涕零
『壹』 《python金融大数据挖掘与分析全流程详解》电子书有没有给个下载链接
我就收藏的有，网络网盘
，提取码：clmt
大概50M。
『贰』 求python数据分析参考书推荐。
《利用Python进行数据分析》《Python金融大数据分析》《深入浅出数据分析》《从零开始学习Python—数据分析与挖掘》《Python数据分析与挖掘实战》
『叁』 希望介绍个学Python的好网站或者下载资源，或者书本。采纳后追加~！谢谢分享
网络云课堂http://study.163.com/，里面有很多不光是python的学习。比如你找到这个地版址中就有python的模块。权http://study.163.com/find.htm#/find/courselist?ct=31001&ct2=31013
『肆』 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
『伍』 python金融大数据分析 这本书有源代码吗
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。内不知道是不是因为大数据时代容的到来。 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
『陆』 求Python数据分析的书籍！
《利用Python进行数据分析》《Python金融大数据分析》《深入浅出数据分析》《从零开始学习Python—数据分析与挖掘》《Python数据分析与挖掘实战》
『柒』 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
『捌』 《Python金融大数据分析》pdf下载在线阅读全文，求百度网盘云资源
《Python金融大数据分析》（[德] 伊夫·希尔皮斯科）电子书网盘下载免费在线阅读
链接：
提取码：JWMJ
书名：Python金融大数据分析
豆瓣评分：7.7
作者:[德] 伊夫·希尔皮斯科
出版社:人民邮电出版社
出版年:2015-12
页数:511
内容简介：
Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的首选编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。
作者简介：
Yves Hilpsch是Python Quants（德国）股份有限公司的创始人和任事股东，也是Python Quants（纽约）有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件（参见http://pythonquants.com，http://quant-platfrom.com和http://dx-analytics.com），以及和Python及金融相关的咨询、开发和培训服务。
『玖』 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。