❶ 金融需要学python爬虫还是数据分析
答案是都要学
需要使用python爬虫抓取数据再进行数据分析
一般培训数据分析都会教授爬虫的运用的
希望可以帮到你
❷ 如何用Python做金融数据分析
所说所有的变量都是对象。 对象在python里,其实是一个指针,指向一个数据结构,数据结构里有属性,有方法。
❸ python金融大数据分析 怎么样
你是想说书还是什么
书的话，没有一点数学和python基础不太好学
❹ 在哪儿买Python金融大数据分析
2012年的时候我们说R是学术界的主流，但是现在Python正在慢慢取代R在学术界的地位。不知道是不是因为大数据时代的到来。
Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。所以有人说：Python=R+SQL/Hive，并不是没有道理的。
Python的一个最明显的优势在于其胶水语言的特性，很多书里也都会提到这一点，一些底层用C写的算法封装在Python包里后性能非常高效
(Python的数据挖掘包Orange canve
中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。但是，凡事都不绝对，如果R矢量化编程做得好的话（有点小难度），会
使R的速度和程序的长度都有显著性提升。
R的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面，无论是经典还是前沿的方法都有相应的包直接使用。
相比之下，Python之前在这方面贫乏不少。但是，现在Python有了
pandas。pandas提供了一组标准的时间序列处理工具和数据算法。因此，你可以高效处理非常大的时间序列，轻松地进行切片/切块、聚合、对定期
/不定期的时间序列进行重采样等。可能你已经猜到了，这些工具中大部分都对金融和经济数据尤为有用，但你当然也可以用它们来分析服务器日志数据。于是，近
年来，由于Python有不断改良的库（主要是pandas），使其成为数据处理任务的一大替代方案。
做过几个实验：
1. 用python实现了一个统计方法，其中用到了ctypes，multiprocess。
之后一个项目要做方法比较，又用回R，发现一些bioconctor上的包已经默认用parallel了。（但那个包还是很慢，一下子把所有线程都用掉了，导致整个电脑使用不能，看网页非常卡~）
2. 用python pandas做了一些数据整理工作，类似数据库，两三个表来回查、匹配。感觉还是很方便的。虽然这些工作R也能做，但估计会慢点，毕竟几十万行的条目了。
3. 用python matplotlib画图。pyplot作图的方式和R差异很大，R是一条命令画点东
西，pylot是准备好了以后一起出来。pyplot的颜色选择有点尴尬，默认颜色比较少，之后可用html的颜色，但是名字太长了~。pyplot
的legend比R 好用多了，算是半自动化了。pyplot画出来后可以自由拉升缩放，然后再保存为图片，这点比R好用。
总的来说Python是一套比较平衡的语言，各方面都可以，无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处
理，Python都有着明显优势。
而R是在统计方面比较突出。但是数据分析其实不仅仅是统计，前期的数据收集，数据处理，数据抽样，数据聚类，以及比较复杂的数据挖掘算法，数据建模等等
这些任务，只要是100M以上的数据，R都很难胜任，但是Python却基本胜任。
结合其在通用编程方面的强大实力，我们完全可以只使用Python这一种语言去构建以数据为中心的应用程序。
但世上本没有最好的软件或程序，也鲜有人能把单一语言挖掘运用到极致。尤其是很多人早先学了R，现在完全不用又舍不得，所以对于想要学以致用的人来说，如果能把R和Python相结合，就更好不过了，很早看过一篇文章——让R与Python共舞，咱们坛子里有原帖，就不多说了，看完会有更多启发。
❺ 金融数据分析用python还是R还是matlab好
以前有过类似的问题 可以参考下：
http://www.xkyn.com/jiankang/tixing-2076112720581378468.htm
❻ python金融大数据分析 百度云盘pdf
基础入门到精通学习教程永久 免费无 解压码
❼ 用金融数据可以做什么分析 python
从面向对象OO的概念来讲，对象是类的一个实例。在python里很简单，对象就是变量。 class A: myname="class a" 上面就是一个类。不是对象 a=A() 这里变量a就是一个对象。
它有一个属性（类属性），myname，你可以显示出来 print a.myname 所以，你看到一个变量后面跟点一个小数点。
❽ matlab和python哪个更适合金融领域的数据分析
现在分析全线转R/python，未来有可能上Julia。
别问为什么不用matlab了。R/python组合好处在于开源，数据workflow相当容易搭建起来，另外背靠学术界，有相当多的新统计工具可以试。说R速度慢根本不是问题，机器好一点就行了。超大型的数据甚至可以跑R/hadoop。
MATLAB的完全就不能比。
————————————
另外说在“工程上MATLAB有而R/python没有”我觉得是十分奇怪的。就比如，目前新工具而言比如deep learning来说。python上有Theano/pylearn2/对接caffe，MATLAB的deep learning我目前只知道一个Toolbox。旧的工具R/python上也不缺。
另外我看有答案把MATLAB能直接发送交易信号作为MATLAB卖点。我觉得贵司策略和交易是不是定位不太清晰。为了保证可靠的性能和策略管理的便利性，我想除了个人投资者没有人会选择开着MATLAB下单。
❾ 如何快速上手使用Python进行金融数据分析
所说所有的变量都是对象。 对象在python里，其实是一个指针，指向一个数据结构，数据结构里有属性，有方法。
从面向对象OO的概念来讲，对象是类的一个实例。在python里很简单，对象就是变量。
class A: myname="class a" 上面就是一个类。不是对象 a=A() 这里变量a就是一个对象。
它有一个属性（类属性），myname，你可以显示出来 print a.myname 所以，你看到一个变量后面跟点一个小数点。
❿ 零基础学Python，金融专业 ，主要实现收集数据，计量或统计分析数据，知道君们有没有好的书籍或教
只要统计数学学得好，Py不是问题，py就跟自然语言一样易用。先从基础开始，理解py的元组，列表，字典等数据结构和流程控制，逻辑比较，再到函数编写，使用模块及封装，文本处理，读写文件，类及方法，多线程技术等，这到这里就算已经入门了，然后慢慢写代码吧，用前面的学习的成果来爬取数据，数据清洗，数据分析，这就已经算是精通了。