開源免費的股票數據工具

⑴ 請問怎樣用Java獲取股票行情歷史數據新浪、搜狐、百度財經都可以......

publicclassStockConnection{
	publicstaticvoidmain(String[]args){
		URLur=null;
		try{
			//搜狐股票行情歷史介面
//			ur=newURL("http://q.stock.sohu.com/hisHq?code=cn_300228&start=20130930&end=20131231&stat=1&order=D&period=d&callback=historySearchHandler&rt=jsonp");
			//新浪股票行情歷史介面
			ur=newURL("http://biz.finance.sina.com.cn/stock/flash_hq/kline_data.php?&rand=random(10000)&symbol=sh600000&end_date=20150809&begin_date=20000101&type=plain");
			HttpURLConnectionuc=(HttpURLConnection)ur.openConnection();
			BufferedReaderreader=newBufferedReader(newInputStreamReader(ur.openStream(),"GBK"));
			Stringline;
			while((line=reader.readLine())!=null){
				System.out.println(line);
			}
		}catch(Exceptione){
			//TODOAuto-generatedcatchblock
			e.printStackTrace();
		}
	}
}

⑵ 關於有沒有C#寫的開源股票分析軟體

有開源的，製作的股票技術分析軟體正式開源（.net wpf)
http://www.cnblogs.com/xuming-wong/archive/2012/03/09/2384150.html
自己看看吧。有下載路徑

⑶ 開源大數據分析工具

考慮到現有技術解決方案的復雜性與多樣化，企業往往很難找到適合自己的大數據收集與分析工具。然而，混亂的時局之下已經有多種方案脫穎而出，證明其能夠幫助大家慶襪切實完成大數據分析類工作。下面北京IT培訓將整理出一份包含十款工具的清單，從而有效壓縮選擇范疇。

OpenRefine

這是一款高人氣數據分析工具，適用於各類與分析相關的任務。這意味著即使大家擁有多川不同數據類型及名稱，這款工具亦能夠利用其強大的聚類演算法完成條目分組。在聚類完成後，分析即可開始。

Hadoop

大數據與Hadoop可謂密不可分。這套軟體庫兼框架能夠利用簡單的編程模型將大規模數據集分發於計算機集群當中。其尤為擅長處理大規模數據並使其可用於本地設備當中。作為Hadoop的開發方，Apache亦在不斷強化這款工具以提升其實際效果。

Storm

同樣來自Apache的Storm是另一款偉大的實時計算系統，能夠極大強化無限數據流的處理效果。其亦可用於執行多種其它與大數據相關的任務，具體包括分布式RPC、持續處理、在線機器學習以及實時分析等等。使用Storm的另一大優勢在於，其整合了大量其它技術，從而進一步降低大數據處理的復雜性。

Plotly

這是一款數據可視化工具，可兼容JaScript、MATLAB、Python以及R等語言。Plotly甚至能夠幫助不具備代碼編寫技能或者時間的用戶完成動態可視化處理。這款工具常由新一代數據科學家使用，因為其屬於一款業務開發平台且能夠快速完成大規模數據的理解與分析。

Rapidminer

作為另一款大數據處理必要工具，Rapidminer屬於一套開源數據科學平台，且通過可視化編程機制發揮作用。其功能包括對模型進行修改、分析與創建，且能夠快速將結果整合至業務流程當中。Rapidminer目前備受矚目，且已經成為眾多知名數據科學家心目中的可靠工具。

Cassandra

ApacheCassandra是另一款值得關注的工具，因為其能夠有效且高效地對大規模數據加以管理。它屬於一套可擴展NoSQL資料庫，能夠監控多座數據中心內的數據並已經在Netflix及eBay等知名企業當中效力。

HadoopMapRece

這是一套軟體框架，允許用戶利用其編寫出以可靠方式並發處理大規模數據的應用。MapRece應用主要負責完成兩項任務，即映射與規約，並由此提供多種數據處理結果。這款工具最初由谷歌公司開發完成。

Bokeh

這套可視化框架的主要目標在譽嘩激於提供精緻且簡潔的圖形處理結果，用以強化大規模數據流的交互能力。其專門供Python語言使用。

WolframAlpha

這是一套搜索引擎，旨在幫助用戶搜索其需要的計算素材或者其它內容。舉例來說，如果大家輸入「Facebook」，即可獲得與Facebook相關的HTML元素結構、輸入解蘆逗釋、Web託管信息、網路統計、子域、Alexa預估以及網頁信息等大量內容。

⑷ python用什麼方法或者庫可以拿到全部股票代碼

首先你需要知道哪個網站上有所有股票代碼，然後分析這個網站股票代碼的存放方式，再利用python寫一個爬蟲去爬取所有的股票代碼

⑸ 常見的大數據分析工具有哪些

大數據分析的前瞻性使得很多公司以及企業都開始使用大數據分析對公司的決策做出幫助，而大數據分析是去分析海量的數據，所以就不得不藉助一些工具去分析大數據，。一般來說，數據分析工作中都是有很多層次的，這些層次分別是數據存儲層、數據報表層、數據分析層、數據展現層。對於不同的層次是有不同的工具進行工作的。下面小編就對大數據分析工具給大家好好介紹一下。
首先我們從數據存儲來講數據分析的工具。我們在分析數據的時候首先需要存儲數據，數據的存儲是一個非常重要的事情，如果懂得資料庫技術，並且能夠操作好資料庫技術，這就能夠提高數據分析的效率。而數據存儲的工具主要是以下的工具。
1、MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
2、SQL Server的最新版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
3、DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台;
接著說數據報表層。一般來說，當企業存儲了數據後，首先要解決報表的問題。解決報表的問題才能夠正確的分析好資料庫。關於數據報表所用到的數據分析工具就是以下的工具。
1、Crystal Report水晶報表，Bill報表，這都是全球最流行的報表工具，非常規范的報表設計思想，早期商業智能其實大部分人的理解就是報表系統，不藉助IT技術人員就可以獲取企業各種信息——報表。
2、Tableau軟體，這個軟體是近年來非常棒的一個軟體，當然它已經不是單純的數據報表軟體了，而是更為可視化的數據分析軟體，因為很多人經常用它來從資料庫中進行報表和可視化分析。
第三說的是數據分析層。這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具;
1、Excel軟體，首先版本越高越好用這是肯定的;當然對Excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作!但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體;
2、SPSS軟體：當前版本是18，名字也改成了PASW Statistics;我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。
最後說表現層的軟體。一般來說表現層的軟體都是很實用的工具。表現層的軟體就是下面提到的內容。
1、PowerPoint軟體：大部分人都是用PPT寫報告。
2、Visio、SmartDraw軟體：這些都是非常好用的流程圖、營銷圖表、地圖等，而且從這里可以得到很多零件;
3、Swiff Chart軟體：製作圖表的軟體，生成的是Flash

⑹ 大數據分析工具有哪些，有什麼特點

常用的數據分析工具有如下幾個
SAS
一般用法。SAS由於其功能強大而且可以編程，很受高級用戶的歡迎。也正是基於此，它是最難掌握的軟體之一。使用SAS時，你需要編寫SAS程序來處理數據，進行分析。如果在一個程序中出現一個錯誤，找到並改正這個錯誤將是困難的。
數據管理。在數據管理方面，SAS是非常強大的，能讓你用任何可能的方式來處理你的數據。它包含SQL（結構化查詢語言）過程，可以在SAS數據集中使用SQL查詢。但是要學習並掌握SAS軟體的數據管理需要很長的時間，在Stata或SPSS中，完成許多復雜數據管理工作所使用的命令要簡單的多。然而，SAS可以同時處理多個數據文件，使這項工作變得容易。它可以處理的變數能夠達到32,768個，以及你的硬碟空間所允許的最大數量的記錄條數。
統計分析。SAS能夠進行大多數統計分析（回歸分析，logistic回歸，生存分析，方差分析，因子分析，多變數分析）。SAS的最優之處可能在於它的方差分析，混合模型分析和多變數分析，而它的劣勢主要是有序和多元logistic回歸（因為這些命令很難），以及穩健方法（它難以完成穩健回歸和其他穩健方法）。盡管支持調查數據的分析，但與Stata比較仍然是相當有限的。
繪圖功能。在所有的統計軟體中，SAS有最強大的繪圖工具，由SAS/Graph模塊提供。然而，SAS/Graph模塊的學習也是非常專業而復雜，圖形的製作主要使用程序語言。SAS 8雖然可以通過點擊滑鼠來互動式的繪圖，但不象SPSS那樣簡單。
總結。SAS適合高級用戶使用。它的學習過程是艱苦的，最初的階段會使人灰心喪氣。然而它還是以強大的數據管理和同時處理大批數據文件的功能，得到高級用戶的青睞。

Stata
一般用法。Stata以其簡單易懂和功能強大受到初學者和高級用戶的普遍歡迎。使用時可以每次只輸入一個命令（適合初學者），也可以通過一個Stata程序一次輸入多個命令（適合高級用戶）。這樣的話，即使發生錯誤，也較容易找出並加以修改。
數據管理。盡管Stata的數據管理能力沒有SAS那麼強大，它仍然有很多功能較強且簡單的數據管理命令，能夠讓復雜的操作變得容易。Stata主要用於每次對一個數據文件進行操作，難以同時處理多個文件。隨著Stata/SE的推出，現在一個Stata數據文件中的變數可以達到32,768，但是當一個數據文件超越計算機內存所允許的范圍時，你可能無法分析它。
統計分析。Stata也能夠進行大多數統計分析（回歸分析，logistic回歸，生存分析，方差分析，因子分析，以及一些多變數分析）。Stata最大的優勢可能在於回歸分析（它包含易於使用的回歸分析特徵工具），logistic回歸（附加有解釋logistic回歸結果的程序，易用於有序和多元logistic回歸）。Stata也有一系列很好的穩健方法，包括穩健回歸，穩健標准誤的回歸，以及其他包含穩健標准誤估計的命令。此外，在調查數據分析領域，Stata有著明顯優勢，能提供回歸分析，logistic回歸，泊松回歸，概率回歸等的調查數據分析。它的不足之處在於方差分析和傳統的多變數方法（多變數方差分析，判別分析等）。
繪圖功能。正如SPSS，Stata能提供一些命令或滑鼠點擊的交互界面來繪圖。與SPSS不同的是它沒有圖形編輯器。在三種軟體中，它的繪圖命令的句法是最簡單的，功能卻最強大。圖形質量也很好，可以達到出版的要求。另外，這些圖形很好的發揮了補充統計分析的功能，例如，許多命令可以簡化回歸判別過程中散點圖的製作。
總結。Stata較好地實現了使用簡便和功能強大兩者的結合。盡管其簡單易學，它在數據管理和許多前沿統計方法中的功能還是非常強大的。用戶可以很容易的下載到別人已有的程序，也可以自己去編寫，並使之與Stata緊密結合。

SPSS
一般用法。SPSS非常容易使用，故最為初學者所接受。它有一個可以點擊的交互界面，能夠使用下拉菜單來選擇所需要執行的命令。它也有一個通過拷貝和粘貼的方法來學習其「句法」語言，但是這些句法通常非常復雜而且不是很直觀。
數據管理。SPSS有一個類似於Excel的界面友好的數據編輯器，可以用來輸入和定義數據（缺失值，數值標簽等等）。它不是功能很強的數據管理工具（盡管SPS 11版增加了一些增大數據文件的命令，其效果有限）。SPSS也主要用於對一個文件進行操作，難以勝任同時處理多個文件。它的數據文件有4096個變數，記錄的數量則是由你的磁碟空間來限定。
統計分析。SPSS也能夠進行大多數統計分析（回歸分析，logistic回歸，生存分析，方差分析，因子分析，多變數分析）。它的優勢在於方差分析（SPSS能完成多種特殊效應的檢驗）和多變數分析（多元方差分析，因子分析，判別分析等），SPSS11.5版還新增了混合模型分析的功能。其缺點是沒有穩健方法（無法完成穩健回歸或得到穩健標准誤），缺乏調查數據分析（SPSS12版增加了完成部分過程的模塊）。
繪圖功能。SPSS繪圖的交互界面非常簡單，一旦你繪出圖形，你可以根據需要通過點擊來修改。這種圖形質量極佳，還能粘貼到其他文件中（Word 文檔或Powerpoint等）。SPSS也有用於繪圖的編程語句，但是無法產生交互界面作圖的一些效果。這種語句比Stata語句難，但比SAS語句簡單（功能稍遜）。
總結。SPSS致力於簡便易行（其口號是「真正統計，確實簡單」），並且取得了成功。但是如果你是高級用戶，隨著時間推移你會對它喪失興趣。SPSS是制圖方面的強手，由於缺少穩健和調查的方法，處理前沿的統計過程是其弱項。

總體評價
每個軟體都有其獨到之處，也難免有其軟肋所在。總的來說，SAS，Stata和SPSS是能夠用於多種統計分析的一組工具。通過Stat/Transfer可以在數秒或數分鍾內實現不同數據文件的轉換。因此，可以根據你所處理問題的性質來選擇不同的軟體。舉例來說，如果你想通過混合模型來進行分析，你可以選擇SAS；進行logistic回歸則選擇Stata；若是要進行方差分析，最佳的選擇當然是SPSS。假如你經常從事統計分析，強烈建議您把上述軟體收集到你的工具包以便於數據處理。

⑺ 用Python能做哪些事情

Python作為一門膠水語言，其實能做的事非常多，下面我簡單介紹一下，分為八個方面，主要內容如下：

數據處理

Python提供了大量用於數據處理和科學計算的庫，像numpy,scipy,pandas等，對於矩陣計算、線性代數等，numpy可以快速計算並得到結果，pandas內置的DataFrame類型可以快速處理各種常見的文件，像CSV，Excel，JSon等，是數據分析的利器，在數據處理中經常使用：

可視化

Python數據可視化庫也非常豐富，除了經常使用的matplotlib外，還有許多其他可視化庫，像seaborn，pyecharts等，繪制的圖形種類更豐富，更漂亮，代碼量也更少，非常容易學習，對於日常作圖製表來說，是一個非常不錯的選擇：

機器學習

現在機器學習正火，其實Python裡面也有現成的機器學習模塊可供學習—scikit-learn，對於常見的機器學習演算法，像分類、回歸、聚類、降維等，這個模塊都有現成的代碼可直接使用，非常方便，對於想入門機器學習的朋友來說，這是一個非常不錯的選擇：

神經網路

神經網路起源應該比較早了，目前在圖像領域應用比較廣泛，Python也有現成的神經網路模塊可供使用，比較有名的就是谷歌開源的tensorflow，可以快速構建神經網氏轎絡模型，並支持GPU計算，對於科研人員來說，是一個非常不錯的選擇，當然，除此之虛埋外，還有更高級的theano，keras等，使用也非常方便：

財經金融

對於想快速獲取股票財經數據的朋友來說，Python也有現成的模塊可供使用—tushare，一個免費、開源的財經數據介麵包，可以快速獲取國內股票數據，而且自動整合了數據爬取、清洗到加工的過程，使用起來非常不錯，對於金融分析人員來說，是一個非常不錯的工具：

爬蟲

Python非常適合做網頁爬蟲，像常見的urllib，bs4，requests，lxml等模塊，對於爬取大部分網頁來說非常容易，請求解析於一身，可以快速獲取到我們需要的數據，當然，為了提高開發效率，避免重復造輪子，Python也提供了一個非常受歡迎的爬蟲框架—scrapy，可定製性更高，用戶只需要添加少量代碼，便可快速啟動爬蟲：

游戲開發

對於游戲開發來差核螞說，Python也有一個專門的平台—pygame，專門用於游戲開發，對於開發小型游戲來說，這是一個非常不錯的選擇，擺脫了低級語言的束縛，代碼量更少也更易學習，對於游戲感興趣的朋友來說，這是一個非常不錯的選擇：

視頻下載

對於視頻下載來說，Python也有一個下載利器—you-get，可以免費快速的下載優酷、B站、美拍等網站視頻，不需要登錄，一鍵you-get就可以下載視頻到本地，還支持在線播放功能，除此之外，還可以下載圖片、音頻等文件，是一個非常實用的工具：

目前，就分享這8個方便吧，比較實用也比較有趣，當然，還有許多其他方面的，像Web開發、桌面GUI、測試、運維、樹莓派等，網上也有相關資料可供參考，感興趣的朋友可以自己搜一下，希望以上分享的內容能對你有所幫助吧

⑻ 好用的數據分析軟體有哪些

1、思邁特軟體Smartbi專注於商業智能(BI)、數據分析軟體產品與服務。

2、數據處理工具：Excel。數據分析師，在有些公司也會有數據產品經理、數據挖掘工程師等等。他們最初級最主要的工具就是Excel。有些公司也會涉及到像Visio，Xmind、PPT等設計圖標數據分析方面的高級技巧。

3、資料庫：MySQL。Excel如果能夠玩的很轉，能勝任一部分數據量不是很大的公司。但是基於Excel處理數據能力有限，如果想勝任中型的互聯談鎮網公司中數據分析崗位還是比較困難。因此需要學會資料庫技術，一般Mysql。

4、數據可視化：Tableau & 思邁特軟體。如果說前面2條是數據處理的技術，那麼在如今「顏值為王」的現在，如何將數據展現得更好看，讓別人更願意看，這也是一個技術活。含冊粗

5、大數據分析：SPSS & Python& HiveSQL 等。如果說Excel是「輕數據處理工具」，Mysql是「中型數據處理工具」那麼，大數據分析，涉及的面就非常廣泛，技術點涉及的也比較多。這也就是為什麼目前互聯網公司年薪百萬重金難求大數據分析師的原因。

數據分析軟體靠不靠譜，來試試Smartbi,思邁特軟體Smartbi經過多年持續自主研發，凝聚大量商業智能最佳實踐經驗，整合了各行業的數據分析和決策支持的功能需求。滿足最終用戶在企業級報表、數據可視化分析、自助探索分析、數據挖掘建模、AI智能分析等大數據分析需求。

思邁特軟體Smartbi個人用戶全功能模塊長姿賣期免費試用
馬上免費體驗:Smartbi一站式大數據分析平台

⑼ 數據分析軟體有哪些

1、Excel

為Excel微軟辦公套裝軟體的一個重要的組成部分，它可以進行各種數據的處理、統計分析和輔助決策操作，廣泛地應用於管理、統計財經、金融等眾多領域。

2、SAS

SAS由美國NORTH CAROLINA州立大學1966年開發的統計分析軟體。SAS把數據存取、管理、分析和展現有機地融為一體。SAS提供了從基本統計數的計算到各種試驗設計的方差分析，相關回歸分析以及多變數分析的多種統計分析過程，幾乎囊括了所有最新分析方法。

3、R

R擁有一套完整的數據處理、計算和制圖功能。可操縱數據的輸入和輸出，可實現分支、循環，用戶可自定義功能。

4、SPSS

SPSS除了數據錄入及部分命令程序等少數輸入工作需要鍵盤鍵入外，大多數操作可通過滑鼠拖曳、點擊“菜單”、“按鈕”和“對話框”來完成。

5、Tableau Software

Tableau Software用來快速分析、可視化並分享信息。Tableau Desktop 是基於斯坦福大學突破性技術的軟體應用程序。它可以以在幾分鍾內生成美觀的圖表、坐標圖、儀表盤與報告。