㈠ python用什麼軟體
對於學習Python的小夥伴，首推的Pycharm。
首先，PyCharm用於一般IDE具備的功能，比如， 調試、語法高亮、Project管理、代碼跳轉、智能提示、自動完成、單元測試、版本控制。
另外，PyCharm還提供了一些很好的功能用於Django開發，同時支持Google App Engine，
更酷的是，PyCharm支持IronPython。PyCharm是一種Python IDE，帶有一整套可以幫助用戶在使用Python語言開發時提高其效率的工具，比如調試、語法高亮、Project管理、代碼跳轉、智能提示、自動完成、單元測試、版本控制。此外，該IDE提供了一些高級功能，以用於支持Django框架下的專業Web開發。
其次是sublime text
Sublime Text 支持多種編程語言的語法高亮、擁有優秀的代碼自動完成功能，還擁有代碼片段(Snippet)的功能，可以將常用的代碼片段保存起來，在需要時隨時調用。支持 VIM 模式，可以使用Vim模式下的多數命令。支持宏，簡單地說就是把操作錄制下來或者自己編寫命令，然後播放剛才錄制的操作或者命令。
Sublime Text 還具有良好的擴展能力和完全開放的用戶自定義配置與神奇實用的編輯狀態恢復功能。支持強大的多行選擇和多行編輯。強大的快捷命令"可以實時搜索到相應的命令、選項、snippet 和 syntex， 按下回車就可以直接執行，減少了查找的麻煩。即時的文件切換。隨心所欲的跳轉到任意文件的任意位置。多重選擇功能允許在頁面中同時存在多個游標。
還有Jupyter, Jupyter Notebook(此前被稱為 IPython notebook)是一個互動式筆記本，支持運行 40 多種編程語言。
Jupyter Notebook 的本質是一個 Web 應用程序，便於創建和共享文學化程序文檔，支持實時代碼，數學方程，可視化和 markdown。 用途包括:數據清理和轉換，數值模擬，統計建模，機器學習等等 。數據挖掘領域中最熱門的比賽 Kaggle 里的資料都是Jupyter 格式 。
最後就是最基本的nopad++，最開始的時候是實用這款作為開發工具進行基礎練習。
Notepad++是一套自由軟體的純文本編輯器。該軟體以GPL發布，有完整的中文化介面及支持多國語言撰寫的功能(採用萬國碼UTF-8技術)。它的功能比Windows中的記事本(Notepad)強大，除了可以用來製作一般的純文字的幫助文檔，也十分適合用作撰寫電腦程序的編輯器。
建議在學習Python基礎的時候還是多使用Python自帶的IDLE。IDLE是開發python程序的基本IDE(集成開發環境)，具備基本的IDE的功能，是非商業Python開發的不錯的選擇。當安裝好python以後，IDLE就自動安裝好了，不需要另外去找。
㈡ python 時間序列模型中forecast和predict的區別
舉例說明，2017.01.01-.017.12.31的周期為12的月度數據中，用ARIMA擬合得到模型model。
model.get_prediction(start='2017.09.01'）則得到用擬合模型計算出來的樣本內2017.09.01-2017.12.31的預測值；
model.get_forcast(step=5)則得到樣本外推5期即2018.01.01-2018.05.31五個月的預測值；
註：
model.get_prediction也可做外推值的預測，設定好具體終止周期即可。
㈢ 怎樣用python數據建模
最近，我從孫子（指《孫子兵法》——譯者注）那裡學到了一些策略：速度和准備
「兵之情主速，乘人之不及，由不虞之道，攻其所不戒也。」（《孫子兵法•九地篇》）無備為戰之大患，有備無患，其乃至德也。（哈哈，譯者自己寫了這句，想必大家能明白。）
這與數據科學博客有什麼關系呢？這是你贏得競爭和編程馬拉松的關鍵。如果你比競爭對手准備得更充分，你學習、迭代執行的速度越快，那麼你就取得更好的名次，帶來更好的結果。
由於近幾年來，Python用戶數量上漲及其本身的簡潔性，使得這個工具包對數據科學世界的Python專家們變得有意義。本文將幫助你更快更好地建立第一個預測模型。絕大多數優秀的數據科學家和kagglers建立自己的第一個有效模型並快速提交。這不僅僅有助於他們領先於排行榜，而且提供了問題的基準解決方案。
預測模型的分解過程
我總是集中於投入有質量的時間在建模的初始階段，比如，假設生成、頭腦風暴、討論或理解可能的結果范圍。所有這些活動都有助於我解決問題，並最終讓我設計出更強大的商業解決方案。為什麼你要在前面花費這段時間，這有充分的理由：
你有足夠的時間投入並且你是無經驗的（這是有影響的）
你不帶有其它數據觀點或想法的偏見（我總是建議，在深入研究數據之前做假設生成）
在後面的階段，你會急於完成該項目而沒有能力投入有質量的時間了。
這個階段需要投入高質量時間，因此我沒有提及時間表，不過我建議你把它作為標準的做法。這有助於你建立建立更好地預測模型，在後面的階段的只需較少的迭代工作。讓我們來看看建立第一個模型的剩餘階段的時間表：
數據描述性分析——50%的時間
數據預處理（缺失值和異常值修復）——40%的時間
數據建模——4%的時間
性能預測——6%的時間
讓我們一步一步完成每個過程（每一步投入預測的時間）：
階段1：描述性分析/數據探索
在我剛開始成為數據科學家的時候，數據探索占據了我大量的時間。不過，隨著時間的推移，我已經把大量的數據操作自動化了。由於數據准備占據建立第一個模型工作量的50%，自動化的好處是顯而易見的。
這是我們的第一個基準模型，我們去掉任何特徵設計。因此，描述分析所需的時間僅限於了解缺失值和直接可見的大的特徵。在我的方法體系中，你將需要2分鍾來完成這一步（假設，100000個觀測數據集）。
我的第一個模型執行的操作：
確定ID，輸入特徵和目標特徵
確定分類和數值特徵
識別缺失值所在列
階段2：數據預處理（缺失值處理）
有許多方法可以解決這個問題。對於我們的第一個模型，我們將專注於智能和快速技術來建立第一個有效模型。
為缺失值創建假標志：有用，有時缺失值本身就攜帶了大量的信息。
用均值、中位數或其它簡單方法填補缺失值：均值和中位數填補都表現良好，大多數人喜歡用均值填補但是在有偏分布的情況下我建議使用中位數。其它智能的方法與均值和中位數填補類似，使用其它相關特徵填補或建立模型。比如，在Titanic生存挑戰中，你可以使用乘客名字的稱呼，比如：「Mr.」, 「Miss.」,」Mrs.」,」Master」，來填補年齡的缺失值，這對模型性能有很好的影響。
填補缺失的分類變數：創建一個新的等級來填補分類變數，讓所有的缺失值編碼為一個單一值比如，「New_Cat」，或者，你可以看看頻率組合，使用高頻率的分類變數來填補缺失值。
由於數據處理方法如此簡單，你可以只需要3到4分鍾來處理數據。
階段3：數據建模
根據不同的業務問題，我推薦使用GBM或RandomForest技術的任意一種。這兩個技術可以極其有效地創建基準解決方案。我已經看到數據科學家通常把這兩個方法作為他們的第一個模型同時也作為最後一個模型。這最多用去4到5分鍾。
㈣ Python如何運用matplotlib庫繪制3D圖形
3D圖形在數據分析、數據建模、圖形和圖像處理等領域中都有著廣泛的應用，下面將給大家介紹一下如何在Python中使用 matplotlib進行3D圖形的繪制，包括3D散點、3D表面、3D輪廓、3D直線（曲線）以及3D文字等的繪制。
准備工作：
python中繪制3D圖形，依舊使用常用的繪圖模塊matplotlib，但需要安裝mpl_toolkits工具包，安裝方法如下：windows命令行進入到python安裝目錄下的Scripts文件夾下，執行： pip install --upgrade matplotlib即可；Linux環境下直接執行該命令。
安裝好這個模塊後，即可調用mpl_tookits下的mplot3d類進行3D圖形的繪制。
下面以實例進行說明。
1、3D表面形狀的繪制
這段代碼是繪制一個3D的橢球表面，結果如下：
2、3D直線（曲線）的繪制
這段代碼用於繪制一個螺旋狀3D曲線，結果如下：
3、繪制3D輪廓
繪制結果如下：
相關推薦：《Python視頻教程》
4、繪制3D直方圖
繪制結果如下：
5、繪制3D網狀線
繪制結果如下：
6、繪制3D三角面片圖
繪制結果如下：
7、繪制3D散點圖
繪制結果如下：
㈤ 想用python建模，哪些包比較好用
1、 軟體推薦：python
常用的量化軟體有python、matlab、java、C++。從開發難度而言python和matlab都比較容易，java和C++麻煩一些。從運行速度而言，C++、java要快於matlab和python。不過對於大部分人而言，尤其是初學者，開發佔用的時間遠大於運行時間。如果追求運行速度的話，先將策略開發出來，再用C重寫也不遲。另外，從量化資源而言，python資源多於matlab，而且matlab是商業軟體，python是免費的。因此我推薦大家用python。
使用python的話，最好下載一個anaconda。這個軟體將常用的庫都集成好了，免去自己安裝的煩惱。下載地址：Download Anaconda Now!
python教程推薦這個網站：Table of Contents，只需要看第一部分就可以了。該教程不僅介紹了python,而且介紹了numpy,scipy,pandas,matplotlib等科學計算庫。
2、 數據源推薦：tushare
Tushare支持的數據很全面，相比wind個人版量化介面，tushare更友好。因此推薦tushare。下載地址：TuShare -財經數據介麵包
3、 量化框架：推薦使用量化平台
量化平台可以看成是一個已經搭建好的框架。用戶只需添加一些自己的買賣條件，即可回測策略，免去了自己從無到有搭建基礎框架的過程。
這里推薦一下咱們的京東平台。首先京東的數據和撮合機制還是很專業的，比如交易考慮到了漲停不能買、跌停不能賣的問題，另外京東在回測速度方面目前也具有優勢。
以上是做量化的一些基礎工具。另外根據策略類型的不同，也會用到一些其他工具。
㈥ python能做什麼有趣的東西
python能做什麼有趣的東西？下面給大家介紹35個Python實例：
1. Python3 實現圖片識別
2. Python3 圖片隱寫術
3. 200 行 Python 代碼實現 2048
4. Python實現3D建模工具
5. 使用 Python 定製詞雲
相關推薦：《Python教程》
6. Python3 智能裁切圖片
7.微信變為聊天機器人
8. 使用 Python 解數學方程
9. 使用 Python 創建照片馬賽克
10. Python 基於共現提取《釜山行》人物關系
11. Python 氣象數據分析：《Python 數據分析實戰》
12. NBA常規賽結果預測：利用Python進行比賽數據分析
13. Python 的循環語句和隱含波動率的計算
14. K-近鄰演算法實現手寫數字識別系統
15. 數獨游戲的 Python 實現與破解
16. 基於 Flask 與 MySQL 實現番劇推薦系
17. Python 實現英文新聞摘要自動提取
18. Python 解決哲學家就餐問題
19. Ebay 在線拍賣數據分析
20. 神經網路實現人臉識別任務
21. 使用 Python 解數學方程
22. Python3 實現火車票查詢工具
23. Python 實現埠掃描器
24. Python3 實現可控制肉雞的反向Shell
25. Python 實現 FTP 弱口令掃描器
26. 基於PyQt5 實現地圖中定位相片拍攝位置
27. Python實現網站模擬登陸
28.Python實現簡易區域網視頻聊天工具
29. 基於 TCP 的 python 聊天程序
30. Python3基於Scapy實現DDos
31. 高德API + Python 解決租房問題
32. 基於 Flask 與 RethinkDB 實現TODO List
33. Python3 實現簡單的 Web 伺服器
34. Python 實現 Redis 非同步客戶端
35. 仿 StackOverflow 開發在線問答系統
㈦ 怎麼用Python數學建模
數學建模的重點是數學，不是計算機或編程語言，重點是要有強大的數學功底，及對欲建模問題的深刻理解和分析，計算機只是一個輔助工具。當你在數學層面對要建模問題分析清楚了，然後用計算機編程語言去把它表達出來即可。
選python 做這事還是不錯的。python 是開源的，開源的東西生機勃勃，眾人拾柴火焰高，全世界的編程高手都在為 python 增磚添瓦，目前官方(pypi.org)顯示有10多萬個第3方庫，而且貌似每天以數百個新庫的速度在增加，如此龐大的第3方庫，幾乎涉及各行各業各領域，你想做點什麼事情，隨便找找一般總有適合你的基礎庫別人已經做好了，你直接拿來用事半功倍。python 的龐大生態庫，大概只有 java 可與之一拼了，其它沒有哪種語言有這么龐大的庫。python 在 tiobe 琅琊榜上穩步上升，目前已超越 C++排第3了。
你要做數學建模，以下這些基礎庫或許會用到：
numpy, pandas, scipy, matplotlib , sympy .....
更多的你自己去了解一下。
㈧ 數學建模python可以替代matlab么
python完全可以實現matlab矩陣運算的基本功能。
科學計算常用的包有這幾個：
numpy：包含一些矩陣的運算
matplotlib：繪制各種各樣的圖標
scipy：擬合、傅里葉變換、處理音頻文件各種各樣不同的功能
pandas：處理表格式的數據
你最好能夠了解這些包一些常用的函數
㈨ 如何用python把ARMA模型和GARCH模型結合起來
這個statsmodel的工具包我也在用，ARMA的p,q參數好像只能通過ACF\PACF圖觀察獲得，GARCH主要是估計方差，你可以通過ARMA先預測收益序列，然後通過GARCH(1，1)用最大似然估計出GARCH的三個參數，最後就可以進行預測。
㈩ 如何使用Python迭代工具模型
這個getSequenceFromMask(...)沒有什麼用。 這里的『#1』是abaqus cae內部的一種編號。不便記憶，而且在你添加feature改變geometry的時候，邊的編號可能會改變。 建議你用findAt函數，按照空間坐標找邊。 這樣更有邏輯性。