《普通高校"十一五"规划教材·MATLAB金融计算与金融数据处理》内容涉及固定收益、资产组合理论和实务计算，详细讲解了MATLAB和VBA混合编程、MATLAB对数据库操作。《普通高校"十一五"规划教材·MATLAB金融计算与金融数据处理》附有大量实用的例子，内容十分丰富，读者只需具备基本的微积分基础知识即可顺利阅读大部分内容。

《普通高校"十一五"规划教材·MATLAB金融计算与金融数据处理》内容涉及固定收益、资产组合理论和实务计算，详细讲解了MATLAB和VBA混合编程、MATLAB对数据库操作。《普通高校"十一五"规划教材·MATLAB金融计算与金融数据处理》附有大量实用的例子，内容十分丰富，读者只需具备基本的微积分基础知识即可顺利阅读大部分内容。

《精通MATLAB金融计算》讲述MATLAB在金融计算方面的应用。首先深入浅出地介绍相关的金融理论及模型，然后重点讲述MATLAB的金融、衍生品、固定收益工具箱中的函数，并通过大量的应用实例，帮助读者快速、熟练掌握使用MATLAB来解决金融中的计算和分析问题。 《精通MATLAB金融计算》由MATLAB入门篇、MATLAB金融计算及实例篇和MATLAB金融类工具箱函数详解篇组成，MATLAB入门篇介绍MATLAB软件、基本运算、数据可视化和数据获取及编程基础；金融计算及实例篇讲述MATLAB金融计算的主要内容，具体包括金融类工具箱的介绍、金融数据的处理、固定收益证券计算、利率期限结构和利率模型、金融衍生品计算、投资组合管理与风险控制、奇异期权和利率期权定价等；MATLAB金融类工具箱函数详解篇对金融、衍生品和固定收益这3个工具箱中的全部函数一一进行详...(展开全部)

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

作者简介： Jacqueline Kazil 数据科学家，资深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。 Katharine Jarmul 资深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。 译者简介： 张亮（hysic） 毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。 吕家明 2016年毕业于哈尔滨工业大学，现就职于腾讯，从事搜索、Query分析等相关工作，熟悉大规模数据下的数据挖掘和机器学习实践。

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。 本书共包含13章，第一部分介绍NumPy和pandas的基本内容；第二部分介绍pandas库中的4类操作，包括索引、分组、变形和连接；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的最后一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。

本书全面、系统地讲解了Excel在数据处理和分析中的日常应用。结构独具匠心，以应知应会的知识为主线，以实际案例和应用技巧为主题，有助于职场人士解决实际工作中的问题，提高工作效率，培养Excel应用能力。全书共9章，主要内容包括你真的认识Excel吗、数据输那些事儿、给数据洗洗脸、数据计算很简单、人人都会数据分析、使用数据透视表分析数据、拿图表讲故事、认识Excel中的高级功能及综合案例等。本书全面、系统地讲解了Excel在数据处理和分析中的日常应用。结构独具匠心，以应知应会的知识为主线，以实际案例和应用技巧为主题，有助于职场人士解决实际工作中的问题，提高工作效率，培养Excel应用能力。全书共9章，主要内容包括你真的认识Excel吗、数据输那些事儿、给数据洗洗脸、数据计算很简单、人人都会数据分析、使用数据透视表分析数据、拿图表讲故事、认识Excel中的高级功能及综合案例等。

本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。 本书共包含13章，第一部分介绍NumPy和pandas的基本内容；第二部分介绍pandas库中的4类操作，包括索引、分组、变形和连接；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的最后一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。

Excel是微软Office套装软件的重要构成部分，能够完成数据的采集、整理、统计、分析与可视化等多种操作，被广泛应用于管理、统计、财经、金融等众多领域。 本书汇集了用户在使用Excel进行数据处理与分析时最常见的问题需求，通过180多个实例的演示与讲解，帮助读者灵活有效地使用Excel来处理工作中遇到的问题。 本书共14章，详细介绍了Excel 2016在数据处理与分析方面的各种应用技巧，内容涉及导入外部数据源、数据输入、数据规范、数据整理与表格编辑、数据排序和筛选、使用条件格式标识数据、函数公式的应用、使用透视表统计数据、单变量求解、规划求解、Power Query及Power Pivot的基础应用，以及使用图表和图形对数据可视化及表格打印等内容。 本书采用循序渐进的方式，由易到难地介绍Excel中的常见知识点，除了原理和基础性的讲解外，还配以典型示例帮助读者加深理解，突出实用性和适用性。本书注重知识结构的层次性，循序渐进安排各个章节的知识点，尽量降低学习难度，通过翔实的操作实例和丰富的课后练习题目，培养学习者的动手实践能力。