本书全面介绍了关于金融数据的存储方式等基础知识，着重介绍了NumPy模块、Pandas模块和Matplotlib模块对金融数据的计算、统计和可视化方法，以及金融数据中的线性回归问题、时间序列分析和投资组合理论等在Python中的实现方法，并较为全面地补充了金融数据处理中涉及的Python常用函数，形成四个函数专辑。
本书共分为三个部分：第一部分（第1～7章）为理论篇，着重介绍金融数据的存储与处理，包括NumPy Pandas和Matplotlib三大模块；第二部分（第8章）为实验篇，着重介绍如何实现数据存储、计算、可视化和回归分析；第三部分（第9章）为函数篇，介绍本书中常用的函数或模块。本书提供了大量应用实例，每章后均附有习题。
本书可作为高等院校计算机相关专业、金融学相关专业、电子商务专业等高年级本科生、研究生的教材，也可作为对Python语言比较熟悉并且对金融数据处理有所了解的专业人员、广大数据分析爱好者和研究人员的参考用书。

第1章 大数据与Python基础知识
1.1 金融数据分析概述
1.2 字符串
1.2.1 字符串类型数据
1.2.2 字符串的索引与切片
1.2.3 内置的字符串运算符
1.2.4 内置的字符串处理函数
1.2.5 内置的字符串处理方法
1.2.6 format()格式化方法
1.2.7 Python转义字符
1.3 分支结构与循环结构
1.3.1 分支结构的语法结构
1.3.2 三元操作
1.3.3 while循环
1.3.4 for循环
1.4 函数
1.4.1 内置函数
1.4.2 自定义函数
1.5 列表型金融数据的定义
1.5.1 一列表的定义形式
1.5.2 列表元素的访问
1.5.3 列表的常用方法
1.6 双向索引与列表的切片
1.6.1 双向索引
1.6.2 列表的切片
1.7 列表生成器/列表推导式
1.8 金融数据中字典数据类型
1.8.1 字典的定义
1.8.2 字典的创建
1.8.3 例题及讲解
1.8.4 字典数据类型的使用
小结
第2章 金融数据中NumPy模块的应用
2.1 NumPy概述
2.2 数组的创建
2.2.1 创建数组
2.2.2 NumPy数据类型
2.2.3 数组常用方法
2.3 NumPy模块中一维数组的运用
2.3.1 数组元素索引和切片
2.3.2 数组的基本运算
2.3.3 数组算术运算
2.3.4 数组数学运算
2.3.5 数组布尔运算
2.3.6 数组去重运算
2.3.7 数组包含运算
2.3.8 数组常用统计运算
2.3.9 一维数组排序
2.4 NumPy模块中二维数组的运用
2.4.1 创建二维数组
2.4.2 二维数组元素索引和切片
2.4.3 二维数组基本运算
2.4.4 二维数组统计运算
2.4.5 二维数组排序
2.4.6 检索数组元素
2.5 矩阵与线性代数运算
2.5.1 创建矩阵
2.5.2 NumPy矩阵模块matlib
2.5.3 转置矩阵
2.5.4 矩阵运算
2.5.5 线性代数运算
小结
习题
第3章 金融数据分析中Pandas模块的应用
3.1 Pandas库概述
3.2 Pandas的安装
3.3 Pandas的数据类型及结构
3.4 Series对象
3.4.1 Series对象的创建
3.4.2 Series对象的访问
3.4.3 Series对象的编辑
3.4.4 Series对象的常用属性
3.4.5 Series对象的常用方法
3.4.6 Series对象的基本运算
3.4.7 Series对象聚合运算
3.5 DataFrame对象
3.5.1 DataFrame对象的创建
3.5.2 DataFrame对象的访问
3.5.3 DataFrame对象的编辑
3.5.4 DataFrame的文件读写
3.5.5 DataFrame的分组与聚合
3.5.6 DataFrame对象的常用操作
小结
习题
第4章 金融数据可视化
4.1 数据可视化概述
4.1.1 什么是可视化
4.1.2 数据可视化的设计原则
4.1.3 常见的图表类型和用途
4.2 使用Matplotlib进行数据可视化
4.2.1 绘图基本过程
4.2.2 简单美化图表
4.2.3 常用的数据可视化工具
4.2.4 常用图表的绘制
4.2.5 多图绘制的方法
4.3 综合实例
小结
习题
第5章 金融数据分析中的线性回归
5.1 线性回归概述
5.1.1 线性回归的概念
5.1.2 参数的估计
5.1.3 回归系数及其含义
5.2 一元线性回归分析
5.2.1 一元线性回归——Excel实现方法
5.2.2 一元线性回归的Python解决方案
5.3 多元线性回归分析
5.3.1 多元线性回归——Excel实现方法
5.3.2 多元线性回归——Python解决方案
小结
习题
第6章 金融时间序列分析
6.1 时间序列分析概述
6.2 时间序列数据的创建与访问
6.2.1 时间型数据的创建
6.2.2 时间序列的访问
6.2.3 时间序列的切片
6.2.4 固定频率的时间序列
6.2.5 时期对象的时间序列
6.3 时间序列的数据聚合
6.3.1 时间序列的重采样
6.3.2 时间序列的窗口滑动
6.3.3 时间序列的移动及聚合
6.4 时间序列预测模型
6.4.1 简单移动平均
6.4.2 加权移动平均
6.4.3 指数加权移动平均
6.5 ARIMA模型
小结
习题
第7章 投资组合理论
7.1 投资组合基本原理
7.1.1 现代投资组合理论
7.1.2 分析方法和模型
7.2 投资组合分析——Excel方法实现
7.3 投资组合的Python解决方案
小结
习题
第8章 实验内容
实验一 字符串和列表的应用
实验二 字典和集合数据类型
实验三 选择结构与循环结构
实验四 匿名函数与函数式编程
实验五 文件读写
实验六 NumPy数组
实验七 Pandas模块的使用（初级）
实验八 Pandas模块的使用（高级）
实验九 金融数据获取
实验十 Matplotlib绘图
实验十一 一元回归分析
实验十二 多元回归分析
第9章 函数专辑
9.1 range()函数和random模块的应用
9.1.1 range()函数