今天,一种新语言正在超越法语,成为小学教授的最流行的语言。它的名字是Python。 Python是一种计算机程序设计语言。你可能已经听说过很多种流行的编程语言,比如非常难学的C语言,非常流行的Java语言,适合网页编程的JavaScript语言等等,Python就是其中一种。Python的优势,一是容易上手,二是完成同一个工作,编写的代码量小。比如,完成同一个任务,C语言要写1000行代码,Java只需要写100行,而Python可能只要20行。
|
使用Python的一个主要优点是易于将不同系统与数据馈送和数据库互连,处理数据以及将结果输出到用户和交易应用程序中。Python的LOGO
笔者第一次使用Python的经历是在2012年,当时我担任前台量化策略师的美国银行美林公司介绍了用Python开发的Quartz系统。Quartz应该是银行范围内共享数据和交易风险的解决方案。原因在于,所有交易账簿(传统上由地理位置和资产类别区分)的头寸和风险的集中和汇总不足是大型投资银行在2008年金融危机期间和之后共同面临的主要弱点之一。因此,基于Quartz和Python的分析被认为是连接分析,数据中心和开发团队不同部分的桥梁。对于雇用数百名开发人员和用户的大型组织来说,这是一项艰巨的任务!
Python已经被主要金融机构广泛应用,用于开发连接分析的不同部分的工具,并增加公司内部的协作。随着时间的推移,除了使用Python作为粘合语言之外,人们还开始在Python中进行更多的核心开发。
借助丰富的Python生态系统和大量用于数据分析和可视化的库,利用Python语言的新开发得到了充分利用。Python变得越来越受欢迎,因为:
Python增强了不同团队之间的沟通。
Python提供了一个高级生态系统,包含用于数值和统计分析,数据处理和可视化的包。
Python易于学习,应用灵活,使用Python语言编程实际上很有趣。作为一个在C ++和Matlab中进行多年定量建模的人,我完全支持这种观点。
Python如何在其他语言中工作以进行数据分析?
由于数据分析目前是所有行业(包括财务和投资管理)的关键驱动因素之一,因此选择合适的开发生态系统可能会对业务发展和成功产生至关重要的影响。
目前,这三种开发工具被广泛应用于数据分析。
Python以及用于表格数据结构的pandas和用于数据分析的多个包(用于统计分析的statsmodel,用于数据可视化的matplotlib,用于机器学习的scikit-learn等)。优点是Python提供了一个免费的开源解决方案,具有丰富的数据获取,处理和可视化资源。Python可以轻松部署在PC或服务器上,以制作可扩展的公司范围的解决方案。
传统上,Matlab已广泛应用于学术和研究实验室,但它为商业公司带来了沉重的成本。Matlab有许多用于数据处理,分析和可视化的软件包,但每个软件包都有单独的价格。就个人而言,我已经使用了Matlab以及面向对象编程的功能。虽然我重视Matlab的一些功能,但Matlab的主要缺点是,除了许可成本之外,基于Matlab的分析的部署是有问题的并且需要单独的费用。Matlab应用程序可以在服务器上编译和部署,但部署过程看起来很复杂,没有很好的文档记录,如果需要外部咨询,可能会很昂贵。在我看来,
R及其多个包用于统计数据分析。虽然R是免费的,并且有许多软件包可以进行各种统计分析,但在整个公司范围内部署R可能效率不高。在我看来,R语言仅适用于开发统计分析的独立工具。实际上,Jupiter Lab允许在Python生态系统中应用R功能。
鉴于Python优于Matlab的优势,大多数公司现在都会使用Python从头开始任何新的开发。我们清楚地看到Python对所有其他主要编程语言的增长趋势。或许很快,Python将超越所有其他语言。
(来源:百度 百家)