程式語言近百種,為什麼要選Python?因為,Python 自1980 到今已二十年的發展歷史,算是穩定發展的程式語言。語法清晰、簡潔、好學,使用縮排提高程式碼的撰寫效能與可讀性。因為它是Open Source,所以網路上有很多的標準函數庫可以引用。即使是最火紅的Blockchain(區塊鏈) Python API 1.2.1 版- 套件也在2015 年12 月15
日發表。此外,舉凡Web 網站開發、大型商用軟體、遊戲軟體、金融投資平台、文字探勘(Text Mining)、統計模組、機器學習、數學運算、物聯網(IoT)等都有它可以應用之處。Python 在金融商管的應用可以顯見其彈性與潛力。
FinTech 的機會
後2008 年金融海嘯時期,金融科技(Financial Technology,簡稱FinTech)產業悄然崛起,以網路取代馬路的金融交易活動將全面改變傳統金融市場。我們提出一個FinTech 的發展籃圖,以Python 建構在Blockchain(區塊鏈),Share
Economy(共享經濟)與IoT(物連網)架構下,發展金融市場、支付、借貸、基礎建設等主題的創新金融服務模式。
Python 與R 的決擇
Python 與R 在資料科學(Data Science)領域是同為知名的兩種分析工具。以資料科學發展來說,未來的角力戰場將是機器學習(Machine Learning)、統計分析(Statistics Analysis) 與物聯網(Internet of Things) 的應用。Python 的優勢在於語法好學、適合開發大型專案、Web
架構、物聯網輕鬆連硬體以及整合Blockchain 在FinTech 的應用。決擇的關鍵:只要好學又能創新或解決一切生活現實問題,就是最佳的程式語言。
金融大數據
選用Python 發展金融大數據的平台工具,考量點是應用其資料科學與資料探勘工具強項,提升開發者應用統計模型與機器學習技術優化金融大數據分析的效能。要以Python 實作金融大數據分析的平台,作者規劃三剖曲藍圖(見封面背面圖),一步一步實踐。本書只是三部曲中的首部曲。
首部曲(藍色)Python:程式設計是基礎,訓練金融、商管實務案例的實作能力。(本書)
二部曲(紅色)Web FinTech 應用此平台可以發展Web FinTech 應用程式,提供手機、平板、筆電等手持式裝置可以上網的操作平台,不必受限於單機模式;Web FinTech 必須有行動支付的金流功能,才能在Web 上在不出門的情況下收支現金,實現blockchain 的應用服務模式。(待出版)
三部曲(黃色)金融大數據:架構在Web 平台上,做金融大數據分析,運算量大時可以做分散式運算提升效能。二部曲與三部曲都會使用到資料庫(DataBase),二部曲的運算資料量較小;三部曲要運算的是巨量資料,會使用到資料探勘、統計模式、機器學習等技術進行大數據分析。(待出版)
程式碼下載平台
Python 程式設計入門 — 金融商管實務案例
github.com/letylin/pyprogbook
本書所有文字檔、範例、實務案例等程式碼可以到以下網址下載。
歡迎與本書相關的程式碼在此平台討論。
目錄
1 Python 簡介
•1-1 Python 發展與特色 2
•1-2 Python 與其他語言的比較 5
•1-3 Python 與R 之各別優勢 6
•1-4 應用Python 實踐FinTech 平台的原因 11
•1-5 Python 金融大數據三部曲 19
2 整合開發環境
•2-1 Anaconda 檔案下載 24
•2-2 Anaconda 程式安裝 25
•2-3 Anaconda 程式編輯平台 30
•2-4 Anaconda 支援的套件清單 42
3 資料型別
•3-1 可變與不可變 46
•3-2 變數命名規則 47
•3-3 數值型別 48
•3-4 字串型別 51
•3-5 字串的方法 55
•3-6 抽象資料型別 61
•3-7 容器型別 63
•3-8 不同型別的共用方法 81
4 資料運算
•4-1 運算式 88
•4-2 內建函數 91
•4-3 模組簡介與應用 106
5 程式設計
•5-1 邏輯判斷 112
•5-2 重覆迴圈 126
•5-3 Spyder 除錯應用 149
•5-4 實務案例 153
6 自訂函數
•6-1 自訂函數的定義、特點與語法 176
•6-2 呼叫函數與回傳值用法 178
•6-3 參數 193
•6-4 變數命名空間的搜尋路徑 212
•6-5 除錯 226
•6-6 實務案例 229
7 檔案處理
•7-1 檔案串流物件 252
•7-2 檔案存取方法 254
•7-3 檔案路徑處理 278
•7-4 網路取得資料 281
•7-5 實務案例 286
8 物件導向程式設計
•8-1 物件導向程式設計簡介 306
•8-2 類別、物件與實體 309
•8-3 繼承 324
•8-4 多重繼承 328
•8-5 多型 330
•8-6 錯誤與異常 332
•8-7 模組與套件 339
•8-8 實務案例 349
•1-1 Python 發展與特色 2
•1-2 Python 與其他語言的比較 5
•1-3 Python 與R 之各別優勢 6
•1-4 應用Python 實踐FinTech 平台的原因 11
•1-5 Python 金融大數據三部曲 19
2 整合開發環境
•2-1 Anaconda 檔案下載 24
•2-2 Anaconda 程式安裝 25
•2-3 Anaconda 程式編輯平台 30
•2-4 Anaconda 支援的套件清單 42
3 資料型別
•3-1 可變與不可變 46
•3-2 變數命名規則 47
•3-3 數值型別 48
•3-4 字串型別 51
•3-5 字串的方法 55
•3-6 抽象資料型別 61
•3-7 容器型別 63
•3-8 不同型別的共用方法 81
4 資料運算
•4-1 運算式 88
•4-2 內建函數 91
•4-3 模組簡介與應用 106
5 程式設計
•5-1 邏輯判斷 112
•5-2 重覆迴圈 126
•5-3 Spyder 除錯應用 149
•5-4 實務案例 153
6 自訂函數
•6-1 自訂函數的定義、特點與語法 176
•6-2 呼叫函數與回傳值用法 178
•6-3 參數 193
•6-4 變數命名空間的搜尋路徑 212
•6-5 除錯 226
•6-6 實務案例 229
7 檔案處理
•7-1 檔案串流物件 252
•7-2 檔案存取方法 254
•7-3 檔案路徑處理 278
•7-4 網路取得資料 281
•7-5 實務案例 286
8 物件導向程式設計
•8-1 物件導向程式設計簡介 306
•8-2 類別、物件與實體 309
•8-3 繼承 324
•8-4 多重繼承 328
•8-5 多型 330
•8-6 錯誤與異常 332
•8-7 模組與套件 339
•8-8 實務案例 349
網路書店
類別
折扣
價格
-
新書69折$331
-
新書95折$456