鸠摩搜书下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《AI时代Python金融大数据分析实战》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《AI时代Python金融大数据分析实战》内容简介
《AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀》是一本针对金融领域的数据分析和机器学习应用的实用指南。《AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀》以ChatGPT为核心技术，结合Python编程和金融领域的基础知识，介绍如何利用ChatGPT处理和分析金融大数据，进行预测建模和智能决策。
《AI时代Python金融大数据分析实战》书籍信息摘要
《AI时代Python金融大数据分析实战》内容简介与阅读建议，作者 关东升 著，科技技术，2024年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：ChatGPT、AI、Python、金融大数据、计算机类。
- 作者：关东升 著
- 分类：科技技术
- 出版年份：2024
- 出版社：北京大学出版社
- 页数：312 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《AI时代Python金融大数据分析实战》适合哪些读者？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。
获取建议
《AI时代Python金融大数据分析实战》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
目录
- 第1章
- ChatGPT在金融大数据分析中的作用
- 1.1 ChatGPT生成金融数据分析代码示例的案例2
- 1.1.1 案例1：生成数据清洗和预处理代码示例2
- 1.1.2 案例2：生成特征工程代码示例3
- 1.2 ChatGPT回答金融领域知识的案例3
- 1.2.1 案例3：解答金融市场知识4
- 1.2.2 案例4：解释经济学理论4
展开全部（共 266 章节）
- 1.2.3 案例5：解答金融产品相关问题5
- 1.2.4 案例6：解答金融风险管理相关问题5
- 1.3 ChatGPT辅助发现数据中的模式和特征6
- 1.4 本章总结6
- 第2章
- 金融大数据分析Python基础
- 2.1 Python解释器8
- 2.2 IDE工具10
- 2.2.1 安装Jupyter Notebook10
- 2.2.2 启动Jupyter Notebook11
- 2.3 第一个Python程序13
- 2.3.1 编写脚本文件运行第一个Python程序13
- 2.3.2 使用Jupyter Notebook编写和运行第一个Python程序13
- 2.4 Python语法基础14
- 2.4.1 标识符14
- 2.4.2 关键字14
- 2.4.3 变量声明15
- 2.4.4 语句15
- 2.4.5 Python代码块16
- 2.4.6 模块16
- 2.5 数据类型与运算符18
- 2.5.1 数据类型18
- 2.5.2 运算符20
- 2.6 控制语句24
- 2.6.1 分支语句24
- 2.6.2 循环语句26
- 2.6.3 跳转语句28
- 2.7 序列29
- 2.7.1 索引操作 30
- 2.7.2 序列切片31
- 2.7.3 可变序列——列表32
- 2.7.4 不可变序列——元组33
- 2.7.5 列表推导式34
- 2.8 集合35
- 2.8.1 创建集合35
- 2.8.2 集合推导式36
- 2.9 字典36
- 2.9.1 创建字典37
- 2.9.2 字典推导式38
- 2.10 字符串类型38
- 2.10.1 字符串表示方式38
- 2.10.2 字符串格式化40
- 2.11 函数40
- 2.11.1 匿名函数与lambda表达式41
- 2.11.2 数据处理中的两个常用函数43
- 2.12 文件操作44
- 文件读写45
- 2.13 异常处理48
- 2.13.1 捕获异常48
- 2.13.2 释放资源49
- 2.14 多线程52
- 创建线程52
- 2.15 本章总结55
- 第3章
- 金融大数据的获取
- 3.1 金融大数据概述57
- 3.1.1 数据来源57
- 3.1.2 数据采集工具和技术58
- 3.2 网络爬虫58
- 3.2.1 网络爬虫原理58
- 3.2.2 网络爬虫的应用59
- 3.2.3 使用urllib爬取静态网页数据59
- 3.2.4 案例1：爬取纳斯达克股票数据60
- 3.3 解析数据62
- 3.3.1 使用BeautifulSoup库63
- 3.3.2 案例2：解析纳斯达克股票数据63
- 3.3.3 使用Selenium爬取动态网页数据67
- 3.3.4 案例3：爬取搜狐证券贵州茅台股票数据69
- 3.3.5 案例4：使用Selenium解析HTML数据71
- 3.4 使用API调用获取数据72
- 3.4.1 常见的金融数据API73
- 3.4.2 使用TushareAPI获取数据74
- 3.4.3 案例5：使用Tushare API获取贵州茅台股票数据74
- 3.5 使用ChatGPT辅助获取数据76
- 3.5.1 案例6：使用ChatGPT解释和理解数据格式76
- 3.5.2 案例7：使用ChatGPT提供数据处理示例代码77
- 3.5.3 案例8：使用ChatGPT帮助解决数据获取问题79
- 3.6 本章总结80
- 第4章
- 金融大数据基础库：NumPy
- 4.1 NumPy库82
- 4.1.1 为什么选择NumPy82
- 4.1.2 安装NumPy库83
- 4.2 创建数组83
- 4.2.1 创建一维数组83
- 4.2.2 指定数组数据类型84
- 4.2.3 创建一维数组更多方式85
- 4.2.4 使用arange函数85
- 4.2.5 等差数列与linspace函数86
- 4.2.6 等比数列与logspace函数88
- 4.3 二维数组 89
- 创建二维数组89
- 4.4 创建二维数组更多方式90
- 4.4.1 使用ones函数90
- 4.4.2 使用zeros函数91
- 4.4.3 使用empty函数91
- 4.4.4 使用full函数92
- 4.4.5 使用identity函数93
- 4.4.6 使用eye函数94
- 4.5 数组的属性95
- 4.6 数组的轴95
- 4.7 三维数组96
- 4.8 访问数组96
- 4.8.1 索引访问96
- 4.8.2 切片访问98
- 4.8.3 花式索引100
- 4.9 本章总结100
- 第5章
- 金融大数据分析库：Pandas
- 5.1 Pandas库介绍102
- 5.1.1 为什么选择Pandas102
- 5.1.2 安装Pandas库103
- 5.2 Series数据结构103
- 5.2.1 理解Series数据结构103
- 5.2.2 创建Series对象104
- 5.2.3 访问Series数据106
- 5.2.4 通过下标访问Series数据107
- 5.2.5 通过切片访问Series数据107
- 5.3 DataFrame数据结构110
- 创建DataFrame对象110
- 5.4 访问DataFrame数据113
- 5.4.1 访问DataFrame列113
- 5.4.2 访问DataFrame行114
- 5.4.3 切片访问115
- 5.5 本章总结116
- 第6章
- 金融大数据的预处理与清洗
- 6.1 数据清洗和预处理118
- 6.1.1 使用ChatGPT辅助数据清洗118
- 6.1.2 案例1：使用ChatGPT辅助分析股票数据119
- 6.1.3 案例2：处理股票数据缺失值问题120
- 6.1.4 案例3：处理股票数据类型不一致问题123
- 6.1.5 案例4：处理股票数据异常值问题124
- 6.2 本章总结125
- 第7章
- 金融大数据的存储
- 7.1 使用MySQL数据库127
- 7.1.1 MySQL数据库管理系统127
- 7.1.2 安装MySQL8数据库128
- 7.1.3 客户端登录服务器130
- 7.1.4 图形界面客户端工具130
- 7.1.5 安装PyMySQL库135
- 7.1.6 访问数据库的一般流程136
- 7.1.7 案例1：访问苹果股票数据138
- 7.2 使用Pandas读写MySQL数据库141
- 7.2.1 示例2：使用Panda从数据库读取股票数据141
- 7.2.2 示例3：使用Pandas写入股票数据到数据库143
- 7.3 使用Pandas读写Excel文件144
- 7.3.1 示例4：使用Pandas从Excel文件读取股票数据144
- 7.3.2 示例5：使用Pandas写入股票数据到Excel文件145
- 7.4 使用Pandas读写CSV文件146
- 7.4.1 案例6：从CSV文件读取货币供应量数据147
- 7.4.2 示例7：使用Pandas写入股票数据到CSV文件148
- 7.5 JSON数据交换格式149
- 7.5.1 JSON文档结构149
- 7.5.2 JSON数据编码150
- 7.5.3 JSON数据解码153
- 7.5.4 案例8：解码搜狐证券贵州茅台股票数据154
- 7.6 本章总结156
- 第8章
- 金融大数据可视化基础库：Matplotlib
- 8.1 金融大数据可视化库158
- 8.2 金融大数据可视化方法和图表类型158
- 8.3 使用Matplotlib绘制图表159
- 8.3.1 安装Matplotlib159
- 8.3.2 图表的基本构成要素160
- 8.3.3 绘制折线图160
- 8.3.4 绘制柱状图161
- 8.3.5 绘制饼状图162
- 8.3.6 绘制散点图163
- 8.3.7 绘制子图表164
- 8.3.8 案例1：绘制贵州茅台股票历史成交量折线图167
- 8.3.9 案例2：绘制贵州茅台股票OHLC折线图169
- 8.4 mplfinance库170
- 8.4.1 K线图170
- 8.4.2 绘制K线图171
- 8.4.3 案例3：绘制贵州茅台股票K线图171
- 8.5 绘制移动平均线图172
- 8.5.1 案例4：绘制贵州茅台股票5日和10日移动平均线图173
- 8.5.2 案例5：绘制K线图 移动平均线图175
- 8.6 本章总结177
- 第9章
- 金融大数据可视化进阶库：Seaborn
- 9.1 Seaborn库概述179
- 9.1.1 使用Seaborn图表的主要优点179
- 9.1.2 安装Seaborn库179
- 9.1.3 设置Seaborn的样式180
- 9.2 箱线图181
- 9.3 小提琴图182
- 9.4 关联线图183
- 9.5 关联散点图184
- 9.6 密度图186
- 9.7 Dist图187
- 9.8 线性回归图188
- 9.9 热力图189
- 9.10 本章总结191
- 第10章
- 金融大数据分析
- 10.1 ChatGPT辅助金融大数据分析193
- 10.2 数据的统计分析方法194
- 10.3 描述统计分析194
- 10.3.1 在Pandas中常用的描述统计方法195
- 10.3.2 案例1：使用描述统计方法分析贵州茅台股票数据198
- 10.4 频数分析203
- 10.4.1 案例2：分析信用卡交易金额的频数分布204
- 10.4.2 案例3：分析贵州茅台股票交易量频数分布205
- 10.5 相关性分析206
- 10.5.1 案例4：股票行业相关性分析207
- 10.5.2 案例5：使用ChatGPT辅助分析皮尔逊相关系数208
- 10.6 时间序列分析209
- 10.6.1 案例6：采用MA分析贵州茅台股票的价格走势210
- 10.6.2 案例7：采用AR分析贵州茅台股票的价格走势218
- 10.7 本章总结223
- 第11章
- 机器学习与金融大数据预测建模
- 11.1 机器学习策略225
- 11.1.1 机器学习策略分类225
- 11.1.2 Python机器学习库226
- 11.1.3 机器学习策略的实施过程227
- 11.2 案例1：使用Scikit-learn分类策略预测苹果股票走势228
- 11.3 案例2：使用Scikit-learn回归策略预测苹果股票走势233
- 11.4 案例3：使用Keras深度学习库预测苹果股票走势241
- 11.5 本章总结250
- 第12章
- ChatGPT在金融大数据分析中的应用与优势
- 12.1 ChatGPT在金融领域中的自动化客户服务与智能助理方面的应用252
- 12.1.1 案例1：ChatGPT应用于金融领域中的智能问答和问题解决252
- 12.1.2 案例2：ChatGPT应用于金融领域中的个性化建议和推荐254
- 12.1.3 案例3：ChatGPT应用于金融领域中的自动化投资助理254
- 12.2 ChatGPT在金融领域中的情感分析和舆情监测方面的应用256
- 12.2.1 案例4：ChatGPT在金融市场情感分析中的应用256
- 12.2.2 案例5：ChatGPT在舆情监测中的应用257
- 12.3 ChatGPT在金融领域中的文档处理方面的应用258
- 12.4 与ChatGPT对话的文本语言——Markdown259
- 12.4.1 Markdown基本语法259
- 12.4.2 使用Markdown工具 262
- 12.4.3 案例6：利用ChatGPT撰写ABC银行年度财务报告265
- 12.4.4 将Markdown格式文档转换为Word文档267
- 12.4.5 将Markdown格式文档转换为PDF文档268
- 12.4.6 案例7：利用ChatGPT生成ABC银行资产负债表269
- 12.5 本章总结273
- 第13章
- 金融案例与实践
- 13.1 实践案例1：使用ARIMA模型预测USD/CNY汇率275
- 13.1.1 案例背景275
- 13.1.2 有关汇率的基本概念275
- 13.1.3 收集数据276
- 13.1.4 案例实现过程277
- 13.2 实践案例2：基于深度学习的黄金期货价格预测282
- 13.2.1 有关期货的基本概念282
- 13.2.2 期货交易中的多头和空头策略及其风险管理283
- 13.2.3 收集数据283
- 13.2.4 案例实现过程285
- 13.3 实践案例3：基于深度学习的比特币价格预测291
- 13.3.1 数字货币相关的基本概念292
- 13.3.2 收集数据292
- 13.3.3 案例实现过程293
- 13.4 本章总结302
合规获取说明
当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《AI时代Python金融大数据分析实战》适合谁读？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。
《AI时代Python金融大数据分析实战》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《AI时代Python金融大数据分析实战》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《AI时代Python金融大数据分析实战》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《AI时代Python金融大数据分析实战》？
当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《AI时代Python金融大数据分析实战》相关书籍？
可以进入 关东升 著 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
