⑴ 數據分析用python還是r語言
Python與R語言的共同點：
Python和R在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法。
Python和R兩門語言有許多平台適應性，Linux、Windows都可以用，並且代碼可移植性強。
Python和R比較貼近MATLAB以及minitab等常用的數學工具。
Python和R語言的區別：
數據結構方面，由於從科學計算的角度出發，R中的數據結構非常簡單，主要包含向量、多維數組、列表、數據框;而Python則包含更豐富的數據結構來實現數據更精準的訪問和內存控制，多維數組、元組、集合、字典等等。
Python與R對比速度更快，Python可以直接處理上G的數據;R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據才能交給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。
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調用，和數據源的連接、讀取，對系統的操作，還是正則表達式和文字處理，Python都有著非常明顯的優勢，而R在統計方面比較突出。
Python的pandas借鑒了R的dataframes，R中的rvest則參考了Python的beautiful
soup，兩種語言在一定程度上存在互補性;通常，我們認為Python比R在計算機編程、網路爬蟲上更有優勢;而R在統計分析上是一種更高校的獨立數據分析工具，所以說Python和R各具備不同的優勢，很難抉擇。
不過相對於R來說，Python更加簡單、易學、語法清晰，適合零基礎入門學習，而且掌握Python之後不僅可以從事數據分析崗位工作，還可以從事人工智慧、web開發、游戲開發、運維等工作。
⑵ 如何用R語言的quantmod包獲取一系列股票的歷史日線數據
我舉個例子供你參考：
> install.packages('quantmod') # 安裝安裝quantmod包
> require(quantmod)#引用quantmod包
> getSymbols("GOOG",src="yahoo",from="2013-01-01", to='2013-04-24') #從雅虎財經獲取google的股票數據
> chartSeries(GOOG,up.col='red',dn.col='green') #顯示K線圖
⑶ 如何在r語言中抓取股票數據並分析論文
用quantomd包
然後getsymbols函數
分析論文 要看你研究方向
如果是看影響因素 一般回歸就行
如果看股票波動和預測 可能需要時間序列
⑷ 如何用r軟體對給定數據進行回歸分析（不能用lm函數）
可以試著探索一下summary(lm(y~x))到底是什麼。 首先看一下summary(lm(y~x))是什麼數據類型： > m class(summary(m)) [1] "summary.lm" #可以看到，lm的結果是一個"summary.lm" 對象。這有些顯而易見。好吧，繼續探索。 R語言中所有的對象都建立在一些native data structures之上，那麼summary(lm(y~x)的native data structure是什麼呢？可以用mode()命令查看。
⑸ 為什麼75%的數據科學家使用R做數據分析
R作為開源工具，目前尚無行業應用限制，方便的擴展性，不僅可以用python java C C++等語言進行互調，其他統計軟體也大部分均可調用R，如SAS, SPSS STATISTICA等
⑹ 正在學慣用R語言編寫股票自動交易軟體，但是對股票以及R語言都知之甚少。求高手指點。
我和你一樣，也在學，大智慧新一代，通達信，和飛狐這幾個你任選一個先學，以後慢慢的都會了。飛狐相對要復雜一些，要想編出功能更強大的公式，飛狐里還會用到VBS和JS腳本，還會用到C語言，別的公式不會用到這些。
⑺ R軟體進行數據的相關分析
Data<-read.table("clipboard",herader=F,sep='\t')命令已經將數據讀入R，數據名為Data,
你可以用head命令查看數據中的變數名，
head(Data,5)
如果數據Data中變數名有x,y，
你可以用cor.test(Data$x,Data$y)得出相關分析結果。
⑻ 用r語言做數據分析好學嗎
分析數據，好學
認識的真理性只有在實踐中才能得到檢驗和發展理論是否正確，在從感性認識到理性認識的第一次飛躍，終是沒有得到正視，也不可能得到證實的，只有將已經獲得的理論運用到實踐中去，通過實踐檢驗正確的理論才能得到證實錯誤的理論才能被發現，糾正或者推翻，憋在指導實踐，實現自身的過程中得到完善和發展，這就是檢驗理論和發展理論的過程，是整個認識過程的繼續
⑼ 如何用R語言提取股票行情數據
你好，關於股票價格有關的開盤價格，當日最高價格，當日最低價格，收盤價格，股票交易量；和調整後的價格；
DIA.Open 當日開盤價格
DIA.High 當日最高價格
DIA.Low 當日最低價格
DIA.Close 當日收盤價格
DIA.Volume 當日股票交易量
DIA.Adjusted 當日調整後的價格
⑽ R為什麼比Excel更適合做數據分析
我從事數據分析工作已經有十年之久。最初是出於工作需要，我的經理給我一堆數據，我需要處理這些數據。當時我一直使用的工具是 Excel，因為這是我熟練掌握的一款工具。三年前，我開始接觸到 R，一開始因為功能太多而堅決抵制使用。後來我開始琢磨如何使用。現在我基本不怎麼使用 Excel 了。
這只是我個人的觀點，但是如果你要分析數據，R 更勝任這項任務。下面來說說為什麼 R 更適合數據分析。
R與Excel在數據分析當中的優劣勢對比
這兩款工具的使用方法截然不同。使用 Excel 時，可以通過滑鼠點擊完成大部分工作，你可以訪問界面內不同位置的各種工具。因此 Excel 非常便於使用（熟能生巧），但是用 Excel 處理數據非常費時，而且如果接手一個新項目，你必須單調地重復這些流程。使用 R 時，則通過代碼完成所有操作。你把數據載入內存，然後運行腳本來研究並處理數據。這個工具可能不夠人性化，但是有以下幾點好處。
我認為，從概念上來說，R 更便於使用。如果你在處理多列數據，雖然你只是在處理單個任務，但是卻會看到所有的數據。而使用 R 時，數據都在內存中，只有調出數據才能看到。如果你在轉換或計算，你會處理相關列或行的子集，其他所有數據都在後台。我覺得這樣更便於關注手頭的任務。完成任務後，可將其保存在某個數據幀中，其中只包含所需的列或行數據。你建立了正確的數據集，可解決當前的問題。這樣做看似無關緊要，但實際上大受裨益。
藉助 R，就可以對其他數據集輕松重復相同的操作。因為所有數據都是通過代碼進行處理和研究，因此對新的數據集執行相同的操作也就輕而易舉了。使用 Excel 時，大多數操作都是通過滑鼠點擊實現，雖然用戶體驗不錯，但對新的數據重復操作卻非常費時而枯燥。而 R 只需載入新的數據集，然後再次運行腳本即可。
實際上，用代碼操作也便於診斷並共享你的分析結果。使用 Excel 時，大多數的分析結果都基於內存（數據透視表在這里，公式編輯器在另一個表格上等）。而在 R 中，通過代碼執行所有操作，一目瞭然。如果你在修正一個錯誤，你很清楚在哪裡操作，而如果你需要共享分析結果，只需復制粘貼代碼即可。在線查找幫助時，你能准確說明所用數據，並提出具體的問題。事實上，大多數時候，你在線提問時，人們都是直接貼出准確的代碼，來解決你的問題。
R 中的項目組織更簡單。在 Excel 中，我要准備一系列表格，可能還要准備多個工作簿，然後適當命名，而且各文件名不得重復。我的項目備注分別保存在各個文件中。我的 R 項目組織單獨設有一個文件夾，我處理過的所有內容都放在其中。清理數據、探索性圖表及模型。這樣便於我理解和查找，也為與我一起工作的其他人提供方便。當然，Excel 也能做到井井有條。我覺得 R 的簡潔性更便於使用。
上述幾點只能說是錦上添花，而並不是必不可少。在沒有這些功能之前，我也用了好幾年 Excel，你應該也一樣。現在，我想講講 R 和 Excel 真正的區別。我想說的是，除了以上那些花哨的小優勢之外，R 更適合用於數據分析。原因如下。
你可以把任何數據載入 R。數據的保存位置或保存形式並不重要。你可以載入 CSV 文件，也可以讀取 JSON，或者執行 SQL 查詢，抑或提取網站。你甚至還可以在 R 中通過 Hadoop 處理大數據。
R 是一個完整的工具集，使用的是數據包。在分析數據時，R 比 Excel 更實用。你可使用 R 執行數據管理、分類和回歸，也可以處理圖片，並執行其他所有操作。如果機器學習是你的專業，那能想到的任何演算法都是小菜一碟。目前，R 可用的數據包逾 5,000 個，因此無論你要處理什麼類型的數據，R 都能應付自如。
R 的數據可視化效果非常卓越。說句實話，Excel 的圖表非常出色，簡單易懂。但 R 的效果更好。我覺得這是 R 最實用的功能之一。藉助 ggplot2，你可以快速創建所需的各種圖表，並根據圖表形狀自行調整。在你熟悉了如何用 ggplot2 創建一個圖表後，任何其他圖表都不在話下。ggplot2 還能製作更多類型的圖表。你能用 Excel 創建散點圖矩陣嗎？用 R 就能輕松創建這種矩陣，CDF plot 也是如此。Excel 棋差一招。
Git 版本控制。我一向習慣保存多個版本的分析結果。Git 是至今為止我找到的最好用的工具。我使用 RStudio 作為編輯器，其支持項目。創建一個項目倉庫，然後你就能跟蹤數據研究的不同版本。你可以創建不同版本的 Excel 文件，但是這些保存的二進制文件無法顯示相互之間的更改部分。而 R 非常簡單。
我已經說了很多理由。總之，Excel 是一款不錯的數據分析工具。我相信它能不負眾望完成所有任務。但是，如果你只有這一款工具，則會大大影響你的工作效率。相比之下，R 更好用，而且提供的工具集模塊更完整。而缺點在於不是非常易於上手，用戶一開始相對要花很多時間學習使用。如果堅持下去，就會有所收獲，不僅對數據更了解，還提高了自己的能力。