13518219792
Python自带的decimal模块用于十进制数学计算,它是在浮点类型的基础上设计的,可以非常精确地在计算机中存储和计算,精度优于floating point,因为浮点数并不能精确的表示十进制数,因为计算机由底层CPU和IEEE 754标准通过自己的浮点单位去执行算术时的特征,因此对于精度要求高但效率不要求的场景,比如财务等,decimal可以较好的替换float类型。 Decimal重载了简单的算术运算符,所以可以采用内置数值类型同样的方式处理 Decimal实例。Decimal构造函数取一个整数或字符串作为参数。
从策划到设计制作，每一步都追求做到细腻，制作可持续发展的企业网站。为客户提供成都做网站、网站设计、网站策划、网页设计、主机域名、虚拟空间、网络营销、VI设计、 网站改版、漏洞修补等服务。为客户提供更好的一站式互联网解决方案,以客户的口碑塑造优易品牌,携手广大客户,共同发展进步。
Python 是一种流行的编程语言，通常用于处理财务数据。一个常见的应用是在数据分析和数据科学领域，Python强大的数据处理和可视化库可用于分析大型数据集并识别数据中的趋势和模式。
可用于分析财务数据的 Python 脚本的一个示例是计算指定时间段内特定股票平均价格的脚本。金融分析师可以使用此脚本来跟踪股票的表现并预测其未来的价格走势。
下面是计算股票平均价格的 Python 代码示例：
在此代码中，我们首先导入 and 库，这些库通常用于处理 Python 中的财务数据。然后，我们使用库中的函数将库存数据从 CSV 文件加载到 ，这是一种用于处理表格数据的强大数据结构。pandasnumpyread_csv()pandasDataFrame
接下来，我们使用对象中的函数来计算股票的平均价格。最后，我们将结果打印到控制台。mean()DataFrame
这只是Python如何用于财务数据分析的一个简单示例。在这个领域使用Python还有许多其他应用和可能性，包括分析投资组合的表现，预测股票价格等等。
回答不易望请采纳
提取日期数据基本语法
from WindPy import w
w.start()
当出现.ErrorCode==-103说明没连接上，要start一下
w.wsd(security, fields, startDate = None, endDate= None , options = None)
opion 可选（period, 日期类型， 货币类型，前后复权）
提取财务数据基本语法
w.wss(security, fields, options = None)
提取板块日序列基本语法
w.wses(sectorCode, fields, startDate = None, endDate = None, options = None)
提取板块日截面数据基本语法
w.wsee(sectorCode, fields, options=None)
提取宏观数据基本语法
w.edb(codes, startDate =None, endDate =None, options=None)
1.日期序列基本语法
ts.get_hist_data(stock,start,end)
注意：1.stock不能是集合,只能单个股票 2.需要带上.sz或.sh 3.没有field，只能取出数据后再切除.
2.pro用法
pro.daily(code, start, end, fields)
tushare引用语句
弊端也很明显，一方面不能stock集合输入，一次只能调取一个股票对应数据，另一方面tushare虽是免费试用，但有权限限制。
基本语法
wb.get_data_yahoo(code, start, end)
wb.DataReader(code, 'yahoo', start, end)
没法添加fields, 虽能集合适用，但出来的索引挺奇怪的
推荐使用定义函数或用for循环批量获取数据
总体感觉wind api最舒服，但需要账号，mac也不能直接调用wind api。还是推荐tushare的pro用法。
小白学习中，请指教=v=
python在财会领域应用：可以用来处理数据，进行更深层次的数据分析，评估预算的时候，快速数据对比。
python相比php\ruby的模块化设计，非常便于功能扩展；多年来形成了大量优秀的web开发框架，并且在不断迭代；如目前优秀的全栈的django、框架flask，都继承了python简单、明确的风格，开发效率高、易维护，与自动化运维结合性好。
Python
是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承，有益于增强源代码的复用性。Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言，Python对函数式设计只提供了有限的支持。有两个标准库(functools, itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计工具。
利用Python的pandas数据结构来读取excel表格的数据，部分代码如下：
#-*- coding:utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
catering_data="catering_sale.xls"
data=pd.read_excel(catering_data,index_col=u'日期')
#读取数据，指定"日期"列为索引列；
大多数书上都是这样写的，但是在Python2.7上运行时出现错误。（没有在Python3.x版本试过）
出现了如下问题：
这里写图片描述
使用help（pd.read_excel）发现参数中有必选参数sheetname,加入到函数中，代码如下：
#-*- coding:utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
catering_data="catering_sale.xls"
data=pd.read_excel(catering_data,sheetname=0,index_col=u'日期')
运行成功。
sheetname=0 的意思是：读取xls文件中的第一个表格。（假设文件中有很多个表格）
另外，也可以将文件转换成csv格式，就不需要这个参数了。代码如下：
catering_data="catering_sale.csv"
data=pd.read_csv(catering_data)
1、读取txt数据
In [1]: import pandas as pd
In [2]: mydata_txt = pd.read_csv('C:\\test_code.txt',sep = '\t',encoding = 'utf-8')
对于中文的文本文件常容易因为编码的问题而读取失败，正如上图所示。遇到这样的编码问题该如何处置呢？解决办法有两种情况：
1）当原始文件txt或csv的数据不是uft8格式时，需要另存为utf8格式编码；
2）如果原始的数据文件就是uft8格式，为了正常读入，需要将read_csv函数的参数encoding设置为utf-8
将原始数据另存为utf8格式的数据，重新读入txt数据
In [3]: mydata_txt = pd.read_csv('C:\\test.txt',sep = '\t',encoding = 'utf-8')
In [4]: mydata_txt
很顺利，txt文本文件数据就这样进入了Python的口袋里了。
2、读取csv数据
csv文本文件是非常常用的一种数据存储格式，而且其存储量要比Excel电子表格大很多，下面我们就来看看如何利用Python读取csv格式的数据文件：
In [5]: mydata_csv = pd.read_csv('C:\\test.csv',sep = ',',encoding = 'utf-8')
In [6]: mydata_csv
如果你善于总结的话，你会发现，txt文件和csv文件均可以通过pandas模块中的read_csv函数进行读取。该函数有20多个参数，类似于R中的read.table函数，如果需要查看具体的参数详情，可以查看帮助文档：help(pandas.read_csv)
作为两种语言都会一些的财务人员，首先还是推荐先VBA，再考虑Python的学习
理由如下：
VBA作为office的原始自带语言，相对于其他语言操作Excel更加方便快捷
VBA是Visual Basic For Application 的简称，语法体验和VB一致，都是一个大家族，作为一门脚本语言，学习成本相对于其他语言较低。
Python作为最近几年的热门语言，其语法简洁明了，轮子也多，财务领域，可以用于数据的采集，ETL和后续分析。就数据方面Python操作起来方便很多，但是对于一些格式图表细节则不如VBA来的方便。
VBA学习成本相对Python低一些
对于新手，首先要学习的就是录制宏！
在Excel中录制宏，把我们的操作录制下来，反复使用，就好像录制视频一样，可以反复观看，其中80%的功能，我们可以通过录制宏来实现，剩下要学习的知识并不是很多
需要学习的大概有
1、工作薄对象，工作表对象、单元格对象、图表类对象（相对前两者使用少一些）等
2、循环和判断语句（FOR、DO、IF常用）等
3、其他重要：数组、FSO、正则、字典等
财务人员使用Excel频率高，跨文件操作必学VBA
只会函数、技巧、图表对于复杂一些的财务需求是远远不够的，
集团中，财务面对是经常是大量的文件汇总处理、数据抽取、分析、拆分
这种跨文件，大量的处理，是函数所无法完成的，如果会VBA则得心应手
未来可以推荐PBI系列
随着PBI和Power系列的出现，给Excel插上了翅膀，
Power Query ：对数据的ETL简单高效，降低了学习成本，对于新手比较友好，
Power Pivot ：号称超级透视表，透视表大家都知道非常的好用，对于简单的数据分析，非常方便，那么这个超级透视表，可见一斑
Power Map：数据可视化展示，比自带的常用图表展示更加方便，在Power BI中有了更多的图表插件可以学习
简单说两句，大家有兴趣可以留言，进一步交流沟通！
