學習經(jīng)濟學需要熟悉哪些編程語言？
武安ssl適用于網(wǎng)站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應用場景，ssl證書未來市場廣闊！成為成都創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！
1)壇友arthur_2006
處理和分析數(shù)據(jù)都用得到，最基本的是excel，如果你的VBA用得好的話會有很大的幫助，如果你要分析數(shù)據(jù)的話，比如你要建模那么SAS還是不錯的，不過比較難掌握如果你沒有語言方面的基礎，其他還有很多軟件也能做得到。很多銀行證券期貨企業(yè)都使用的是oracle或者DB2,一些小企業(yè)可能使用的是SQL, 所以如果想在這方面發(fā)展就要掌握數(shù)據(jù)庫的知識，畢竟金融和計算機兼?zhèn)涞娜瞬胚€是稀缺的，而且國內(nèi)很多行業(yè)都是用的是這幾大數(shù)據(jù)庫比如電信醫(yī)療航空等等，不會分析金融數(shù)據(jù)恐怕稱不上什么金融專家吧，至于你分析得準還是不準那就要看你的金融知識掌握的程度啦，尤其是投資專業(yè)的學生學習一些這方面的知識是必要的，很多人是應用金融學專業(yè)的偏向于財務，那就去考考CFA,ACCA什么的，也沒必要在這上面花費太多精力而且工作中很可能用不到的，金融數(shù)學金融工程精算專業(yè)的同學花點時間研究一下還是很有必要的，總而言之一句話，首先要看你的興趣再就是你的專業(yè)和發(fā)展方向。
2)編程愛好者任坤
做統(tǒng)計和計量的話，想要跟當今的國際學術界接軌，最好學R，至少我所知道的目前美國的統(tǒng)計學術界被R占領的趨勢很明顯了。
如果只是做簡單地回歸隨便解讀一下，那隨便選個傻瓜軟件就可以了。如果只是應用現(xiàn)成的成熟的計量模型來做實證研究，那么傻瓜軟件一般也就可以了。如果要以統(tǒng)計、計量為研究領域或者專業(yè)領域，那么編程性的東西是少不了的，即使是做實證如果涉及較為復雜的數(shù)據(jù)結構，懂編程也能幫你大幅提高生產(chǎn)力。另外，R的社區(qū)比較活躍，能夠較好地跟上前沿。
如果涉及到處理較大的數(shù)據(jù)，一種辦法是用SAS，如果不想用SAS可以學數(shù)據(jù)庫方面的東西，比如把數(shù)據(jù)放在SQLite數(shù)據(jù)庫中然后用{RSQLite}訪問數(shù)據(jù)庫，或者用{sqldf}通過SQL操作環(huán)境中的data frame。
如果覺得執(zhí)行某項任務R單核速度慢，那么可以使用{parallel}或者{parallelMap}做并行計算，也可以利用云計算來處理數(shù)據(jù)。
如果涉及到其他社區(qū)的東西在R社區(qū)中沒有實現(xiàn)，例如Java的東西，可以用{rJava}來調用Java的對象，不過速度有些慢。
比較好的辦法是我在想從事數(shù)據(jù)分析工作，學什么軟件或語言最好？ 提到的F#函數(shù)式編程語言，用RProvider可以直接調用R，用JavaProvider直接調用Jar打包的Java程序，用PythonProvider（即將發(fā)布）直接調用Python程序，等等，很容易將各大社區(qū)的資源整合在一起使用。
目前我在GitHub上面弄一個通過R學習統(tǒng)計、計量、非參、數(shù)據(jù)可視化、數(shù)據(jù)庫的repo: renkun-ken/learnR on GitHub ，雖然目前還沒什么內(nèi)容，不過可以跟蹤一下。
以上說得都是經(jīng)濟學相關的統(tǒng)計和計量方面所需要的編程。事實上統(tǒng)計和計量所需的「編程」較為簡單，基本也就是處理數(shù)據(jù)、應用已經(jīng)提供的計量模型，更多需要編程的是：一、如果涉及較為前沿的計量模型，可能還需要自己實現(xiàn)；二、一些蒙特卡羅模擬需要一些編程。
從經(jīng)濟學相關的一些新型領域來說，計算經(jīng)濟學（Computational Economics）、計算統(tǒng)計學（Computational Statistics）以及計算計量學（Computational Econometrics）則需要較強的編程能力，包括算法實現(xiàn)、算法分析等等。舉個例子，計算經(jīng)濟學中目前做的一塊研究是Agent-based computational finance，就是建立一個模擬的金融市場，里面有幾種資產(chǎn)，每種資產(chǎn)的基本面由隨機的紅利決定，里面有許多遵循各種邏輯的投資者，投資者對于紅利發(fā)放持有的信念不同，因而從各自的邏輯觸發(fā)的交易行為不同。在一個復式競價（double auction）的交易市場中，什么樣的投資者組成或者行為方式、什么樣的記憶長短，能夠最大程度地復制出我們在現(xiàn)實金融市場中觀測到的資產(chǎn)價格或者資產(chǎn)收益率規(guī)律，例如資產(chǎn)收益率尖峰肥尾、不對稱性。此時，研究者就需要較扎實的金融知識來設計一個不過于簡單而又不過于復雜的模擬金融市場，也需要相應的編程能力把模型用程序語言編寫出來。這中間會設計許多編程技術，例如數(shù)據(jù)庫（有時要跟蹤許多變量，例如投資者現(xiàn)金流動、財富分布）、并行計算（CPU多核并行、多進程并行、集群上的并行甚至GPU計算）等等。這方面的研究從1990s年代才開始。
3)知乎網(wǎng)友Jichun Si
計量經(jīng)濟學也有很多小的門類，請對號入座。有很多軟件，Stata, matlab, R, SAS是相對來說用的比較多的。
如果是做應用計量（特別是橫截面數(shù)據(jù)、面板數(shù)據(jù)），Stata是不二之選，因為不管是管理數(shù)據(jù)還是跑回歸，實在太太太方便了?，F(xiàn)在主流期刊的應用微觀計量文章里面能用到的模型stata幾乎都有，而且其中的絕大多數(shù)都是用stata做的。而且最大的優(yōu)點是，簡單！
如果做應用的時間序列，Eviews似乎是一個不錯的選擇。但是我一般不做這方面，也不是很有發(fā)言權。
如果做理論計量，stata eviews是沒有現(xiàn)成的包的，而且即便Stata可以編程，可編程能力也是很差的，而且不穩(wěn)健。所以懂R和Matlab就非常順手。當然也可以用Python，最近Sargent就寫了本用Python做計量的書。還有一個Julia，是這三種語言的混合，但是速度快很多，缺點是太過于小眾。
如果對速度要求高，特別是金融計量很多對速度有要求的，可以考慮C、Fortran等語言。C和Fortran肯定是最快的。還有一個叫做OX的，速度快，但是也很小眾。但是這些語言的缺點是學習難度比較高，開發(fā)時間比較慢。Julia據(jù)說速度堪比C，而且語法特別像Matlab、Python（意味著容易學習），但是處于剛起步階段，用的人太少了。
如果是金融計量領域，強烈建議學會SAS。SAS是最權威，速度也很快，當然最大的問題是昂貴，而且可編程能力不是多么好。但是金融里面數(shù)據(jù)量都非常非常非常大，一般的軟件都癱的時候，SAS就派上用場了。
像我自己，做應用的時候都是用stata整理數(shù)據(jù)，能用stata的堅決不用其他軟件。但是因為有的時候做一些理論計量的工作，所以matlab也是必不可少的。我也在學習Julia，因為matlab的速度實在太慢。Python我一般不用來做科學計算，用的人不多，而且速度慢，一般是用來抓數(shù)據(jù)的。
最后還是補充一點吧，為什么我推薦matlab而不是其他的軟件，也是有道理的。很多模型，比如空間計量模型（spatial econometrics）、貝葉斯估計、以及宏觀計量里面的DSGE model、SVAR等模型，在stata、Eviews里面都是沒有什么現(xiàn)成的東西可以用的，但是matlab提供了豐富的包，比如Dynare就是基于Matlab的，還有LeSage的空間計量軟件包等等，也是基于matlab的。所以幾乎你想用的模型matlab里面都能找到codes然后直接用。就算沒有，你自己在matlab里面寫，也不是什么難事。
最后想起一句話來，關于這些軟件的選擇（stata除外，因為stata在應用計量領域的地位是幾乎不可替代的）可以用兩句話來概括：如果你自己的時間比計算機的時間寶貴的話，學習matlab、R、甚至Python、Julia是最合適的，如果計算機的時間比你的時間寶貴的話，學習C、Fortran是必須的。當然除非你的工作非常特殊（比如一些大型的結構模型的估計），一般來說，還是自己的時間更寶貴一點。
綜上，做應用和做理論是不可能用一種軟件解決的，建議根據(jù)自己的方向進行挑選。我覺著stata、matlab是比較推薦的，一個方便，一個靈活，都很強大，而且學習難度都不大，用的人都很多，交流起來相當方便。
4）網(wǎng)友張真實
數(shù)據(jù)，簡單的用excel，直觀，方便。復雜一些的…excel最多可以有6萬多行，你確定你需要從那么大量的數(shù)據(jù)開始“學經(jīng)濟學么？
復雜的用R，各種模型，算法，實現(xiàn)，基本上R都有對應的軟件包了，下載下來直接用即可，多讀文檔多練多用，半年左右就可以拋開excel直接用R作實戰(zhàn)了。我博士論文全部回歸和輸出都是用R的，現(xiàn)在寫的論文也都用它。替代品是Stata。也很好，但如果你和我一樣是從0開始，那么強烈建議選R。
R的一個不足是沒法作符號運算，這個免費的解決方案有python搭配scipy numpy等幾個包，不過建議你用mathematica，它的符號計算功能最強大，輸出格式也最好。你可以找個jacobian矩陣搞一下符號計算，比較一下結果就知道了。
Python這東西，熟悉了R之后，發(fā)現(xiàn)有功能是R實現(xiàn)不了的，到時候有實際需求了，再學也不遲。不是立刻就需要的。
此外，所有經(jīng)濟學研究(我是指empirics類型的，具體意思你懂的)，都要會用latex，可以把它看做是一門編程語言。在word里排數(shù)學公式，用不了多久你就會瘋掉。R中可以用ggplot2來繪圖，輸出到tex中。普通數(shù)據(jù)表用xtable包輸出到tex，回歸結果用stargazer輸出到tex，都很方便。
5）網(wǎng)友bayes
首先要說的是R，絕對是目前國外學術界的主流，統(tǒng)計系基本除R以外沒有其他了，計量作為和統(tǒng)計相關的方向，R也在逐漸滲透。所以推薦學習。
順便說一句，R的學習曲線是比較陡峭的，所以我不太建議零基礎的人從R開始，否則挫折感會比較強烈。而python會略好，所以我建議從python開始。
python并非是專用于統(tǒng)計或者計量的軟件，而是一種非常流行的通用編程語言。經(jīng)過多年發(fā)展，庫也非常齊備。我試用過numpy，scipy和pandas等庫，與其他通用編程語言相比，算是相當好用，不過個人感覺還是比不上R，比如畫圖，
ggplot2真心是神一般的存在，python的庫還是略遜一籌。但是，除了數(shù)據(jù)處理之外，python可以干的事情太多了，也太牛了。我們主要要用到的，比如網(wǎng)頁采集數(shù)據(jù)，需要正則表達式，解析網(wǎng)頁等等。這些方面python就比R有優(yōu)勢多了。
當然，從趨勢來看，未來似乎python比R更優(yōu)。R是一群統(tǒng)計學家在編程序，python是一群計算機專家在爭取搞數(shù)據(jù)處理。似乎python的基礎更扎實。個人觀點，僅供參考。
stata我認為是除了R以外最好的計量軟件了，我兩者均用過數(shù)年數(shù)個項目，但是依然感覺R更好用，整理和處理數(shù)據(jù)更方便。所以即使在樓上諸位所提到的微觀計量領域，我依然更喜歡R。
除此以外spss，或者eviews等，感覺管理類學生用的更多，功能比較受限，不太推薦。這里不贅述。上述的幾個軟件，還有個問題，在于都是收費的，考慮到未來知識產(chǎn)權的保護，還是用免費的略靠譜。
R的主要缺點有兩個：
1，面對大數(shù)據(jù)乏力。這方面sas確實有優(yōu)勢，但是不得不說，sas的語法太反人類了，完全接受不能。面對這個問題，我要說的是，你得看問題有多大。以我的經(jīng)驗，經(jīng)濟里面的數(shù)據(jù)量似乎還不足以超過R的處理上限很多?？赡芙鹑诘母哳l數(shù)據(jù)會比較大，我個人沒啥經(jīng)驗，如果遇到再補充。我嘗試過10g的數(shù)據(jù)，最簡單的辦法，不是學sas，而是買16g的內(nèi)存。：）以現(xiàn)在的內(nèi)存價格，我覺得32g以下的問題不大。
2，性能不足。這方面python也有同樣的問題，最好的解決方案是混合c/c++，不過這個就是無底洞了，耗時極多，都不見得能學好。建議的方法，還是買硬件，這個最簡單。：）當然用并行包等，也是解決方法之一，我嘗試過幾次用機房的多臺機器做集群，不是太成功。求高人指點。
上面諸位還提到過幾個軟件，我也略微說一下自己知道的一些軟件的看法：
matlab：好東西，關鍵還是性能問題，同樣可以靠c/c++來解決。但是我不喜歡比較大的軟件，為了求個均值方差，等它啟動就占了5分鐘。。。
julia：好東西X2，目前關注中，可能還比較年輕，導致配套的庫略少，不過看好未來發(fā)展，主要是吸取了matlab，python和c/c++的有點，寫的快，運算的也快，未來看漲，緊密關注。
最后提一下函數(shù)式編程，是個好東西，但是不看好純粹函數(shù)式編程的未來。它體現(xiàn)了一種頗先進的編程思想，但是在實際工作中，往往性能方面的問題較大。要解決這個問題，還是的混合函數(shù)式編程和其他方式，但這就是python，R等軟件已經(jīng)實現(xiàn)的方式，似乎又沒有必要專門去學其他的函數(shù)式編程了。
6）上海財經(jīng)大學博士 榮健欣
Stata微觀計量中應用極多，主要是直接輸命令回歸，需要編程的地方不多。
至于編程，推薦R、Python.
R是非常好的統(tǒng)計分析軟件，在計量經(jīng)濟學中的應用可以見Econometrics in R, Applied Econometrics with R Time Series Analysis with Applications in R這幾本書
Python用來抓數(shù)據(jù)很好，并且有數(shù)學計算包SciPy可以部分替代Matlab之類科學計算的功能。
7）知乎網(wǎng)友justin
本科經(jīng)濟統(tǒng)計學，由于學校奇葩的課程設置，我們分別使用過：
EViews：計量經(jīng)濟學，時序和多元統(tǒng)計。
Stata：計量經(jīng)濟學。
SPSS：專門開的一門課，這個巨汗，權當復習了一遍統(tǒng)計學。
Excel：大一的統(tǒng)計入門課使用的，這個也巨坑，就是簡單的函數(shù)使用，一點沒有涉及VBA。
Matlab：這個沒有專門的課，是上完了C語言程序設計以后副產(chǎn)品，后來接觸了R和Mathematica就基本拋棄了它。
R/S-Plus：在回歸分析的時候使用了S-Plus，不過那時候我已經(jīng)使用R語言很久了，而且S-Plus基本兼容，所以沒有使用過S-Plus。
Minitab：質量控制課程上用的，基本的統(tǒng)計加上一些實驗設計。
SAS：這個在實驗室中自學過幾次，直接被其奇葩的語法雷到了，據(jù)說我們學校的研究生有專門的SAS課程（類似于本科的SPSS課程），呵呵了～
我們系的妹（xue）紙（ba）就曾經(jīng)抱怨說使用的軟件太多了，完全被逼瘋的感覺，還給我們親愛的系主任提過意見。作為學渣也就這個問題問過系主任，她的意思是不同的軟件在處理不同的數(shù)據(jù)時候是各有所長的，而且你們課程還是蠻輕松的，就多學點吧，另外不同的老師有不同的軟件使用愛好，上課使用不同的軟件是必然的。
學習經(jīng)濟學的同學，Excel和SPSS，EViews（或者Stata)就蠻好的了，Stata和EViews都可以寫一些程序的，SPSS的界面化操作也是很友好的。本人使用的R，在上各種課中也都會在學了那些軟件后再使用R來實現(xiàn)（其實絕大多數(shù)時候R都已經(jīng)有現(xiàn)成的包了，我也大多是直接使用），R還是很不錯的，推薦。
很多前輩也提出了，經(jīng)濟學學生學習編程適可而止就好了，要不然就是一條不歸路啊，面臨著徹底轉行的危險，本人就是一枚反面例子（淚～。所以什么Python啊，C++啊，Julia啊就不要接觸了。
PyFlux是Python編程語言的開源時間序列庫。PyFlux是Python中為處理時間序列問題而創(chuàng)建的開源庫。該庫有一系列極好的時間序列模型，包括但不限于 ARIMA、 GARCH 和 VAR 模型。簡而言之，PyFlux提供了一個時間序列建模的概率方法。
PyFlux允許使用時間序列建模，并且已經(jīng)實現(xiàn)了像GARCH這樣的現(xiàn)代時間序列模型。
時間序列研究是統(tǒng)計學和計量經(jīng)濟學的一個子領域，目標可以描述時間序列如何表現(xiàn)（以潛在的因素或興趣的特征來表示），也可以借此預測未來的行為。
擴展資料：
Python擁有一個強大的標準庫。Python語言的核心只包含數(shù)字、字符串、列表、字典、文件等常見類型和函數(shù)，而由Python標準庫提供了系統(tǒng)管理、網(wǎng)絡通信、文本處理、數(shù)據(jù)庫接口、圖形系統(tǒng)、XML處理等額外的功能。Python標準庫命名接口清晰、文檔良好，很容易學習和使用。
Python標準庫的主要功能有：
文本處理，包含文本格式化、正則表達式匹配、文本差異計算與合并、Unicode支持，二進制數(shù)據(jù)處理等功能
文件處理，包含文件操作、創(chuàng)建臨時文件、文件壓縮與歸檔、操作配置文件等功能
操作系統(tǒng)功能，包含線程與進程支持、IO復用、日期與時間處理、調用系統(tǒng)函數(shù)、寫日記(logging)等功能
網(wǎng)絡通信，包含網(wǎng)絡套接字，SSL加密通信、異步網(wǎng)絡通信等功能
網(wǎng)絡協(xié)議，支持HTTP，F(xiàn)TP，SMTP，POP，IMAP，NNTP，XMLRPC等多種網(wǎng)絡協(xié)議，并提供了編寫網(wǎng)絡服務器的框架
W3C格式支持，包含HTML，SGML，XML的處理
其它功能，包括國際化支持、數(shù)學運算、HASH、Tkinter等
參考資料：百度百科-Python
VWAP(Volume-Weighted Average Price 成交量加權平均價格)是一個非常重要的經(jīng)濟學量，它代表著金融資產(chǎn)的平均價格。某個價格的成交量越高，該價格所占的權重就越大。VMAP就是以成交量為權重計算出來的加權平均
VWAP(Volume-Weighted Average Price 成交量加權平均價格)是一個非常重要的經(jīng)濟學量，它代表著金融資產(chǎn)的”平均“價格。某個價格的成交量越高，該價格所占的權重就越大。VMAP就是以成交量為權重計算出來的加權平均值，常用于算法交易。
下面使用python來計算成交量加權平均價格：
1.將數(shù)據(jù)讀入數(shù)組。
2.計算VWAP。
view plainprint?
import numpy as np
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)
vwap = np.average(c, weights=v)
print "VMAP =", vwap
//The output is
VWAP = 350.589549353
這樣我們就計算出了VWAP，我們僅僅調用了average函數(shù)，并將v作為權重參數(shù)使用，就完成了VWAP的計算。
現(xiàn)假設有A, B, C, D, E五只股票的收益率數(shù)據(jù)((第二日收盤價-第一日收盤價)/第一日收盤價)), 如果投資人的目標是達到20%的年收益率,那么該如何進行資產(chǎn)配置,才能使得投資的風險最低?
更一般的問題,假設現(xiàn)有x 1 ,x 2 ,...,x n , n支風險資產(chǎn),且收益率已知,如果投資人的預期收益為goalRet,那么該如何進行資產(chǎn)配置,才能使得投資的風險最低?
1952年，芝加哥大學的Markowitz提出現(xiàn)代資產(chǎn)組合理論(Modern Portfolio Theory，簡稱MPT)，為現(xiàn)代西方證券投資理論奠定了基礎。其基本思想是，證券投資的風險在于證券投資收益的不確定性。如果將收益率視為一個數(shù)學上的隨機變量的話，證券的期望收益是該隨機變量的數(shù)學期望（均值），而風險可以用該隨機變量的方差來表示。
對于投資組合而言，如何分配各種證券上的投資比例，從而使風險最小而收益最大？
答案是將投資比例設定為變量，通過數(shù)學規(guī)劃，對每一固定收益率求最小方差，對每一個固定的方差求最大收益率，這個多元方程的解可以決定一條曲線，這條曲線上的每一個點都對應著最優(yōu)投資組合，即在給定風險水平下，收益率最大，這條曲線稱作“有效前沿” (Efficient Frontier)。
對投資者而言，不存在比有效前沿更優(yōu)的投資組合，只需要根據(jù)自己的風險偏好在有效前沿上尋找最優(yōu)策略。
簡化后的公式為:
其中 p 為投資人的投資目標,即投資人期待的投資組合的期望值. 目標函數(shù)說明投資人資產(chǎn)分配的原則是在達成投資目標 p 的前提下,要將資產(chǎn)組合的風險最小化,這個公式就是Markowitz在1952年發(fā)表的'Portfolio Selection'一文的精髓,該文奠定了現(xiàn)代投資組合理論的基礎,也為Markowitz贏得了1990年的諾貝爾經(jīng)濟學獎. 公式(1)中的決策變量為w i , i = 1,...,N, 整個數(shù)學形式是二次規(guī)劃(Quadratic Programming)問題,在允許賣空的情況下(即w i 可以為負,只有等式約束)時,可以用拉格朗日(Lagrange)方法求解。
有效前緣曲線如下圖:
我們考慮如下的二次規(guī)劃問題
運用拉格朗日方法求解,可以得到
再看公式(1),則將目標函數(shù)由 min W T W 調整為 min 1/2(W T W), 兩問題等價,寫出的求解矩陣為:
工具包: CVXOPT python凸優(yōu)化包
函數(shù)原型: CVXOPT.solvers.qp(P,q,G,h,A,b)
求解時,將對應的P,q,G,h,A,b寫出,帶入求解函數(shù)即可.值得注意的是輸入的矩陣必須使用CVXOPT 中的matrix函數(shù)轉化,輸出的結果要使用 print(CVXOPT.solvers.qp(P,q,G,h,A,b)['x']) 函數(shù)才能輸出。
這里選取五支股票2014-01-01到2015-01-01的收益率數(shù)據(jù)進行分析.
選取的五支股票分別為: 白云機場, 華夏銀行, 浙能電力, 福建高速, 生益科技
先大體了解一下五支股票的收益率情況:
看來，20%的預期收益是達不到了。
接下來,我們來看五支股票的相關系數(shù)矩陣：
可以看出，白云機場和福建高速的相關性較高，因為二者同屬于交通版塊。在資產(chǎn)配置時，不利于降低非系統(tǒng)性風險。
接下來編寫一個MeanVariance類，對于傳入的收益率數(shù)據(jù)，可以進行給定預期收益的最佳持倉配比求解以及有效前緣曲線的繪制。
繪制的有效前緣曲線為：
將數(shù)據(jù)分為訓練集和測試集，并將隨機模擬的資產(chǎn)配比求得的累計收益與測試集的數(shù)據(jù)進行對比，得到：
可以看出，在前半段大部分時間用Markowitz模型計算出的收益率要高于隨機模擬的組合，然而在后半段卻不如隨機模擬的數(shù)據(jù)，可能是訓練的數(shù)據(jù)不夠或者沒有動態(tài)調倉造成的，在后面寫策略的時候，我會加入動態(tài)調倉的部分。
股票分析部分：
Markowitz 投資組合模型求解
蔡立專：量化投資——以python為工具. 電子工業(yè)出版社
基礎沒打好，要有經(jīng)驗。
大部分Python開發(fā)者的一門語言都不是Python，可能他們之前就掌握了Java、C++等其他語言和計算機相關的理論知識，而對于他們來說，學Python自然是輕車熟路，只是工作碰巧遇到了Python。
在國內(nèi)，一個現(xiàn)實情況是大部分業(yè)務系統(tǒng)的開發(fā)，Python從來都不是主角，而是作為輔助工具在使用，可能是做個數(shù)據(jù)統(tǒng)計，弄些運維的腳本，寫個測試腳本之類的；
真正用 Python 來開發(fā)核心業(yè)務的公司少。大部分公司 Python 都是應用在一些非核心業(yè)務上。
這點跟 Java 是沒法比的，Java 確實能做到一個0基礎的小白認認真真在培訓機構學幾個月就可以放到工作崗位上去干活；
但 Python 不行，Python 雖然看起來簡單，但是用好不容易，特別是大規(guī)模的團隊對 Python 的要求就更高了，一般招Python都是要求有一定經(jīng)驗的。
而招Java的崗位初中高級的都有。Java語言的特性決定了一門新手和老手寫出來的代碼差距不會太大（這里肯定有人不會同意），而 Python 的代碼不同的人寫出來的代碼千差萬別。
最后想說的就是，Python這么語言還是很有前途的，這兩年大家都在給Python瘋狂打Call，讓Python成為所謂的第一語言，大家都在學，一個大膽的猜測就是未來 Python 將會像英語一樣成為大家必備的一個技能。
但是如果現(xiàn)在啥都不會，只會Python，去找工作的確有點困難，當然并不見得學Java找工作就容易了，最主要的還是對整個計算機體系的掌握，語言作為工具只是很小的一部分。
擴展資料：
應用：
系統(tǒng)編程：提供API（Application Programming Interface應用程序編程接口），能方便進行系統(tǒng)維護和管理，Linux下標志性語言之一，是很多系統(tǒng)管理員理想的編程工具。
圖形處理：有PIL、Tkinter等圖形庫支持，能方便進行圖形處理。
數(shù)學處理：NumPy擴展提供大量與許多標準數(shù)學庫的接口。
文本處理：python提供的re模塊能支持正則表達式，還提供SGML，XML分析模塊，許多程序員利用python進行XML程序的開發(fā)。
數(shù)據(jù)庫編程：程序員可通過遵循Python DB-API（數(shù)據(jù)庫應用程序編程接口）規(guī)范的模塊與Microsoft SQL Server，Oracle，Sybase，DB2，MySQL、SQLite等數(shù)據(jù)庫通信。
python自帶有一個Gadfly模塊，提供了一個完整的SQL環(huán)境。
網(wǎng)絡編程：提供豐富的模塊支持sockets編程，能方便快速地開發(fā)分布式應用程序。很多大規(guī)模軟件開發(fā)計劃例如Zope，Mnet 及BitTorrent. Google都在廣泛地使用它。
Web編程：應用的開發(fā)語言，支持最新的XML技術。
多媒體應用：Python的PyOpenGL模塊封裝了“OpenGL應用程序編程接口”，能進行二維和三維圖像處理。PyGame模塊可用于編寫游戲軟件。
pymo引擎：PYMO全稱為python memories off，是一款運行于Symbian S60V3,Symbian3,S60V5, Symbian3, Android系統(tǒng)上的AVG游戲引擎。
因其基于python2.0平臺開發(fā)，并且適用于創(chuàng)建秋之回憶（memories off）風格的AVG游戲，故命名為PYMO。
黑客編程：python有一個hack的庫,內(nèi)置了你熟悉的或不熟悉的函數(shù)，但是缺少成就感。
用Python寫簡單爬蟲。
首先，要通過urllib2這個Module獲得對應的HTML源碼。
可以將URL的源碼存在content變量中，其類型為字符型。
接下來是要從這堆HTML源碼中提取我們需要的內(nèi)容。用Chrome查看一下對應的內(nèi)容的代碼（也可以用Firefox的Firebug）。
可以看到url的信息存儲在span標簽中，要獲取其中的信息可以用正則表達式。
參考資料：百度百科-Python
重慶分公司
重慶分公司
