Python在财务与会计中的应用-第1章-Python基础知识

第1章Python基础知识第一章·教学课件《Python在财务与会计中的应用》本章内容1.1Python概述1.2Python3.14版安装及运行环境1.3Python运行1.4Python基本语法1.5Python学习AI辅助编程工具Trae简介01Python概述1.1Python概述Python是一种高级、解释型、通用编程语言。它以简洁语法、强大生态和跨平台能力著称，适用于数据分析、人工智能与自动化。Python是什么在财务与会计中的价值提升财务数据读取、清洗与整合效率。数据处理把业务口径转为公式，减少重复计算。指标计算支持统计分析、预测建模与可视化，辅助经营决策。模型分析自动生成报表、执行核对任务并形成稳定工作流。流程自动化1.1.1Python的产生与发展诞生与发展：由荷兰计算机科学家吉多·范罗苏姆(GuidovanRossum)于20世纪80年代末设计开发。1991年，Python首个公开发行版正式发布。版本迭代：2000年发布Python2.0，引入自动垃圾回收；2008年发布Python3.0，对语言进行重构。Python2已于2020年停止官方维护，Python3成为当前主流版本。设计理念：强调代码的可读性与开发效率，遵循“明了胜于晦涩，简单胜于复杂”的原则。现状：连续多年稳居IEEESpectrum编程语言排行榜榜首，成为计算机科学教育与工业应用的首选语言之一。1.1.2Python的核心特点（1）简单易学语法简洁明了，代码可读性强，结构清晰，接近自然语言，易于理解和编写。开源免费拥有活跃的开源社区支持和丰富的第三方库，可免费使用和定制，降低企业开发成本。跨平台性支持Windows、macOS和Linux等多种操作系统，代码可在不同平台上无缝运行。丰富的库和框架拥有庞大的标准库和第三方库，覆盖数据分析(numpy,pandas)、可视化(matplotlib)、机器学习(scikit-learn)等领域。1.1.2Python的核心特点（2）理解灵活性背后的运行机制代码逐行执行，修改后可立即运行，便于学习、测试和调试。解释型语言变量类型在运行时确定；灵活但需关注类型变化。动态类型同时支持面向对象和函数式编程，便于模块化与复用。多种编程范式可与C/C++等语言集成，在保持开发效率的同时提升性能。可扩展02安装与运行环境1.2Python3.14版安装及运行环境1.3Python运行学习目标完成Python3.14的安装与版本验证区分CLI、REPL、Jupyter、脚本与IDE使用Anaconda管理环境和常用数据科学库在PyCharm中配置解释器、运行与调试代码根据学习任务选择合适的运行方式1.2.1Python3.14版安装三个系统，一条验证原则可使用Homebrew安装；完成后同样在终端检查python3.14--version。从Python官网下载匹配系统架构的安装包；安装时勾选“Addpython.exetoPATH”。根据发行版的软件源或pyenv等方式安装，再用python3.14确认版本。LinuxmacOSWindows1.2.1安装后的关键检查验证版本与环境变量在终端运行：python--version或python3.14--version输出Python3.14.x表示解释器可用；否则检查安装状态与PATH配置。1.2.2Python运行环境不同环境解决不同问题：即时试验、完整程序、交互分析与项目开发。选择环境时，要兼顾任务规模、调试需求和成果展示方式。常见运行方式选择依据适合快速执行命令或短代码，启动成本低。CLI/命令行逐行运行并立即查看结果，适合学习和数据探索。REPL/Jupyter把代码保存为.py文件，适合批处理和自动化任务。脚本文件提供编辑、补全、调试和项目管理，适合持续开发。IDE1.3.1Anaconda环境面向数据科学的一体化Python发行版创建独立虚拟环境，隔离不同项目的依赖冲突。1.环境管理集成JupyterNotebook，适合交互分析和结果展示。3.可视化支持使用Conda管理第三方库与Python版本。2.包管理通常包含pandas、NumPy等常用数据处理库。4.预装常用库1.3.1Anaconda基本流程虚拟环境让每个项目拥有独立的Python版本和依赖，是稳定开展数据分析的重要基础。从创建环境到退出环境常用命令condacreate-nmyenvpython=3.14创建环境condaactivatemyenv激活环境pythonyour_script.py，或启动JupyterNotebook运行代码condadeactivate；不再需要时删除环境退出/删除1.3.2PyCharm环境围绕项目开发组织代码与调试自动补全、语法检查和重构功能可减少低级错误。1.智能代码辅助统一组织文件、依赖和版本控制，便于协作。3.项目管理断点、变量监控和执行跟踪可定位逻辑问题。2.调试工具为项目选择本机Python或Conda环境，保证代码可运行。4.解释器配置1.3如何选择运行环境先选最简单且能完成任务的环境；依赖、文件和协作复杂度上升时，再切换到虚拟环境与IDE。按任务复杂度和展示需求选择选择原则交互分析JupyterNotebook：代码、文字与图表同页，适合探索与展示。快速验证CLI或REPL：启动快，适合测试表达式、变量和短代码。项目开发PyCharm等IDE：支持调试与项目管理，适合多文件和长期维护。03Python基本语法学习目标理解变量赋值与动态类型区分可变与不可变数据类型正确使用常见运算符用条件、循环和跳转语句控制流程理解函数封装与类、对象的基本思想1.4.1变量定义变量保存数据，类型由赋值结果决定age=25#intname="John"#stry=3.14#floatis_active=True#boolx=10#x为intx="Hello"#重新赋值后变为str动态类型灵活，但要留意变量含义和类型变化。1.4.2数据类型总览判断关键：对象创建后，能否在原地址上修改其内容。可变对象要关注共享引用，不可变对象则强调安全性与可哈希性。两类数据类型常见类型列表、字典、集合：可添加、删除或修改内部元素。可变容器整数、浮点数：重新赋值会创建新对象。不可变数值字符串、元组：不能直接修改其中的字符或元素。不可变文本布尔值和复数同样不可变，用于逻辑判断与数值表达。其他基础类型1.4.2可变数据类型内容可改，但要留意引用共享有序、可索引，支持追加、删除与修改。列表list无序且元素唯一，适合去重与集合运算，不支持索引。集合set以键值对组织数据，通过唯一键访问和更新值。字典dict共享同一可变对象时，一处修改可能影响其他引用。财务场景提示1.4.2不可变数据类型（1）重新赋值不是“原地修改”整数大小主要受内存限制；重新赋值会指向新对象。整数int以a+bj表示实部和虚部，适合特殊数值计算。复数complex遵循IEEE754双精度，计算时需关注精度问题。浮点数float只有True和False，广泛用于条件判断。布尔值bool1.4.2不可变数据类型（2）字符串与元组不可原地修改；需要变化时，应创建新对象。字符串与元组使用建议用单引号、双引号或三引号表示文本，支持多行字符串。字符串str有序且可包含不同类型；单元素元组必须保留逗号。元组tuple更利于数据安全，也可作为字典键或集合元素。不可变优势频繁修改用列表；结构固定、强调不可变时用元组。类型选择1.4.3运算符总览算术运算符：+、-、*、/、//、%、**比较运算符：==、!=、>、<、>=、<=逻辑运算符：and、or、not位运算符：&、|、^、~、<<、>>赋值运算符：=、+=、-=、*=、/=、//=、%=、**=1.4.3算术与比较运算符运算结果要结合数据类型理解10/3得到浮点结果；注意分母为0会触发错误。普通除法/10**3得到1000，常用于增长与复利表达。幂运算**10//3取商的整数部分；10%3得到余数1。整除与取模比较结果为True或False，是条件判断的基础。比较运算1.4.3逻辑、位与赋值运算符把条件组合起来，并让变量持续更新and要求条件同时成立；or只需至少一个条件成立。and/or直接操作整数的二进制位，适用于特定底层任务。位运算对条件结果取反，常用于排除或否定判断。nota+=5等价于a=a+5，使更新表达更紧凑。复合赋值1.4.4流程控制流程控制把业务规则转化为可执行逻辑：条件选择不同路径，循环重复处理数据，跳转语句改变循环节奏。程序如何决定“下一步”三类结构if、elif、else根据条件结果选择代码块。条件判断for遍历序列；while在条件为真时持续执行。循环语句break终止、continue跳过、pass占位。跳转语句条件与循环可以嵌套，用于表达更复杂的业务规则。嵌套结构1.4.4条件判断if→elif→else：按顺序匹配第一条成立的条件score=85ifscore>=90:print("优秀")elifscore>=60:print("及格")else:print("不及格")缩进决定代码块的归属。1.4.4循环语句重复处理数据，直到遍历结束或条件改变依次取出元素，适合遍历列表、字符串和range。for循环生成整数序列，常用于控制循环次数。range()条件为True时持续执行，并确保最终结束。while循环已知遍历对象用for；依赖动态条件用while。选择建议1.4.4跳转语句改变循环的执行节奏空语句，不执行操作；用于暂时保留语法位置。立即终止当前循环，不再进行后续迭代。跳过本次循环剩余代码，直接进入下一次迭代。continuepassbreak1.4.5函数与类从代码复用走向对象建模用def封装可重复逻辑，让同一计算规则能够多次调用。函数class定义对象的结构与行为；对象是类的实例。类与对象参数传入数据，return把处理结果交还调用者。参数与返回值属性保存状态，方法描述行为，为面向对象编程奠定基础。属性与方法04Trae辅助Python学习1.5AI辅助编程趋势Trae核心功能、安装界面与学习流程学习目标理解AI辅助编程从提示走向协作的趋势认识Trae的代码生成、解释、诊断与优化能力了解IDE、SOLO、CUE与工具集成正确配置本地Python解释器按“理解—运行—验证—迁移”流程使用AI1.5.1AI辅助编程的发展趋势从被动提示走向主动协作用中文或英文描述需求，AI生成函数或示例代码。自然语言转代码围绕同一段代码追问、比较写法并理解运行逻辑。持续交互学习解释语法、名称和类型错误，并提出修改。错误诊断增强辅助创建目录、读取数据、清洗、绘图并解释各步骤。项目级支持1.5.2Trae核心功能（1）Trae是面向编程场景的AI原生集成开发环境，可结合当前文件、报错和项目上下文提供针对性帮助。围绕代码的四类基础协助基础能力根据自然语言需求生成Python示例、变量、公式和输出。代码生成逐行解释已有代码，建立需求—代码—结果的对应关系。代码解释识别报错原因，提示变量、类型、语法或依赖问题。错误诊断封装重复逻辑、简化结构，并建议合适的数据处理工具。代码优化1.5.2Trae核心功能（2）功能越强，越需要学习者检查代码、运行结果和业务口径。从单文件学习走向项目协作扩展能力创建项目结构、说明文档、测试代码并协同管理多文件。项目辅助围绕变量、循环、函数、类和库安装进行持续问答。学习问答由AIAgent理解目标、拆解任务并推进项目原型。SOLO模式结合上下文补全、重命名，并通过MCP等方式连接工具。CUE与工具集成1.5.2Trae三种使用层级学习者必须阅读、运行并验证生成结果；财务公式、数据口径与权限边界不可交给AI决定。保持人在回路，逐级扩大任务范围共同原则SOLO开发AIAgent拆解目标并推进多步骤任务，适合项目原型和演示。IDE协作学习者主导编码，AI提供问答、解释和局部修改，适合基础学习。CUE/工具集成理解项目上下文、补全与跨文件修改，并可按权限调用外部工具。1.5.3Trae安装与界面从Trae官网选择Windows或macOS版本并完成安装、登录项目资源管理区：新建和管理.py文件与目录代码编辑区：编写、修改并查看语法高亮AI对话区：解释代码、分析报错、生成或修改代码终端/运行区：执行Python命令并查看结果设置区：配置字体、主题、快捷键与Python解释器1.5.3配置Python解释器Trae负责辅助编程，本地解释器负责真正运行代码先在终端检查：python--version。若能输出Python3.14.x，说明解释器可用。打开Python项目后，为项目选择正确的本机解释器或Conda环境。解释器配置错误会导致程序无法运行，或pandas、NumPy、Matplotlib等库无法导入。1.5.4Trae辅助学习流程（1）AI输出不是终点；学习过程要形成清晰的任务、可读的代码和可验证的结果。前四步：先明确，再理解学习闭环先写清变量、公式、输入和期望输出。1明确任务用自然语言准确描述业务场景和代码要求。2提出需求逐行解释变量、函数与数据类型，不理解就继续追问。3理解代码保存为.py并运行，用输出验证自己的理解。4运行观察1.5.4Trae辅助学习流程（2）后三步：诊断、扩展与迁移总结本次知识点，再脱离提示独立完成资产负债率等类似任务。把报错交给Trae解释，同时核对变量拼写、类型和运行上下文。在理解原代码后增加毛利润、毛利率等计算，并处理边界条件。6｜修改扩展7｜总结迁移5｜分析错误财务练习1｜定义业务变量把Python数据类型与财务业务含义对应起来company_name="A公司"revenue=1000000.00cost=750000.00is_profitable=Trueprint(company_name,revenue,cost,is_profitable)print(type(company_name),type(revenue),type(cost),type(is_profitable))财务练习