本书是高等学校智能会计系列教材之一。
本书主要内容包括：绪论、Python语法基础、数据采集与网络爬虫、数据预处理、数据统计分析、数据可视化、文本分析、特征工程、机器学习、财务大数据分析综合案例。本书精选了大量财务相关例题，并通过二维码链接了原始数据、补充知识、代码结果等，利于学生掌握要点。
本书适合作为高等学校相关课程教材，也可作为相关从业人员参考用书。
- 第一章 绪论1
- 学习目标 1
- 第一节 财务大数据分析概述 1
- 第二节 Python编程概述 8
- 本章小结 14
- 复习思考题 15
- 实践操作题 15
- 第二章 Python语法基础16
- 学习目标 16
- 第一节 数据类型 16
- 第二节 程序控制 39
- 第三节 函数应用 49
- 本章小结 58
- 复习思考题 58
- 实践操作题 59
- 第三章 数据采集与网络爬虫60
- 学习目标 60
- 第一节 数据采集概述 60
- 第二节 互联网数据采集与网络爬虫 62
- 本章小结 80
- 复习思考题 81
- 实践操作题 81
- 第四章 数据预处理82
- 学习目标 82
- 第一节 数据预处理概述 82
- 第二节 数据筛选与合并 100
- 第三节 数据清洗 107
- 本章小结 115
- 复习思考题 115
- 实践操作题 116
- 第五章 数据统计分析117
- 学习目标 117
- 第一节 描述性统计分析 117
- 第二节 数据分组与聚合 122
- 第三节 数据透视表与轴向转换 125
- 本章小结 129
- 复习思考题 130
- 实践操作题 130
- 第六章 数据可视化132
- 学习目标 132
- 第一节 数据可视化概述 132
- 第二节 matplotlib 133
- 第三节 pyecharts 148
- 本章小结 170
- 复习思考题 170
- 实践操作题 170
- 第七章 文本分析171
- 学习目标 171
- 第一节 文本分析概述 171
- 第二节 财务文本词云图可视化 173
- 第三节 财务文本情感分析 178
- 第四节 财务文本主题分析 188
- 本章小结 192
- 复习思考题 192
- 实践操作题 193
- 第八章 特征工程194
- 学习目标 194
- 第一节 特征工程概述 194
- 第二节 特征转换 197
- 第三节 特征选择 210
- 本章小结 217
- 复习思考题 218
- 实践操作题 218
- 第九章 机器学习220
- 学习目标 220
- 第一节 机器学习的概念与分类 220
- 第二节 机器学习的应用流程 221
- 第三节 机器学习的基本模型 229
- 本章小结 268
- 复习思考题 268
- 实践操作题 269
- 第十章 财务大数据分析综合案例270
- 学习目标 270
- 第一节 财务报表数据分析——以养元饮品为例 270
- 第二节 财务舞弊风险预测——以我国上市公司为样本 306
- 本章小结 320
- 复习思考题 320
- 实践操作题 321
- 参考文献322
