本书共 4 篇，分别是 Python 基础篇、财务大数据分析篇、财务大数据可视化篇、财务大数据决策篇。Python 基础篇包括：Windows 下开发环境的搭建与编码规范；运算符、表达式与内置函数；程序控制结构；可迭代序列结构；Python 函数；文件及文件夹操作。财务大数据分析篇包括：NumPy科学计算库；认识 Pandas；数据清洗、预处理；数据筛选、查询；数据特征与统计信息、排序、连接；数据分组聚合、透视。财务大数据可视化篇包括：扩展库 Matplotlib 可视化；扩展库 Pyecharts 可视化。财务大数据决策篇包括：项目投资决策；本量利分析；预算管理；财务风险预警。 本书以 Python 大数据工具进行财务分析与决策，开发了大量基于财务场景的实训项目，并且提供了相应的数据和程序代码等学习资料。本书可作为高校会计学、财务管理、审计学、工商管理、大数据管理与应用、大数据 会计等专业本科生和研究生财务大数据分析与决策、Python 在财务中的应用、智能财务分析、智能财务分析与决策、大数据与财务决策等课程的教材，也可以作为对财务数智化感兴趣的读者的学习参考书

以Python大数据工具进行财务分析与决策，充分考虑财会专业的特点和知识结构，对Python开发内容重新进行全方位设计，围绕Python在财务中的应用场景，提供丰富翔实的实训项目案例

随着互联网、物联网、云计算等科学技术的迅猛发展，全球数据信息爆炸式增长，信息社会早已进入大数据时代。大数据正飞速改变着企业的运作和管理模式，会计行业亟待转变，财政部在《会计改革与发展十四五规划纲要》中明确要求广大会计人员密切关注大数据、互联网＋的发展对会计工作的影响。上海国家会计学院发起的影响会计从业人员的十大技术评选活动结果显示，大数据等信息技术均位列影响中国会计从业人员的十大技术之中。加快人工智能和大数据与会计学科的深度融合是当前会计发展的必然趋势。
大数据在未来5～10年内将为会计师和财会专业人士创造新的机遇，使他们在组织内部占据更具战略意义、更加面向未来、更为积极主动的位置。在此背景下，财务大数据分析与决策复合创新型人才需求量迅猛增长，会计专业应主动适应社会需求，推动高水平专业建设，培养符合时代需求和现代技术发展的新型复合型财会人才。围绕财务大数据分析与决策复合人才的培养，相关教材需求量迅猛增长，但目前市场相关的教材很少。基于这样的背景，我们编写了本书。
本书共4篇，分别是Python基础篇、财务大数据分析篇、财务大数据可视化篇、财务大数据决策篇。Python基础篇内容包括：Windows环境下开发环境的搭建与编码规范；运算符、表达式与内置函数；程序控制结构；可迭代序列结构；函数；文件与文件夹操作。财务大数据分析篇内容包括：NumPy科学计算库；认识Pandas；数据清洗与预处理；数据筛选与查询；数据特征与统计信息、排序、连接；数据分析聚合与透视。财务大数据可视化篇内容包括：扩展库Matplotlib可视化；扩展库Pyecharts可视化。财务大数据决策篇内容包括：项目投资决策；本量利分析；预算管理；财务风险预警。
本书主要有以下特色及创新之处。
（1）以Python大数据工具进行财务分析与决策，围绕Python在财务中的应用场景，将Python内容重新进行全方位设计。Python编程课程对财会专业学生有一定的难度，本书充分考虑财会专业的特点和知识结构，对Python内容重新进行全方位设计，围绕Python在财务中的应用场景，提供丰富翔实的实训项目案例，将Python编程和财务分析决策紧密结合。
（2）开发了大量基于财务场景的实训项目，便于开展项目制教学，提高学生会计学科和大数据学科知识整合能力。现有的大数据会计教学方法存在较大问题，其中较为突出的是专业与技术两张皮的问题。项目制学习方法有助于学生在完成项目任务的过程中整合所学知识，熟练运用计算机技能与理论知识解决实际问题，从而实现大数据＋会计不同学科知识的交叉融合。本书选取大数据会计领域的热点问题作为具体项目，推动学生在完成项目任务的过程中加深对财务理论知识的理解，同时熟练掌握大数据操作技能。
（3）为了提升教学内容的丰富性和可操作性，本书提供了所有章节需要用到的数据和程序代码等学习资料。
本书由文玉锋（西北师范大学）、赵雪梅（西北师范大学）主编，文玉锋编写了第1～14章，赵雪梅编写了第15～17章，陈达人（西北师范大学）编写了第18章。
在编写过程中我们虽然做了不少努力，但由于人工智能、大数据技术的飞速发展，加上作者的能力水平有限，本书难免有不妥、疏漏甚至错误之处，我们诚挚地希望读者朋友给予批评指正。
本书在编写过程中参考了诸多学者的研究成果，由于篇幅有限，不再一一列出，在此一并感谢！
本书由甘肃省教育厅产业支撑计划项目（2121CYZC-59）、西北师范大学教材建设基金、2023年甘肃省高校创新创业教育教学改革研究项目（基于场景化项目＋慧教学平台的专创融合教学模式探索与实践以数据会计为例）、2022年甘肃省高等教育教学成果培育项目（会计专业数智化转型中教学模式创新研究制教学模式的设计与实践）资助。

编 者
2023年2月

文玉锋，西北师范大学副教授、硕士生导师、新道科技股份有限公司培训讲师。从事大数据管理与应用专业教学、研究及实践工作。目前主要研究方向是商务大数据、财务大数据，在这个领域已取得数十项教学研究成果，主讲课程主要有Python程序设计、商务数据分析与可视化、Python财务应用等。多次获财务大数据、商务大数据等比赛的优秀指导教师。

Python基础篇
第1章 Windows环境下开发环境的搭建与编码规范 3
1.1 开发环境搭建与使用 3
1.2 扩展库的安装 12
1.3 标准库与扩展库中对象的导入 14
1.4 Python编程规范及语法特点 15
思考练习题 19
即测即练 19
第2章 运算符、表达式与内置函数 20
2.1 Python的基本元素与标识符、关键字 20
2.2 Python内置对象与基本数据类型 24
2.3 常用运算符与表达式 32
2.4 Python常用内置函数 37
2.5 基本输入和输出 44
思考练习题 48
即测即练 48
第3章 程序控制结构 49
3.1 顺序结构 49
3.2 选择结构 50
3.3 循环结构控制语句 55
3.4 异常处理结构 61
3.5 综合案例 67
思考练习题 71
即测即练 72
第4章 可迭代序列结构 73
4.1 列表 73
4.2 元组 80
4.3 字典 81
4.4 集合 84
4.5 字符串常用方法 86
4.6 推导式与生成器推导式 90
4.7 综合案例 93
思考练习题 95
即测即练 96
第5章 函数 97
5.1 函数的定义和调用 97
5.2 函数参数 99
5.3 lambda表达式 103
5.4 变量的作用域 104
5.5 综合案例 106
思考练习题 109
即测即练 110
第6章 文件与文件夹操作 111
6.1 文件操作基础 111
6.2 JSON文件操作 113
6.3 CSV文件操作 114
6.4 文件级与文件夹级操作 115
思考练习题 119
即测即练 119
财务大数据分析篇
第7章 NumPy科学计算库 123
7.1 数组对象 123
7.2 数组运算 125
7.3 利用数组进行数据处理 133
7.4 矩阵常用操作 137
思考练习题 141
即测即练 142
第8章 认识Pandas 143
8.1 Pandas的数据结构 143
8.2 Pandas索引操作 148
8.3 文件读取与写入 153
8.4 财务案例实践 155
思考练习题 157
即测即练 157
第9章 数据清洗与预处理 158
9.1 重复值处理 158
9.2 缺失值的处理 160
9.3 其他异常值的处理 163
9.4 数据预处理 166
9.5 财务案例实践 169
思考练习题 172
即测即练 172
第10章 数据筛选与查询 173
10.1 直接筛选 173
10.2 条件筛选 174
10.3 访问器筛选 176
10.4 财务案例实践 179
思考练习题 181
即测即练 182
第11章 数据特征与统计信息、排序、连接 183
11.1 描述性统计分析 183
11.2 数据排序 186
11.3 数据拆分与合并 188
11.4 财务案例实践 192
思考练习题 194
即测即练 194
第12章 数据分组聚合与透视 195
12.1 数据分组与聚合 195
12.2 透视表与交叉表 198
12.3 财务案例实践 201
思考练习题 205
即测即练 205
财务大数据可视化篇
第13章 扩展库Matplotlib可视化 209
13.1 可视化库Matplotlib基础 209
13.2 基础绘图 214
13.3 高级绘图 222
13.4 Pandas作图函数 232
13.5 财务案例实践 235
即测即练 238
第14章 扩展库Pyecharts可视化 239
14.1 参数配置与运行环境 239
14.2 基础绘图 242
14.3 高级绘图 247
14.4 财务案例实践 254
思考练习题 257
即测即练 257
财务大数据决策篇
第15章 项目投资决策 261
15.1 投资管理 261
15.2 贴现现金流法 261
15.3 投资决策实训项目 262
第16章 本量利分析 266
16.1 本量利分析 266
16.2 盈亏平衡分析 266
16.3 目标利润分析 267
16.4 边际分析 267
16.5 敏感性分析 268
16.6 本量利分析实训项目 268
第17章 预算管理 273
17.1 预算管理 273
17.2 滚动预算 273
17.3 滚动预算编制实训项目 273
第18章 财务风险预警 277
18.1 财务风险预警 277
18.2 k-means聚类算法 278
18.3 BP神经网络 278
18.4 房地产行业财务预警模型构建 279
参考文献 293