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
