大数据技术在会计与财务中的应用 课件 第2章 Python基础知识

大数据技术在会计与财务中的应用2026/9/7《大数据技术在会计与财务中的应用》配套课件第2章·2.1Python的安装目录2.1.1Anaconda的安装2.1.2Pixi的安装2.1.3PyCharm的安装与配置2.1Python的安装与环境配置2.1Python的安装|02/21Anaconda的安装本教材推荐读者安装Anaconda发行版（/）。Anaconda是一套免费的Python发行版，安装包中包含Python解释器、功能完善的包管理工具、数据分析与科学计算常用的多个软件库，以及JupyterNotebook等适合教学和数据处理的开发环境。通过Anaconda，我们无需单独安装大量第三方库，即可直接开始进行数据处理、文本分析或机器学习建模，大大降低了环境配置的难度。2.1Python的安装|03/21Anaconda的安装我们首先访问Anaconda官网（/），然后点击页面上的“Download”按钮，之后我们可以在两个版本之间进行选择：AnacondaIndividualEdition和AnacondaTeamEdition。免费的IndividualEdition（个人版）适合个人用户以及编程初学者。而TeamEdition（团队版）是付费版本，提供了额外的协作与安全功能，适用于企业或团队环境。Anaconda官网同时提供Windows、macOS以及Linux等不同格式的安装文件。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|04/21Anaconda的安装Windows用户选择64-bitGraphicalInstaller（图形化安装程序）即可。下载完成后，通过双击安装包即可启动安装向导。用户需依次完成阅读并同意许可协议、指定安装路径（建议使用不含中文字符的路径），以及确认是否将Anaconda添加到系统路径等操作。需要特别说明的是，读者可以在安装时勾选“AddtoPATH”选项，也可以安装完成后手动将其添加至系统路径。随后点击Install，程序将自动完成后续安装过程。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|05/21Anaconda的安装2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|06/21Anaconda的安装2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|07/21Anaconda的安装2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|08/21Anaconda的安装AnacondaPrompt中，我们可以使用conda来管理Python包和环境，具体命令如下：condalist:这个命令列出当前环境中安装的所有包，包含名称、版本和构建信息。例如，condalistpandas会显示Pandas包的详细信息。condainstallpackage_name:这个命令安装一个新的包。例如，condainstallpandas会安装Pandas包。condaupdatepackage_name:这个命令更新一个已安装的包到最新版本。例如，condaupdatepandas会更新Pandas包到最新版本。condaremovepackage_name:这个命令卸载一个已安装的包。例如，condaremovepandas会卸载Pandas包。condasearchpackage_name:这个命令在Anaconda的包仓库中搜索指定的包。例如，condasearchpandas会显示所有可用的Pandas包版本。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|09/21Anaconda的安装AnacondaPrompt中，我们可以使用conda来管理Python包和环境，具体命令如下：conda--version:这个命令显示当前安装的conda版本信息。它可以帮助确认是否使用了最新版本的conda。conda--help:这个命令显示conda的帮助信息，列出所有可用的命令和选项condaactivateenvironment_name:这个命令激活一个指定的环境。例如，condaactivatemyenv会激活名为myenv的环境。激活环境后，可以在该环境中运行Python代码和安装包。condaenvlist:这个命令列出所有已创建的conda环境。你可以看到每个环境的名称和路径。condadeactivate:这个命令用于退出当前激活的环境，返回到基础环境或系统默认环境。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|10/21Pixi的安装随着近年来Python生态在数据科学和机器学习领域的持续发展，轻量、高效的包与环境管理工具逐渐受到关注。Pixi具有启动速度快、依赖解析高效、跨平台性能稳定等特点。相比于conda，Pixi更加轻量和灵活，能够更好地满足现代开发的需求。总而言之，读者可以根据自身需求选择使用Anaconda或Pixi来管理Python的安装与环境，其中Anaconda适合希望一次性获得解释器与常用科学计算库的读者；Pixi适合希望保持更轻量环境的用户。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|11/21Pixi的安装为了使用Pixi，用户首先需要从官方渠道下载安装程序。Pixi提供Windows、macOS与Linux的通用安装方式，用户只需在命令行中执行其官方提供的安装脚本，即可完成核心功能的部署。安装脚本会自动检测系统环境、下载必要的依赖文件并将Pixi添加到用户的可执行路径中，整个过程无需额外配置，因此对于初学者也较为友好。Windows系统中，我们可以通过如下命令在PowerShell终端完成安装：powershell-ExecutionPolicyByPass-c"irm-usebhttps://pixi.sh/install.ps1|iex"2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|12/21PyCharm的安装与配置在完成Python解释器与基础环境的配置之后，读者通常需要一个功能更完善的集成开发环境（IDE）来编写、管理和调试代码。我们可以使用Anaconda自带的JupyterNotebook或者Spyder，这里将提供另一个常用的编辑器——PyCharm。PyCharm是目前最广泛使用的PythonIDE之一，由JetBrains公司开发，以其强大的代码补全引擎、调试工具、项目管理功能以及与虚拟环境的无缝集成而受到学术界与工程开发者的普遍认可。相比于简单的文本编辑器，PyCharm能够实现对复杂项目的结构化管理，有助于提升代码质量和编程效率。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|13/21PyCharm的安装与配置PyCharm提供Professional（专业版）和Community（社区版）两种版本，其中社区版完全免费，已能够满足大多数教学和初学者的需求；而专业版则包含数据库工具、Web开发支持以及更多高级功能，更适合科研团队或对开发环境有更高要求的用户。在选择版本后，读者需要根据所使用的操作系统下载相应的安装包，PyCharm支持Windows、macOS与Linux平台，并在各系统上提供一致的功能体验。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|14/21PyCharm的安装与配置在完成PyCharm与Anaconda的安装后，读者通常需要将两者进行集成，使PyCharm能够直接调用Anaconda提供的虚拟环境。PyCharm对Anaconda环境的识别具有高度自动化特性，它能够在启动时扫描系统中所有由conda创建的环境。当用户在PyCharm中创建新的项目时，程序会提示选择要使用的解释器。若系统已安装Anaconda，PyCharm通常能够自动检测到基础环境以及通过conda创建的各类虚拟环境，并将其显示在解释器列表“ExistingInterpreter”中。我们只需在可用的解释器选项中选择对应的环境即可。若某个环境未被自动识别，PyCharm也支持手动指定环境路径，我们只需找到该环境目录下的Python可执行文件，即可将其添加为当前项目的解释器。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|15/21PyCharm的安装与配置PyCharm集成Pixi与集成Anaconda在界面操作上非常相似，均需要在设置中选择“ExistingInterpreter”并指定解释器路径。但是conda会在系统中创建独立的虚拟环境目录，因此PyCharm通常能够自动检测到这些环境；而Pixi按项目构建的环境体系，其Python解释器位于特定的缓存目录中，PyCharm往往无法自动识别，我们需要在PowerShell执行pixirunwherepython（Windows）或pixirunwhichpython（macOS/Linux）获取解释器位置后手动指定。2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|16/21PyCharm的安装与配置2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|17/21PyCharm的安装与配置2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|18/21PyCharm的安装与配置2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|19/21PyCharm的安装与配置2026/9/7《大数据技术在会计与财务中的应用》配套课件2.1Python的安装|20/212026/9/7《大数据技术在会计与财务中的应用》配套课件谢谢观赏！2.1Python的安装|21/21大数据技术在会计与财务中的应用作者：张敏等2026/9/8《大数据技术在会计与财务中的应用》配套课件第2章·2.2Python语法基础2026/9/7目录2.2.1变量和数据类型2.2.2数据结构：列表、元组、集合和字典2.2.3条件语句、循环和异常处理2.2.4文件操作2.2.5函数2.2Python语法基础2.2Python语法基础|02/19变量和数据类型在Python中，变量是用来存储数据的容器。Python的变量可以直接赋值，而不需要先声明类型。例如下述示例中，我们可以直接对不同类型的变量赋值。#变量赋值x=5y="AccountingResearch"z=False在上述代码中，x为数值，y为字符串，z为布尔值（表示真与假）。这三种也是我们最常用的数据类型。2.2Python语法基础|03/19变量和数据类型我们可以对数值变量进行算术运算，例如加减乘除运算以及取绝对值、计算最大值最小值等。#取绝对值result=abs(-5)#5#计算最大值与最小值maximum=max(1,2,3)#3minimum=min(1,2,3)#12026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|04/19变量和数据类型我们可以对字符串进行一系列操作，包括切片、分割、连接、查找、替换以及计算长度等。首先定义两个字符串。str1='Hello'str2="World"使用加号（+）将两个或多个字符串连接在一起。str3=str1+""+str2#"HelloWorld"使用len()函数获取字符串的长度，并打印出来。length=len(str3)print(length)通过切片操作获取子字符串。substring=str3[0:5]#"Hello"2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|05/19数据结构：列表、元组、集合和字典1.列表列表是有序的可变集合，可以包含不同类型的元素。它使用方括号表示，元素之间用逗号分隔。我们创建一个列表。#创建列表my_list=[1,2,3,'Accounting']由于列表是有序的，我们可以根据索引进行访问和切片。2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|06/19数据结构：列表、元组、集合和字典#访问元素first_element=my_list[0]#1last_element=my_list[-1]#“Accounting”#列表切片sub_list=my_list[1:3]由于列表是可变的，我们可以修改或添加列表中的元素。#修改元素my_list[1]='two'

#添加元素my_list.append(‘Bigdata’)2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|07/19数据结构：列表、元组、集合和字典元组是有序的不可变集合，用小括号表示。元组适合存储不变的数据。由于元组是有序的，我们仍然可以利用索引访问和切片。#创建元组my_tuple=(1,2,3,'Accounting”)

#访问元素first_element=my_tuple[0]#1last_element=my_tuple[-1]#“Accounting”

#元组切片sub_tuple=my_tuple[1:3]但是元组不可修改，所以不能修改元素。2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|08/19数据结构：列表、元组、集合和字典集合是无序的不重复元素集合，用大括号表示。其适合存储无序、唯一的元素。在实践中，我们可以使用集合删除重复元素。例如：#原始列表，包含重复值original_list=[1,2,3,4,5,3,2,1,6,7,8,6,9,0,9]#使用集合去重unique_set=set(original_list)#将集合转换回列表unique_list=list(unique_set)2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|09/19数据结构：列表、元组、集合和字典字典是键值对的无序集合，用大括号表示，键和值之间用冒号分隔。字典适合存储具有映射关系的数据。例如，我们可以构建一个含有公司名称、成立年份、员工总数以及部门负责人的字典。#构建字典company={'name':'TechSolutionsInc.','founded':2010,'employees':150,'department_head':'AliceJohnson'}2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|10/19数据结构：列表、元组、集合和字典我们可以通过键对字典进行访问。print("公司名称：",company['name'])print("成立年份：",company['founded'])print("员工总数：",company['employees'])print("部门负责人：",company['department_head'])2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|11/19条件语句、循环和异常处理条件语句指的是条件不同时，运行不同的代码。在Python中，条件语句通过if和else来实现。例如，我们可以通过以下代码，判断事务所是否为国际四大事务所。#定义四大事务所的列表big_four_firms=['PwC','Deloitte','KPMG','EY']

#要判断的事务所名称firm_name='KPMG'#判断事务所是否是四大之一iffirm_nameinbig_four_firms:print(“Big4”)else:print(“NotBig4”)2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|12/19条件语句、循环和异常处理Python有两种主要的循环结构：for循环和while循环。for循环用于遍历序列（如列表、元组、字符串）。例如：#遍历列表topic=["Accounting","Finance","Audit"]forxintopic:print(x)在while循环中，只要条件为真，就会重复执行代码块。#打印1到5i=1whilei<=5:print(i)i=i+12026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|13/19条件语句、循环和异常处理异常处理是指应对处理程序运行过程中可能发生的错误或异常情况。异常处理可以防止程序因为异常而崩溃。try:#如果没有异常，这部分代码会正常执行passexcept:#处理特定类型的异常passelse:#在没有发生异常时执行的代码块passfinally:#无论是否发生异常，都会执行的代码块pass2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|14/19文件操作我们可以使用open()函数打开一个文件，以读取txt文件为例，其基本语法如下：#读取整个文件withopen('example.txt','r')asfile:content=file.read()print(content)当文件较大时，为防止内存崩溃，可以选择逐行读取。#逐行读取文件withopen('example.txt','r')asfile: lines=file.readlines() forlineinlines: print(line,end='')2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|15/19文件操作读取的文件数量较多时，可以使用os模块遍历文件夹中的所有文件。首先导入os模块，并定义文件夹路径。importos#目标文件夹路径folder_path='folder_path'之后，使用os.walk()函数遍历目标文件夹及其子文件夹中的所有内容。forroot,dirs,filesinos.walk(folder_path):forfileinfiles:full_path=os.path.join(root,file)withopen(full_path,'r',encoding='utf-8')asf:content=f.read()以上代码会依次打开并读取文件夹及其子文件夹中的文本文件。2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|16/19函数当执行一些重复的代码时，我们可以定义函数，以提高代码的复用性。在后续执行这些重复任务时，直接调用函数即可。在Python中使用def关键字定义函数。函数定义的基本语法如下：deffunction_name(parameters):

returnresult#返回值其中，function_name是函数的名称，parameters是传递给函数的参数，可以有多个，用逗号分隔，return语句用于返回结果（可无）。2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|17/19函数我们可以将前文判断是否为四大会计师事务所的代码打包成函数。defcheck_big_four(firm_name):big_four_firms=['PwC','Deloitte','KPMG','EY']returnfirm_nameinbig_four_firms之后，我们可以通过该函数判断列表中每个元素是否为四大事务所。firms_list=['PwC','BDO','KPMG','GrantThornton','EY']#遍历列表并调用函数forfirminfirms_list:result=check_big_four(firm)print(result)2026/9/8《大数据技术在会计与财务中的应用》配套课件2.2Python语法基础|18/192026/9/8《大数据技术在会计与财务中的应用》配套课件谢谢观赏！2.2Python语法基础|19/19大数据技术在会计与财务中的应用作者：张敏等2026/9/7《大数据技术在会计与财务中的应用》配套课件第2章·2.3Python与数据处理目录2.3.1Pandas的数据结构：Series与DataFrame2.3.2数据的读取2.3.3数据的处理2.3.4数据的导出2.3Python与数据处理2.3Python与数据处理|02/15Pandas的数据结构：Series与DataFrame导入所需库。importpandasaspdimportnumpyasnpPandas主要有两种数据结构，分别为Series和DataFrame。Series是一维数据，类似于一维数组或列表。每个Series都有一个关联的数据标签（索引）。我们可以通过列表等形式创建Series。如下所示：#通过列表创建Seriess=pd.Series([1,2,3,4,5])print(s)

#通过字典创建Seriess=pd.Series({'a':1,'b':2,'c':3})print(s)2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|03/15Pandas的数据结构：Series与DataFrameDataFrame是Pandas中的二维数据结构，类似于Stata或Excel中的数据格式，每一行是一个观测，每一列是一个变量。#通过列表创建示例数据data=[['Apple',2019,55000],['Apple',2020,57411],['Apple',2021,94680],['Microsoft',2019,39240],['Microsoft',2020,44281],['Microsoft',2021,61271],]columns=['Company','Year','Profit']df=pd.DataFrame(data,columns=columns)2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|04/15Pandas的数据结构：Series与DataFrame以上DataFrame显示了两家公司（Apple和Microsoft）在2019、2020和2021年的年度利润情况。此外，上述示例数据也可以通过词典构建。#使用词典创建示例数据data={'Company':['Apple','Apple','Apple','Microsoft','Microsoft','Microsoft'],'Year':[2019,2020,2021,2019,2020,2021],'Profit':[55000,57411,94680,39240,44281,61271]}

#创建DataFramedf=pd.DataFrame(data)2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|05/15数据的读取Pandas可以读取各种格式的文件，包括CSV、Excel、dta文件等。#读取CSV文件data_csv=pd.read_csv('file.csv')#读取Excel文件中特定的sheetdata_excel=pd.read_excel('file.xlsx',sheet_name='Sheet1')#读取Stata文件data_stata=pd.read_stata('file.dta')2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|06/15数据的读取pandas读取SAS数据集文件时，需要通过第三方库sas7bdat实现。首先安装sas7bdat包。pipinstallsas7bdat之后，通过pandas与sas7bdat读取文件。importpandasaspdfromsas7bdatimportSAS7BDAT

#读取SAS文件withSAS7BDAT('file.sas7bdat')asf:data=f.to_data_frame()2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|07/15数据的处理读取完数据后，我们可以查看数据的基本情况。#查看数据的前几行print(data.head())#查看数据的基本信息print(())#查看数值型数据的统计摘要print(data.describe())2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|08/15数据的处理我们可以通过如下代码剔除或者补充缺失值。#删除含有缺失值的行data.dropna(inplace=True)#使用平均值填充缺失值data.fillna(data.mean(),inplace=True)通过如下代码检测或删除重复值。#检测重复值print(data.duplicated().sum())#删除重复值data.drop_duplicates(inplace=True)2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|09/15数据的处理我们可以对变量进行一系列操作，包括重命名变量、创建新变量或者删除原有变量等。#重命名列名data.rename(columns={'old_name':'new_name'},inplace=True)#创建新变量data['New_feature']=data['Feature1']+data['Feature2']#删除旧变量data.drop(columns=['Old_feature'],inplace=True)使用条件筛选我们所需的数据，例如保留Column变量大于100的观测。#使用条件筛选selected_data=data[data['Column']>100]2026/9/7《大数据技术在会计与财务中的应用》配套课件2.3Python与数据处理|10/15数据的处理Python的groupby方便我们进行分组的统计和计算。#创建示例DataFramedata=pd.DataFrame({'Stkcd':['1','2','3','4','5','6'], 'Industry':['A','A','B','B','A','B'],'Year':[2010,