在哪兒買python金融大資料分析

1樓：你猜我猜哇擦猜

2023年的時候我們說r是學術界的主流，但是現在python正在慢慢取代r在學術界的地位。不知道是不是因為大資料時代的到來。

python與r相比速度要快。python可以直接處理上g的資料；r不行，r分析資料時需要先通過資料庫把大資料轉化為小資料（通過groupby）才能交給r做分析，因此r不可能直接分析行為詳單，只能分析統計結果。所以有人說：

python=r+sql/hive，並不是沒有道理的。

python的一個最明顯的優勢在於其膠水語言的特性，很多書裡也都會提到這一點，一些底層用c寫的演算法封裝在python包裡後效能非常高效

(python的資料探勘包orange canve

中的決策樹分析50萬使用者10秒出結果，用r幾個小時也出不來，8g記憶體全部佔滿)。但是，凡事都不絕對，如果r向量化程式設計做得好的話（有點小難度），會

使r的速度和程式的長度都有顯著性提升。

r的優勢在於有包羅永珍的統計函式可以呼叫，特別是在時間序列分析方面，無論是經典還是前沿的方法都有相應的包直接使用。

相比之下，python之前在這方面貧乏不少。但是，現在python有了

pandas。pandas提供了一組標準的時間序列處理工具和資料演算法。因此，你可以高效處理非常大的時間序列，輕鬆地進行切片/切塊、聚合、對定期

/不定期的時間序列進行重取樣等。可能你已經猜到了，這些工具中大部分都對金融和經濟資料尤為有用，但你當然也可以用它們來分析伺服器日誌資料。於是，近

年來，由於python有不斷改良的庫（主要是pandas），使其成為資料處理任務的一大替代方案。

做過幾個實驗：

1. 用python實現了一個統計方法，其中用到了ctypes，multiprocess。

之後一個專案要做方法比較，又用回r，發現一些bioconductor上的包已經預設用parallel了。（但那個包還是很慢，一下子把所有執行緒都用掉了，導致整個電腦使用不能，看網頁非常卡~）

2. 用python pandas做了一些資料整理工作，類似資料庫，兩三個表來回查、匹配。感覺還是很方便的。雖然這些工作r也能做，但估計會慢點，畢竟幾十萬行的條目了。

3. 用python matplotlib畫圖。pyplot作圖的方式和r差異很大，r是一條命令畫點東

西，pylot是準備好了以後一起出來。pyplot的顏色選擇有點尷尬，預設顏色比較少，之後可用html的顏色，但是名字太長了~。pyplot

的legend比r 好用多了，算是半自動化了。pyplot畫出來後可以自由拉昇縮放，然後再儲存為**，這點比r好用。

總的來說python是一套比較平衡的語言，各方面都可以，無論是對其他語言的呼叫，和資料來源的連線、讀取，對系統的操作，還是正則表達和文字處

理，python都有著明顯優勢。

而r是在統計方面比較突出。但是資料分析其實不僅僅是統計，前期的資料收集，資料處理，資料抽樣，資料聚類，以及比較複雜的資料探勘演算法，資料建模等等

這些任務，只要是100m以上的資料，r都很難勝任，但是python卻基本勝任。

結合其在通用程式設計方面的強大實力，我們完全可以只使用python這一種語言去構建以資料為中心的應用程式。

但世上本沒有最好的軟體或程式，也鮮有人能把單一語言挖掘運用到極致。尤其是很多人早先學了r，現在完全不用又捨不得，所以對於想要學以致用的人來說，如果能把r和python相結合，就更好不過了，很早看過一篇文章——讓r與python共舞，咱們罈子裡有原帖，就不多說了，看完會有更多啟發。

python金融大資料分析百度雲盤pdf

2樓：匿名使用者

基礎入門到精通學習教程永久免費無解壓碼

3樓：滿眼山河

python金融大資料分析第2版 2023年

4樓：匿名使用者

python全棧開發與人工智慧之python開發基礎知識學習內容包括：python基礎語法、資料型別、字元編碼、檔案操作、函式、裝飾器、迭代器、內建方法、常用模組等。

免費課程備用：p3。iitv。vip 黏貼瀏覽器