《Python金融数据分析与数字化营销》主要帮助读者了解如何使用 Python来收集、操作和分析数据。作为一本实用指南，本书可帮助读者从零开始使用 Python，直到可以自己可以动手写脚本来完成日常任务，比如金融数据分析和数字化市场营销。
Python作为雇主最需要的技能，可以在几个月内学会，相关的工作知识和经历可以帮助你提升职业生涯。《Python金融数据分析与数字化营销》将指导读者处理数字、分析大数据以及从电子表格切换到更快、更高效的编程语言。书中提供了适量的真实案例来帮助你实现学习到应用的过渡，成为一名熟练的 Python专家。
《Python金融数据分析与数字化营销》着眼于数据管理、金融和数字化营销，强调了Python如何进行数据收集、管理、分析和可视化，从而助力金融行业确定金融衍生品的定价以及开展有效的营销活动。
第1章 开始使用Python 001
1.1 安装Python 003
1.2 变量和数字类型 008
1.3 字符串 013
1.4 你的第一个程序 016
1.5 用if，elif和else语句来实现逻辑 019
1.6 方法 025
1.7 列表和元组 029
1.8 索引和切片 034
第2章 自己动手写Python 脚本 039
2.1 有限循环 040
2.2 范围函数range() 043
2.3 嵌套的for循环 045
2.4 自定义函数 047
2.5 构建程序 051
2.6 无限循环 057
2.7 字典 059
2.8 将信息写入文本文件 064
2.9 从文本文件中读取信息 067
第3章 Pandas数据分析 073
3.1 Series数据结构 074
3.2 DataFrame数据结构 079
3.2.1 构建DataFrame 079
3.2.2 DataFrame切片 081
3.2.3 筛选DataFrame 089
3.3 Pandas中的逻辑运算 091
3.4 从CSV文件中读取数据 097
3.5 合并数据集 108
3.5.1 连接数据集 109
3.5.2 合并DataFrame 113
3.6 分组函数 114
第4章 Python数据抓取 119
4.1 网页抓取 120
4.2 列表推导式 131
4.3 用Selenium进行网页抓取 136
4.4 Selenium 139
4.5 使用API 152
4.6 工具库Pandas-Datareader 159
第5章 数据可视化 163
5.1 可视化库Matplotlib 164
5.2 折线图 164
5.3 直方图 170
5.4 散点图 172
5.5 饼状图 178
第6章 Python金融数据分析 181
6.1 NumPy-Financial 182
6.2 用fv()函数来计算终值 183
6.3 用pv()函数来计算现值 184
6.4 用npv()函数来计算净现值 185
6.5 风险价值 190
6.6 蒙特卡洛模拟 199
6.7 有效边界 201
6.8 基本面分析 208
6.9 财务比率 213
第7章 Python数字化营销 215
7.1 开始使用Google API Client 216
7.2 Twitter机器人 232
7.3 用Python进行电子邮件营销 237
