课程大纲

一、Python基础复习与环境搭建

文件和目录操作

Ø  使用Python标准库进行文件和目录的读写、创建、删除操作

l  数据加载、存储、文件格式

Ø  读写文本文件

Ø  使用Pandas读写Excel文件

Ø  与Web API交互

Ø  与数据库交互

l  实战练习

Ø  从文本文件和Excel文件加载金融数据，通过Web API获取实时股票数据，将数据存储到数据库中

数据探索与分析

l  数据探索

Ø  描述性统计分析

Ø  数据分布、相关性分析

l  实战练习

Ø  对金融市场数据进行描述性统计分析和相关性分析

数据清洗与转换

l  数据清洗

Ø  处理缺失值、重复值

Ø  字符串操作

l  数据转换

Ø  数据类型转换

Ø  数据规范化和标准化

l  实战练习

Ø  清洗金融市场数据集，进行数据类型转换和规范化处理

数据规整

l  数据规整

Ø  连接、联合和合并数据

Ø  数据透视

l  实战练习

Ø  合并多个数据源，创建数据透视表以分析不同金融产品的表现

数据可视化基础

l  数据可视化

Ø  Matplotlib基础

Ø  Seaborn库介绍

Ø  常用图表的绘制：条形图、折线图、散点图等

l  实战练习

Ø  使用Matplotlib和Seaborn绘制金融数据图表，如股票价格和交易量的时间序列图

专项数据分析 - 时间序列

l  时间序列分析

Ø  日期时间类型和工具

Ø  日期的范围、频率、重采样及频率转换

Ø  移动窗口函数

l  实战项目

Ø  分析金融时间序列数据，如股票价格和交易量

Ø  使用日期时间工具预测未来股价变动，应用移动窗口函数进行平滑处理

l  项目讨论与总结

Ø  分组讨论各自的分析结果

Ø  问题解答与经验分享

使用Python与ChatGPT交互

l  ChatGPT交互应用

Ø  利用ChatGPT生成Python代码

Ø  利用ChatGPT辅助进行数据清洗

Ø  利用ChatGPT辅助生成数据分析代码

Ø  利用ChatGPT辅助生成故事感强的分析报告

l  实战练习

Ø  使用ChatGPT生成代码来处理和分析金融数据

Ø  利用ChatGPT生成的分析报告来呈现数据分析结果