.1 知识准备
4.2 代码补全和知识拓展
4.3 实训任务：处理股票交易数据
4.4 延伸高级任务
4.5 课后思考
第5章 字典
5.1 知识准备
5.2 代码补全和知识拓展
5.3 实训任务：银行卡密码初始化
5.4 延伸高级任务
5.5 课后思考
第6章 函数与类
6.1 知识准备
6.2 代码补全和知识拓展
6.3 实训任务：景区访客量统计
6.4 延伸高级任务
6.5 课后思考
第二部分 数据分析
第7章 NumPy
7.1 知识准备
7.2 代码补全和知识拓展
7.3 实训任务：生成偶数数组
7.4 延伸高级任务
7.5 课后思考
第8章 Python数据可视化
8.1 知识准备
8.2 代码补全和知识拓展
8.3 实训任务：视频网站数据可视化
8.4 延伸高级任务
8.5 课后思考
第9章 核心数据处理库pandas
9.1 知识准备
9.2 代码补全和知识拓展
9.3 实训任务
9.4 延伸高级任务
9.5 课后思考
第10章 进阶数据处理库
10.1 SciPy
10.2 Statsmodels
10.3 Quandl
10.4 Zipline和Pyfolio
10.5 TA-Lib和QuantLib
10.6 课后思考
第三部分 行业应用
第11章 股票数据分析可视化
11.1 知识准备
11.2 任务介绍
11.3 代码演示
11.4 代码补全和知识拓展
11.5 实训任务：下载股票数据并绘制收盘价时间序列图
11.6 课后思考
第12章 实现量化交易策略
12.1 知识准备
12.2 任务介绍
12.3 代码演示
12.4 代码补全和知识拓展
12.5 实训任务：tushare数据演示移动平均线交易策略
12.6 课后思考
第13章 商业银行数据迁移案例
13.1 知识准备
13.2 任务介绍
13.3 代码演示
13.4 代码补全和知识拓展
13.5 实训任务：某商业银行数据迁移案例
13.6 课后思考
第14章 银行信贷潜在违约客户识别
14.1 知识准备
14.2 任务介绍
14.3 代码演示
14.4 代码补全和知识拓展
14.5 实训任务：利用某银行实际数据进行贷款违约预测
14.6 课后思考
第15章 金融机构电话营销数据分析
15.1 知识准备
15.2 任务介绍
15.3 代码演示
15.4 代码补全和知识拓展
15.5 实训任务：金融机构电话营销数据分析
15.6 延伸高级任务
15.7 课后思考