股票数据分析编程语言

‘壹’ 数据分析用r还是python

R和Python两者谁更适合数据分析领域？在某些特定情况下谁会更有优势？还是一个天生在各方面都比另一个更好？

当我们想要选择一种编程语言进行数据分析时，相信大多数人都会想到R和Python——但是从这两个非常强大、灵活的数据分析语言中二选一是非常困难的。

我承认我还没能从这两个数据科学家喜爱的语言中选出更好的那一个。因此，为了使事情变得有趣，本文将介绍一些关于这两种语言的详细信息，并将决策权留给读者。值得一提的是，有多种途径可以了解这两种语言各自的优缺点。然而在我看来，这两种语言之间其实有很强的关联。

Stack Overflow趋势对比

上图显示了自从2008年(Stack Overflow 成立)以来，这两种语言随着时间的推移而发生的变化。

R和Python在数据科学领域展开激烈竞争，我们来看看他们各自的平台份额，并将2016与2017年进行比较：

相关推荐：《Python入门教程》

接下来我们将从适用场景、数据处理能力、任务、安装难度以及开放工具等方面详细了解这两种语言。

适用场景

R适用于数据分析任务需要独立计算或单个服务器的应用场景。Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。

任务

在进行探索性统计分析时，R胜出。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。

数据处理能力

有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。

Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。

开发环境

对于R语言，需要使用R Studio。对于Python，有很多Python IDE可供选择，其中Spyder和IPython Notebook是最受欢迎的。

热门软件包和库

下面罗列了R和Python推出的针对专业以及非专业程序员的最热门的软件包和库。

R：针对专业程序员的热门软件包

用于数据操作的 dplyr、plyr和 data table

用于字符串操作的 stringr

定期和不定期时间序列 zoo

数据可视化工具 ggvis、lattice 和 ggplot2

用于机器学习的 caret

R：针对非专业程序员的热门软件包

Rattle

R Commander

Decer

这些完整的GUI包可以实现强大的数据统计和建模功能。

Python：针对专业程序员的热门库

用于数据分析的 pandas

用于科学计算的 SciPy 和 NumPy

用于机器学习的 scikit-learn

图表库 matplotlib

statsmodels 用来探索数据，估算统计模型，并执行统计测试和单元测试

Python：针对非专业程序员的热门库

Orange Canvas 3.0是遵循GPL协议的开源软件包。它使用一些常用的Python开源库进行科学计算，包括numpy、scipy和scikit-learn。

R 和 Python 详细对比

正如本文开头提到的，R和Python之间有很强的关联，并且这两种语言日益普及。很难说哪一种更好，它们两者的整合在数据科学界激起了许多积极和协作的波澜。

总结

事实上，日常用户和数据科学家可以同时利用这两者语言，因为R用户可以在R中通过 rPython包来运行R中的Python代码，而Python用户可以通过RPy2库在Python环境中运行R代码。

‘贰’ 数据分析需要用到编程吗

对于数据分析师来说，如果想在数据分析的道路上走的更远，编程是一定要掌握的，其实编程语言本身并不是数据分析环节中的难点，比如学习Python还是一个比较轻松的过程。

应用级数据分析师通常需要掌握各种数据分析工具，把业务模型映射到数据分析工具上，从而得到数据分析的结果。数据分析工具比较多，比如Excel就是一个传统的数据分析工具，另外还有Minitab、LINGO、JMP等，要想全面掌握这些工具的使用需要具备一定的数学基础和统计学基础。通常做BI的数据分析师还需要进一步掌握数据库的基础知识，但是难度往往并不大。

研发级数据分析师就需要掌握编程知识了，在数据分析领域R、Python、C、MATLAB等语言都有广泛的应用，目前通过Python等语言来完成数据分析也是一个比较常见的做法。其实MATLAB也是一个在数据分析领域占据重要位置的软件(语言)，MATLAB功能非常强大。

在大数据时代，通过机器学习的方式实现数据分析是一个比较常见的方式，而Python语言则是一个比较常见的选择，一方面Python语言简单易学，另一方面Python语言具备丰富的库支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比较常见的库，这些库的使用会极大的降低算法实现的难度。

‘叁’ 股票软件怎么开发股票软件开发需要注意哪些

股票软件开发开发过程包括以下五个阶段：
一、股票软件开发定制分析
然后把它用软件工程开发语言（形式功能规约，软件需求分析就是回答做什么的问题。一个对用户的需求进行去粗取精、去伪存真、正确理解。即需求规格说明书）表达进去的过程。本阶段的基本任务是和用户一起确定要解决的问题，建立软件的逻辑模型，编写需求规格说明书文档并最终得到用户的认可。需求分析的主要方法有结构化分析方法、数据流程图和数据字典等方法。本阶段的工作是根据需求说明书的要求，设计建立相应的软件系统的体系结构，并将整个系统分解成若干个子系统或模块，定义子系统或模块间的接口关系，对各子系统进行具体设计定义，编写软件概要设计和详细设计说明书，数据库或数据结构设计说明书，组装测试计划。
二、股票软件开发设计
也可以是可组合、可分解和可更换的功能单元。模块，股票软件设计可以分为概要设计和详细设计两个阶段。实际上软件设计的主要任务就是将软件分解成模块是指能实现某个功能的数据和程序说明、可执行程序的顺序单元。可以是一个函数、过程、子程序、一段带有顺序说明的独立的顺序和数据。然后进行模块设计。概要设计就是结构设计，其主要目标就是给出软件的模块结构，用软件结构图表示。详细设计的首要任务就是设计模块的顺序流程、算法和数据结构，主要任务就是设计数据库，常用方法还是结构化顺序设计方法。
三、股票软件开发定制编码
即写成以某一顺序设计语言表示的"源程序清单"充沛了解软件开发语言、工具的特性和编程风格，软件编码是指把软件设计转换成计算机可以接受的顺序。有助于开发工具的选择以及保证软件产品的开发质量。
四、股票软件开发测试
关键在于理解测试方法。不同的测试方法有不同的测试用例设计方法。两种常用的测试方法是白盒法测试对象是源程序，股票软件测试的目的以较小的代价发现尽可能多的错误。要实现这个目标的关键在于设计一套出色的测试用例（测试数据和预期的输出结果组成了测试用例）如何才干设计出一套出色的测试用例。依据的顺序内部的逻辑结构来发现软件的编程错误、结构错误和数据错误。结构错误包括逻辑、数据流、初始化等错误。用例设计的关键是以较少的用例覆盖尽可能多的内部顺序逻辑结果。白盒法和黑盒法依据的软件的功能或软件行为描述，发现软件的接口、功能和结构错误。其中接口错误包括内部/外部接口、资源管理、集成化以及系统错误。
五、股票软件开发与维护
对软件产品所进行的一些软件工程的活动。即根据软件运行的情况，维护是指在已完成对软件的研制（分析、设计、编码和测试）工作并交付使用以后。对软件进行适当修改，以适应新的要求，以及纠正运行中发现的错误。编写软件问题演讲、软件修改演讲。

‘肆’ 股票软件的公式里,用的一般是什么语言

那不算是语言，只是个代号而已，就好比收盘价用C或CLOSE来代替，C或CLOSE也就是公式中的函数

‘伍’ 数据分析师应该学习哪些语言

1、R语言：免费、开源;专门为统计和数据分析而开发，基础安装也包含全面的统计功能和函数;数据可视化功能强大。

2、Python语言：是一门主流编程语言，有着广泛的在线支持;有诸如谷歌 Tensor flow 这样优秀的 package，使得机器学习框架都偏向于采用Python语言;易于学习，入门容易。

3、SQL语言：SQL 是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统，是最重要的关系数据库操作语言。

4、Java语言：Java 是静态面向对象编程语言的代表，具有面向对象、分布式、平台独立与可移植性、多线程、动态性等特点，目前由甲骨文公司提供技术支持。

5、Scala语言：一门多范式的编程语言，类似 Java，于 2004 年问世，设计初衷是实现可伸缩的语言，并集成面向对象编程和函数式编程的各种特性。

6、Julia语言：是一款刚出现没几年的面向科学计算的高性能动态高级程序设计语言。

‘陆’ 在大数据分析/挖掘领域，哪些编程语言应用最多

在大数据分析/挖掘领域，编程语言目前应用最多的应该是Python。Python并不简单，除了数据分析及挖掘，Python还被广泛运用到数据爬取、产品开发等领域。

3、相对大体量的处理能力

Python相对于Excel有着非常庞大的数据处理能力，Excel由于自身限制，只能处理105万行的数据，而另外风头很盛的R，数据量级上也逊色于Python。

‘柒’ 自学3年Python的我成了数据分析师，总结成一张思维导图

大家好，我是一名普通毕业生，现就职于某互联网公司。之前很多同学问我“ 为什么自学3年Python，最后却成为了数据分析师 ？”

首先肯定是数据分析师的前景和薪资条件，打动了我

下面是我的学习之路，附带一些必备学习的资料，可以 免费领取 ，相信感兴趣的你看完也可以找到自己的方向。

众所周知：Python是当今最火的编程语言之一，各大招聘网站上都会要求求职者会这门语言，并且它很容易上手，业务面宽泛，像Web网页工程师、网络爬虫工程师、自动化运维、自动化测试、 游戏 开发、数据分析、AI等等。

我们首先明确一个大的方向，知道自己以后要做什么。因为我是统计学专业，所以我会选择从事数据分析行业，那么 用Python做数据分析成了一个最佳选择 。

要想使用Python做数据分析，首先就应该知道“ 数据分析的流程是怎样的？ ”

我这次特地总结了一张 思维导图 给大家，点击放大看更清楚哦。

（点击查看高清大图）

基于此，我这里将我以前学习过程中用过的电子书（技能类、统计类、业务类），还有相关视频免费分享给大家，省去了你们挑选视频的时间，也希望能够对你们的学习有所帮助。

PS：我总结的资料有点多哦，差不多有4G，大家一定要给你的网络云盘空出位置来哦！

如果遇到一些环境配置，还有一些错误异常等bug，资料就显得不太够用，这时就需要找到老师，给我们特别讲解。

或者是想 快速学习 数据分析领域知识，不妨先找一找 直播课 看看， 了解当下最贴合实际的学习思路，确定自己的方向。

Day1 20:00&量化交易入门：

用Python做股票指标分析和买卖时机选择

场景工具：Python工具分解RSI指标流程处理: 业务场景分析建模和可视化学习成果：使用RSI指标模型做买卖点搜索、交易回溯实战案例：分析A股数据模型，制定投资策略

Day2 20:00&职场晋升必备：

制作酷炫报表，4步带你学习数据可视化

场景工具：用Tableau学习如何管理数据流程处理: 利用业务拆解找到数据指标、进行数据可视化学习成果：高效的对数据驱动型业务作出精准决策实战案例：利用可视化工具构建 旅游 客流量趋势地图

Day3 20:00&量化交易进阶：

0基础用Python搭建量化分析平台

场景工具：利用pandas工具分解KDJ指标构成流程处理: 交易数据爬取，业务场景分析建模和可视化分析结果：用KDJ指标模型对比特币行情买卖点搜索&交易回溯实战项目：掌握根据数据指数和分析工具寻找虚拟货币买卖原理

他们 每周都会定期分享 一些 干货 供大家学习参考，对学习很有帮助。

（深度学习DeepLearning.ai实验室认证）

（微软/甲骨文/Cloudera等公司颁发的数据分析证书）

4步学会数据可视化，办公效率提高三倍

（更多精彩内容 等你解锁）

‘捌’ 用Python 进行股票分析 有什么好的入门书籍或者课程吗

个人觉得这问题问的不太对，说句不好的话，你是来搞编程的还是做股票的。

当然，如果题主只是用来搜集资料，看数据的话那还是可以操作一波的，至于python要怎么入门，个人下面会推荐一些入门级的书籍，通过这些书籍，相信楼主今后会有一个清晰的了解（我们以一个完全不会编程的的新手来看待）。

《Learn Python The Hard Way》，也就是我们所说的笨办法学python，这绝对是新手入门的第一选择，里面话题简练，是一本以练习为导向的教材。有浅入深，而且易懂。

其它的像什么，《Python源码剖析》，《集体智慧编程》，《Python核心编程（第二版）》等题主都可以适当的选择参读下，相信都会对题主有所帮助。

最后，还是要重复上面的话题，炒股不是工程学科，它有太多的变数，对于现在的智能编程来说，它还没有办法及时的反映那些变数，所以，只能当做一种参考，千万不可过渡依赖。

结语：pyhton相对来说是一种比较高端的学科，需要有很强的逻辑能力。所以入门是非常困难的，如果真的要学习，是需要很大的毅力去坚持下去的，而且不短时间就能入门了，要有所心理准备。

‘玖’ 股票软件编程问题

这个嘛，的确有些异想天开，但只要你努力，编个软件是做的到的。

第一步，您可以尝试在一些免费软件上写指标，很多软件都提供公式编辑功能，这些公式编辑器就是一种简化的计算机语言，如果您对股市的想法不复杂，使用别人的软件做平台，自己加些东西，可能是上手最快的办法。

如果您期望获得的是独立完整的产品，就需要找数据源了。如果您计算机水平足够高，任何一款免费软件的数据都能够导出来。如果您做不到这一点，可以找个免费的数据接口。这些数据接口在许多软件论坛上有提供，至于怎样使用这些接口，您需要找接口的提供者咨询。免费数据接口是网上的一些编程高手提供的，有些收费，有些免费。即使收费，费用也不高。

找到数据后，就可以写自己的软件了。通过各软件商的摸索，股票软件几乎唯一的选择是C语言。早前人们尝试过几乎所有当前流行的计算机语言写股票软件，但目前大品牌的正版付费软件几乎都是C语言写的，其他语言在处理数据流上效率太低，以至于不能商品化。

当您的软件已经可以向市场推广时，就需要购买正式的数据源了。来自交易所的数据有两个版本：Level-1和Level-2，Level-1每年约80万，Level-2是买不到的，后者属于特许经营，您需要是注册资本1000万以上的公司，通过向交易所特别申请才能获得。运营Level-2数据的投资额大约是3000万/年，包括研发、市场和数据传输平台。

如果您的软件创新度有限，您的商业机会不多。如果您有自己的创造，那您就有机会了。在这个市场上，获得每年3000万的营业额不困难。

如果您试图获得每年上亿的营业额并在创业板上市，您需要找到不低于4000万的风险投资，并且组建一个不小于150人的团队。

祝您成功吧，有志者事竟成。

‘拾’ 我要做程序化交易编程, 国内那些股票/期货软件支持C或者C++行情分析编程接口

你自己私自是不能获取行情数据的，证券行的股票交易软件是通过自己公司的服务器来获取证券交易所的行情信息的