股票數據分析編程語言

『壹』 數據分析用r還是python

R和Python兩者誰更適合數據分析領域？在某些特定情況下誰會更有優勢？還是一個天生在各方面都比另一個更好？

當我們想要選擇一種編程語言進行數據分析時，相信大多數人都會想到R和Python——但是從這兩個非常強大、靈活的數據分析語言中二選一是非常困難的。

我承認我還沒能從這兩個數據科學家喜愛的語言中選出更好的那一個。因此，為了使事情變得有趣，本文將介紹一些關於這兩種語言的詳細信息，並將決策權留給讀者。值得一提的是，有多種途徑可以了解這兩種語言各自的優缺點。然而在我看來，這兩種語言之間其實有很強的關聯。

Stack Overflow趨勢對比

上圖顯示了自從2008年(Stack Overflow 成立)以來，這兩種語言隨著時間的推移而發生的變化。

R和Python在數據科學領域展開激烈競爭，我們來看看他們各自的平台份額，並將2016與2017年進行比較：

相關推薦：《Python入門教程》

接下來我們將從適用場景、數據處理能力、任務、安裝難度以及開放工具等方面詳細了解這兩種語言。

適用場景

R適用於數據分析任務需要獨立計算或單個伺服器的應用場景。Python作為一種粘合劑語言，在數據分析任務中需要與Web應用程序集成或者當一條統計代碼需要插入到生產資料庫中時，使用Python更好。

任務

在進行探索性統計分析時，R勝出。它非常適合初學者，統計模型僅需幾行代碼即可實現。Python作為一個完整而強大的編程語言，是部署用於生產使用的演算法的有力工具。

數據處理能力

有了大量針對專業程序員以及非專業程序員的軟體包和庫的支持，不管是執行統計測試還是創建機器學習模型，R語言都得心應手。

Python最初在數據分析方面不是特別擅長，但隨著NumPy、Pandas以及其他擴展庫的推出，它已經逐漸在數據分析領域獲得了廣泛的應用。

開發環境

對於R語言，需要使用R Studio。對於Python，有很多Python IDE可供選擇，其中Spyder和IPython Notebook是最受歡迎的。

熱門軟體包和庫

下面羅列了R和Python推出的針對專業以及非專業程序員的最熱門的軟體包和庫。

R：針對專業程序員的熱門軟體包

用於數據操作的 dplyr、plyr和 data table

用於字元串操作的 stringr

定期和不定期時間序列 zoo

數據可視化工具 ggvis、lattice 和 ggplot2

用於機器學習的 caret

R：針對非專業程序員的熱門軟體包

Rattle

R Commander

Decer

這些完整的GUI包可以實現強大的數據統計和建模功能。

Python：針對專業程序員的熱門庫

用於數據分析的 pandas

用於科學計算的 SciPy 和 NumPy

用於機器學習的 scikit-learn

圖表庫 matplotlib

statsmodels 用來探索數據，估算統計模型，並執行統計測試和單元測試

Python：針對非專業程序員的熱門庫

Orange Canvas 3.0是遵循GPL協議的開源軟體包。它使用一些常用的Python開源庫進行科學計算，包括numpy、scipy和scikit-learn。

R 和 Python 詳細對比

正如本文開頭提到的，R和Python之間有很強的關聯，並且這兩種語言日益普及。很難說哪一種更好，它們兩者的整合在數據科學界激起了許多積極和協作的波瀾。

總結

事實上，日常用戶和數據科學家可以同時利用這兩者語言，因為R用戶可以在R中通過 rPython包來運行R中的Python代碼，而Python用戶可以通過RPy2庫在Python環境中運行R代碼。

『貳』 數據分析需要用到編程嗎

對於數據分析師來說，如果想在數據分析的道路上走的更遠，編程是一定要掌握的，其實編程語言本身並不是數據分析環節中的難點，比如學習Python還是一個比較輕松的過程。

應用級數據分析師通常需要掌握各種數據分析工具，把業務模型映射到數據分析工具上，從而得到數據分析的結果。數據分析工具比較多，比如Excel就是一個傳統的數據分析工具，另外還有Minitab、LINGO、JMP等，要想全面掌握這些工具的使用需要具備一定的數學基礎和統計學基礎。通常做BI的數據分析師還需要進一步掌握資料庫的基礎知識，但是難度往往並不大。

研發級數據分析師就需要掌握編程知識了，在數據分析領域R、Python、C、MATLAB等語言都有廣泛的應用，目前通過Python等語言來完成數據分析也是一個比較常見的做法。其實MATLAB也是一個在數據分析領域占據重要位置的軟體(語言)，MATLAB功能非常強大。

在大數據時代，通過機器學習的方式實現數據分析是一個比較常見的方式，而Python語言則是一個比較常見的選擇，一方面Python語言簡單易學，另一方面Python語言具備豐富的庫支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比較常見的庫，這些庫的使用會極大的降低演算法實現的難度。

『叄』 股票軟體怎麼開發股票軟體開發需要注意哪些

股票軟體開發開發過程包括以下五個階段：
一、股票軟體開發定製分析
然後把它用軟體工程開發語言（形式功能規約，軟體需求分析就是回答做什麼的問題。一個對用戶的需求進行去粗取精、去偽存真、正確理解。即需求規格說明書）表達進去的過程。本階段的基本任務是和用戶一起確定要解決的問題，建立軟體的邏輯模型，編寫需求規格說明書文檔並最終得到用戶的認可。需求分析的主要方法有結構化分析方法、數據流程圖和數據字典等方法。本階段的工作是根據需求說明書的要求，設計建立相應的軟體系統的體系結構，並將整個系統分解成若干個子系統或模塊，定義子系統或模塊間的介面關系，對各子系統進行具體設計定義，編寫軟體概要設計和詳細設計說明書，資料庫或數據結構設計說明書，組裝測試計劃。
二、股票軟體開發設計
也可以是可組合、可分解和可更換的功能單元。模塊，股票軟體設計可以分為概要設計和詳細設計兩個階段。實際上軟體設計的主要任務就是將軟體分解成模塊是指能實現某個功能的數據和程序說明、可執行程序的順序單元。可以是一個函數、過程、子程序、一段帶有順序說明的獨立的順序和數據。然後進行模塊設計。概要設計就是結構設計，其主要目標就是給出軟體的模塊結構，用軟體結構圖表示。詳細設計的首要任務就是設計模塊的順序流程、演算法和數據結構，主要任務就是設計資料庫，常用方法還是結構化順序設計方法。
三、股票軟體開發定製編碼
即寫成以某一順序設計語言表示的"源程序清單"充沛了解軟體開發語言、工具的特性和編程風格，軟體編碼是指把軟體設計轉換成計算機可以接受的順序。有助於開發工具的選擇以及保證軟體產品的開發質量。
四、股票軟體開發測試
關鍵在於理解測試方法。不同的測試方法有不同的測試用例設計方法。兩種常用的測試方法是白盒法測試對象是源程序，股票軟體測試的目的以較小的代價發現盡可能多的錯誤。要實現這個目標的關鍵在於設計一套出色的測試用例（測試數據和預期的輸出結果組成了測試用例）如何才幹設計出一套出色的測試用例。依據的順序內部的邏輯結構來發現軟體的編程錯誤、結構錯誤和數據錯誤。結構錯誤包括邏輯、數據流、初始化等錯誤。用例設計的關鍵是以較少的用例覆蓋盡可能多的內部順序邏輯結果。白盒法和黑盒法依據的軟體的功能或軟體行為描述，發現軟體的介面、功能和結構錯誤。其中介面錯誤包括內部/外部介面、資源管理、集成化以及系統錯誤。
五、股票軟體開發與維護
對軟體產品所進行的一些軟體工程的活動。即根據軟體運行的情況，維護是指在已完成對軟體的研製（分析、設計、編碼和測試）工作並交付使用以後。對軟體進行適當修改，以適應新的要求，以及糾正運行中發現的錯誤。編寫軟體問題演講、軟體修改演講。

『肆』 股票軟體的公式里,用的一般是什麼語言

那不算是語言，只是個代號而已，就好比收盤價用C或CLOSE來代替，C或CLOSE也就是公式中的函數

『伍』 數據分析師應該學習哪些語言

1、R語言：免費、開源;專門為統計和數據分析而開發，基礎安裝也包含全面的統計功能和函數;數據可視化功能強大。

2、Python語言：是一門主流編程語言，有著廣泛的在線支持;有諸如谷歌 Tensor flow 這樣優秀的 package，使得機器學習框架都偏向於採用Python語言;易於學習，入門容易。

3、SQL語言：SQL 是一種資料庫查詢和程序設計語言，用於存取數據以及查詢、更新和管理關系資料庫系統，是最重要的關系資料庫操作語言。

4、Java語言：Java 是靜態面向對象編程語言的代表，具有面向對象、分布式、平台獨立與可移植性、多線程、動態性等特點，目前由甲骨文公司提供技術支持。

5、Scala語言：一門多範式的編程語言，類似 Java，於 2004 年問世，設計初衷是實現可伸縮的語言，並集成面向對象編程和函數式編程的各種特性。

6、Julia語言：是一款剛出現沒幾年的面向科學計算的高性能動態高級程序設計語言。

『陸』 在大數據分析/挖掘領域，哪些編程語言應用最多

在大數據分析/挖掘領域，編程語言目前應用最多的應該是Python。Python並不簡單，除了數據分析及挖掘，Python還被廣泛運用到數據爬取、產品開發等領域。

3、相對大體量的處理能力

Python相對於Excel有著非常龐大的數據處理能力，Excel由於自身限制，只能處理105萬行的數據，而另外風頭很盛的R，數據量級上也遜色於Python。

『柒』 自學3年Python的我成了數據分析師，總結成一張思維導圖

大家好，我是一名普通畢業生，現就職於某互聯網公司。之前很多同學問我「 為什麼自學3年Python，最後卻成為了數據分析師 ？」

首先肯定是數據分析師的前景和薪資條件，打動了我

下面是我的學習之路，附帶一些必備學習的資料，可以 免費領取 ，相信感興趣的你看完也可以找到自己的方向。

眾所周知：Python是當今最火的編程語言之一，各大招聘網站上都會要求求職者會這門語言，並且它很容易上手，業務面寬泛，像Web網頁工程師、網路爬蟲工程師、自動化運維、自動化測試、 游戲 開發、數據分析、AI等等。

我們首先明確一個大的方向，知道自己以後要做什麼。因為我是統計學專業，所以我會選擇從事數據分析行業，那麼 用Python做數據分析成了一個最佳選擇 。

要想使用Python做數據分析，首先就應該知道「 數據分析的流程是怎樣的？ 」

我這次特地總結了一張 思維導圖 給大家，點擊放大看更清楚哦。

（點擊查看高清大圖）

基於此，我這里將我以前學習過程中用過的電子書（技能類、統計類、業務類），還有相關視頻免費分享給大家，省去了你們挑選視頻的時間，也希望能夠對你們的學習有所幫助。

PS：我總結的資料有點多哦，差不多有4G，大家一定要給你的網路雲盤空出位置來哦！

如果遇到一些環境配置，還有一些錯誤異常等bug，資料就顯得不太夠用，這時就需要找到老師，給我們特別講解。

或者是想 快速學習 數據分析領域知識，不妨先找一找 直播課 看看， 了解當下最貼合實際的學習思路，確定自己的方向。

Day1 20:00&量化交易入門：

用Python做股票指標分析和買賣時機選擇

場景工具：Python工具分解RSI指標流程處理: 業務場景分析建模和可視化學習成果：使用RSI指標模型做買賣點搜索、交易回溯實戰案例：分析A股數據模型，制定投資策略

Day2 20:00&職場晉升必備：

製作酷炫報表，4步帶你學習數據可視化

場景工具：用Tableau學習如何管理數據流程處理: 利用業務拆解找到數據指標、進行數據可視化學習成果：高效的對數據驅動型業務作出精準決策實戰案例：利用可視化工具構建 旅遊 客流量趨勢地圖

Day3 20:00&量化交易進階：

0基礎用Python搭建量化分析平台

場景工具：利用pandas工具分解KDJ指標構成流程處理: 交易數據爬取，業務場景分析建模和可視化分析結果：用KDJ指標模型對比特幣行情買賣點搜索&交易回溯實戰項目：掌握根據數據指數和分析工具尋找虛擬貨幣買賣原理

他們 每周都會定期分享 一些 干貨 供大家學習參考，對學習很有幫助。

（深度學習DeepLearning.ai實驗室認證）

（微軟/甲骨文/Cloudera等公司頒發的數據分析證書）

4步學會數據可視化，辦公效率提高三倍

（更多精彩內容 等你解鎖）

『捌』 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎

個人覺得這問題問的不太對，說句不好的話，你是來搞編程的還是做股票的。

當然，如果題主只是用來搜集資料，看數據的話那還是可以操作一波的，至於python要怎麼入門，個人下面會推薦一些入門級的書籍，通過這些書籍，相信樓主今後會有一個清晰的了解（我們以一個完全不會編程的的新手來看待）。

《Learn Python The Hard Way》，也就是我們所說的笨辦法學python，這絕對是新手入門的第一選擇，裡面話題簡練，是一本以練習為導向的教材。有淺入深，而且易懂。

其它的像什麼，《Python源碼剖析》，《集體智慧編程》，《Python核心編程（第二版）》等題主都可以適當的選擇參讀下，相信都會對題主有所幫助。

最後，還是要重復上面的話題，炒股不是工程學科，它有太多的變數，對於現在的智能編程來說，它還沒有辦法及時的反映那些變數，所以，只能當做一種參考，千萬不可過渡依賴。

結語：pyhton相對來說是一種比較高端的學科，需要有很強的邏輯能力。所以入門是非常困難的，如果真的要學習，是需要很大的毅力去堅持下去的，而且不短時間就能入門了，要有所心理准備。

『玖』 股票軟體編程問題

這個嘛，的確有些異想天開，但只要你努力，編個軟體是做的到的。

第一步，您可以嘗試在一些免費軟體上寫指標，很多軟體都提供公式編輯功能，這些公式編輯器就是一種簡化的計算機語言，如果您對股市的想法不復雜，使用別人的軟體做平台，自己加些東西，可能是上手最快的辦法。

如果您期望獲得的是獨立完整的產品，就需要找數據源了。如果您計算機水平足夠高，任何一款免費軟體的數據都能夠導出來。如果您做不到這一點，可以找個免費的數據介面。這些數據介面在許多軟體論壇上有提供，至於怎樣使用這些介面，您需要找介面的提供者咨詢。免費數據介面是網上的一些編程高手提供的，有些收費，有些免費。即使收費，費用也不高。

找到數據後，就可以寫自己的軟體了。通過各軟體商的摸索，股票軟體幾乎唯一的選擇是C語言。早前人們嘗試過幾乎所有當前流行的計算機語言寫股票軟體，但目前大品牌的正版付費軟體幾乎都是C語言寫的，其他語言在處理數據流上效率太低，以至於不能商品化。

當您的軟體已經可以向市場推廣時，就需要購買正式的數據源了。來自交易所的數據有兩個版本：Level-1和Level-2，Level-1每年約80萬，Level-2是買不到的，後者屬於特許經營，您需要是注冊資本1000萬以上的公司，通過向交易所特別申請才能獲得。運營Level-2數據的投資額大約是3000萬/年，包括研發、市場和數據傳輸平台。

如果您的軟體創新度有限，您的商業機會不多。如果您有自己的創造，那您就有機會了。在這個市場上，獲得每年3000萬的營業額不困難。

如果您試圖獲得每年上億的營業額並在創業板上市，您需要找到不低於4000萬的風險投資，並且組建一個不小於150人的團隊。

祝您成功吧，有志者事竟成。

『拾』 我要做程序化交易編程, 國內那些股票/期貨軟體支持C或者C++行情分析編程介面

你自己私自是不能獲取行情數據的，證券行的股票交易軟體是通過自己公司的伺服器來獲取證券交易所的行情信息的