|
| |
Python語言案例教程（經(jīng)管類適用）
定 價：48 元
- 作者：肖彬,張仙妮,孫秀娟,史益芳
- 出版時間：2024/10/1
- ISBN：9787519891213
- 出 版 社：中國電力出版社
- 中圖法分類：TP312PY
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
本書為讀者提供一本全面、系統(tǒng)的Python教材,從基礎知識講起,逐步深入,讓讀者逐步掌握Python編程的基本概念和核心技術。全書共10章,包括認識Python、Python基本語法、Python流程控制、Python組合數(shù)據(jù)類型、Python函數(shù)、Python模塊、Python錯誤和異常、Python數(shù)據(jù)分析及數(shù)據(jù)可視化、量化交易基礎、Python編寫量化交易策略。本書提供大量的案例,每一個案例,都已上機調(diào)試、運行通過,讓讀者在實踐中學習和掌握Python編程技能。每一章都有綜合案例,更有利于讀者融會貫通知識要點。同時,也關注Python的最z新發(fā)展和應用趨勢,為讀者提供前沿的知識和技術。讀者可掃描書中二維碼觀看教學視頻。
雙色排版,提供微課視頻,豐富案例,經(jīng)管類適用
Python語言自1989年橫空出世以來,一直保持著快速發(fā)展的態(tài)勢,并且應用領域越來越廣泛。特別是在人工智能和機器學習的普及下,Python因其簡潔易懂的語法和強大的科學計算庫支持,而成為這些領域的首選語言。此外,Python在數(shù)據(jù)分析和大數(shù)據(jù)處理、自動化和腳本編寫、Web開發(fā)、教育和學習編程等方面也都有廣泛的應用。從最新的編程排行榜來看,Python依然保持著領先的地位。本書旨在為讀者提供一本全面、系統(tǒng)的Python教材,從基礎知識講起,逐步深入,讓讀者逐步掌握Python編程的基本概念和核心技術。力求通過通俗易懂的語言和豐富的實例,讓讀者輕松上手,快速掌握Python編程的精髓。本書提供大量的案例,每一個案例都上機調(diào)試、運行通過,讓讀者在實踐中學習和掌握Python編程技能,并且每一章都有綜合案例,更有利于讀者融會貫通知識要點,書中的案例讀者可以直接掃描二維碼觀看視頻同步學習。同時,也關注Python的最新發(fā)展和應用趨勢,為讀者提供前沿的知識和技術。本教材有如下特點:（1） 系統(tǒng)全面， 深入淺出。本教材從基礎知識講起,逐步深入到高級特性,確保讀者能夠建立完整的Python知識體系。教材涵蓋Python的基本語法、數(shù)據(jù)類型、控制結(jié)構(gòu)、函數(shù)、模塊等核心內(nèi)容,通過一個個案例,讓讀者掌握各個知識要點,做到潤物細無聲。（2） 通俗易懂， 輕松上手。本教材采用通俗易懂的語言和簡潔明了的表達方式來闡述知識點,降低學習難度,讓讀者能夠輕松上手。避免使用復雜的專業(yè)術語,而是采用生動有趣的例子,例如書中的例子有BMI值的計算、個稅的算法,讓讀者更容易理解和接受。（3） 數(shù)據(jù)處理， 緊跟科技。本教材的內(nèi)容包括數(shù)據(jù)處理和數(shù)據(jù)可視化,利用Matplotlib庫和ECharts庫實現(xiàn)數(shù)據(jù)的可視化,讓讀者接受大數(shù)據(jù)相關概念和操作更加容易。（4） 量化策略， 賦能市場。本教材的內(nèi)容包括量化交易基礎,量化交易的策略編寫,讓讀者輕松理解量化交易的方方面面,能夠利用教材中的知識,編寫自己的交易策略,回測交易策略的收益率。本教材案例步驟簡潔,操作性強,適合作為本科和高等職業(yè)院校的學生計算機編程語言相關課程的教材,也適合大學經(jīng)濟管理類學生學習量化交易的參考書。本教材共10章。第1章、第4章、第7~10章由肖彬、張仙妮和孫秀娟編寫,第2、3章和第5、6章由史益芳編寫。羅維政、劉祚先和曲依揚參與了第9和10章的部分編寫,全書由肖彬擬定大綱并統(tǒng)稿。由于時間倉促,書中不妥與疏漏之處敬請讀者批評指正。本書由校級立項編寫教材(108051360024XN141)和大創(chuàng)項目-基于React的智慧校園系統(tǒng)(10805136024XN139-348)項目支持。編 者2024年6月
肖彬,副教授,長期工作在教學第d一線,教學經(jīng)驗非常豐富,深受同學們的喜歡,被評為北方工業(yè)大學校紅老師。出版過四部教程。發(fā)表過論文20余篇。
前言
第1章 認識Python 1
1.1 Python簡介 1
1.1.1 Python的圖標含義 1
1.1.2 Python的發(fā)展歷史 1
1.1.3 Python的特點 2
1.1.4 Python的應用 3
1.2 Python的環(huán)境構(gòu)建 4
1.2.1 安裝Python 4
1.2.2 使用Anaconda3 5
1.3 第一個程序HelloWorld 11
1.3.1 交互環(huán)境 11
1.3.2 Python的IDLE環(huán)境 12
1.3.3 Anaconda3環(huán)境 12
第2章 Python基本語法 15
2.1 Python程序語法元素 15
2.1.1 程序的格式框架 15
2.1.2 注釋 16
2.1.3 標識符 17
2.2 變量與數(shù)據(jù)類型 18
2.2.1 變量 19
2.2.2 變量賦值 19
2.2.3 數(shù)據(jù)類型 20
2.2.4 數(shù)值型 20
2.2.5 字符串型 22
2.2.6 查詢數(shù)據(jù)類型 24
2.2.7 數(shù)據(jù)類型的轉(zhuǎn)換 24
2.3 表達式 27
2.3.1 算術運算符和算術表達式 27
2.3.2 比較運算符和比較表達式 30
2.3.3 邏輯運算符 32
2.3.4 復合賦值運算符 34
2.3.5 運算符優(yōu)先級 36
2.4 綜合案例 37
第3章 Python流程控制 41
3.1 順序流程控制 42
3.2 條件流程控制 42
3.2.1 單分支結(jié)構(gòu):if語句 43
3.2.2 雙分支結(jié)構(gòu):if-else語句 45
3.2.3 多分支結(jié)構(gòu):if-elif-else語句 46
3.2.4 選擇結(jié)構(gòu)的嵌套 49
3.3 循環(huán)流程控制 50
3.3.1 遍歷循環(huán):for語句 51
3.3.2 條件循環(huán):while語句 53
3.3.3 循環(huán)嵌套 54
3.3.4 循環(huán)保留字:break和continue 56
3.4 綜合案例 59
第4章 Python組合數(shù)據(jù)類型 64
4.1 列表 64
4.1.1 創(chuàng)建列表 64
4.1.2 使用列表 65
4.1.3 更新列表 66
4.1.4 列表的內(nèi)置函數(shù) 68
4.1.5 列表遍歷 71
4.2 元組 73
4.2.1 創(chuàng)建元組 73
4.2.2 使用元組 74
4.2.3 刪除元組 75
4.2.4 元組的內(nèi)置函數(shù) 75
4.2.5 元組的遍歷 76
4.3 字典 76
4.3.1 創(chuàng)建字典 76
4.3.2 使用字典 77
4.3.3 刪除元素和字典 77
4.3.4 字典的內(nèi)置函數(shù)和方法 78
4.3.5 字典的遍歷 81
4.4 集合 83
4.4.1 創(chuàng)建集合 83
4.4.2 使用集合 84
4.4.3 刪除元素和集合 84
4.4.4 集合的內(nèi)置函數(shù)和方法 85
4.4.5 集合的遍歷 87
4.5 綜合案例 87
第5章 Python函數(shù) 93
5.1 函數(shù)概述 93
5.1.1 函數(shù)的定義 93
5.1.2 函數(shù)調(diào)用和返回 94
5.1.3 變量的作用域 95
5.2 函數(shù)參數(shù)的傳遞方式 98
5.2.1 按位置傳遞參數(shù) 98
5.2.2 按參數(shù)名傳遞參數(shù) 100
5.2.3 按默認值傳遞參數(shù) 101
5.2.4 值傳遞和引用傳遞 101
5.3 函數(shù)的調(diào)用 102
5.3.1 嵌套調(diào)用 103
5.3.2 遞歸調(diào)用 105
5.4 綜合案例 106
第6章 Python模塊 110
6.1 模塊的概述 110
6.1.1 自定義模塊 110
6.1.2 模塊導入 110
6.2 Python常用的內(nèi)置模塊 115
6.2.1 math庫 115
6.2.2 random庫 116
6.2.3 turtle庫 118
6.3 綜合案例 120
第7章 Python錯誤和異常 123
7.1 Python錯誤與異常概述 123
7.1.1 異常的概念 124
7.1.2 異常的類型 124
7.1.3 異常的捕獲 124
7.2 Python自定義異常 129
7.3 綜合案例 130
第8章 Python數(shù)據(jù)分析及數(shù)據(jù)可視化 133
8.1 數(shù)據(jù)分析概述 133
8.2 科學計算庫NumPy 133
8.2.1 NumPy數(shù)組與list的區(qū)別 133
8.2.2 NumPy數(shù)組的創(chuàng)建 135
8.2.3 NumPy數(shù)組的使用 137
8.2.4 NumPy數(shù)組的運算 140
8.3 數(shù)據(jù)分析工具Pandas 144
8.3.1 Pandas的數(shù)據(jù)結(jié)構(gòu) 144
8.3.2 一維數(shù)組Series 145
8.3.3 二維數(shù)組DataFrame 154
8.3.4 讀/寫數(shù)據(jù) 163
8.4 數(shù)據(jù)可視化 166
8.4.1 數(shù)據(jù)可視化概述 166
8.4.2 Matplotlib 166
8.4.3 Echarts 169
第9章 量化交易基礎 176
9.1 初識量化交易 176
9.1.1 量化交易的概念 176
9.1.2 量化交易的優(yōu)勢 177
9.2 量化交易的內(nèi)容 178
9.2.1 量化內(nèi)容 178
9.2.2 量化擇時 179
9.2.3 量化交易 179
第10章 Python編寫量化交易策略 181
10.1 量化交易策略 181
10.1.1 獲取股票數(shù)據(jù)函數(shù) 181
10.1.2 量化策略財務因子 191
10.2 量化策略編寫 208
10.2.1 策略1： 均線策略 208
10.2.2 策略2： 雙均線交易策略 210
10.2.3 策略3： 布林帶策略 212
10.2.4 交易策略總結(jié) 214
參考文獻 216
|
書單推薦
