pythonlof
A. 交易期貨需要學習什麼才能獲利
一般情況下期貨指標都是震盪虧錢的，出現大趨勢一般都是賺錢的，要規避期貨指標的震盪行情是要靠自己的經驗，期貨指標是要看你適合什麼樣子的指標去做，這個不能給你推薦的，因為每個人的操盤手法不一樣，所以看的期貨指標也就不一樣，希望對提問者有所幫助，在給你介紹個期貨指標交流論壇，裡面有很多的期貨指標公式，希望在裡面你能找到適合自己的期貨指標去做期貨交易，來實現穩定盈利的模式。 搜索期貨論壇_投機之王社區，進去看看期貨指標就知道了
B. 初學者想學變成是Java好還是python好
說實話，Java和Python都是現在非常流行的編程語言，而且也都是全場景編程語言，所以各自的用戶群體也都比較龐大，對於初學者來說，一邊是全世界使用最廣泛的Java，一邊是用過的人都會覺得是最好的語言的Python，到底如何選擇，的確很讓人糾結。
那麼接下來小編從幾個角度具體分析一下他們的不同吧：
如果從語言本身來說，Python語法簡潔更容易上手。很多時候一兩行代碼就能搞定的事情，Java卻需要多達10行，甚至20行。Python省去了像Java一樣死記硬背語法和結構的時間，只需要基本的學習，你就可以讀懂很多代碼了。而Java語言在Web時代（Servlet、JSP等）、移動互聯網時代（Android）和大數據時代（Hadoop）都有廣泛的應用，可以說是生命力非常頑強的語言，這主要得益於Java語言穩定的性能和較強的擴展能力。
從目前的開發崗位需求數量來看，Java語言要佔據一些優勢，一方面原因是Java語言的生態比較健全，開發風險會比較小，另一方面原因是Java語言的性能比較穩定且擴展性也比較強。由於Java語言已經在諸多領域積累了大量的開發案例，所以目前更多的技術團隊往往更願意採用Java語言。
從發展前景來看，Python語言要更具優勢。Python語言在近些年得到了快速的發展，一個重要的原因是大數據和人工智慧的發展，所以未來在大數據逐漸開始落地應用之後，Python的應用場景會不斷得到拓展，用戶群也會逐漸龐大。另外，Python語言在語法結構上要更簡潔一些，程序員往往也更願意採用Python語言，這也是Python語言的優勢之一。
從就業的角度出發，當前從Java語言開始學起是不錯的選擇，雖然在大數據和人工智慧領域里Python的應用更多一些，但是畢竟目前大數據正處在落地應用的初期，開發任務並沒有大量釋放，而人工智慧領域的很多開發任務也局限在驗證階段，所以目前在生產環境下，Java的應用更多，也更容易實現就業。
當然，如果未來要從事人工智慧方向的崗位，那麼目前選擇Python是比較適合的，不論是計算機視覺、自然語言處理還是機器學習等方向的開發，採用Python語言都會更方便一些。
Python作為最近越來越火的語言，是大數據和人工智慧的主力軍，同時也在網頁開發中廣泛運用。而Java以獨特的架構和較快的速度著稱，壟斷了企業級應用的開發。且兩者工程師的薪資也都十分可觀。
看到這里，不知道你心裡有沒有一桿秤了呢？
C. 現在學Python好嗎這門語言的前景怎麼樣
Python語法簡潔清晰，特色之一是強制用空白符(white space)作為語句縮進。Python具有豐富和強大的庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊（尤其是C/C++）很輕松地聯結在一起。杭州Python開發學習怎麼樣，前景好不好？我們從Python的特性說起吧！
第一，更高的工作效率
這兩年Python在業內大火的原因除了雲計算幫Python帶來的熱潮之外，更多的是本身的特性。目前互聯網創業熱情高漲，創業者和投資者都希望投資回報周期快。因此，一門開發效率極高的語言就此進入開發者眼簾，眾多創業公司首選Python做為開發語言，催生了Python在國內大熱的現象。
第二，更快的運行速度
顯然，Python並不是一門快語言，這也是被很多程序員詬病Python的主要原因，但最近幾年PyPy解釋器在不斷提高Python的運行速度，通過PyPy運行的程序，在某些場景下速度直接逼近C語言。
相信再過一段時間，Python的運行速度將不再是問題。另外，由於近些CPU處理速度的快速發展，編程語言本身的快慢在大多數業務場景下已不再被做為主要考量。
第三，更強的使用功能
這是導致Python大火的另一個主要原因之一，Python的標准庫和第三方庫強大到你無法想像，無論你想從事任何方向的技術編程，你幾乎都能找到相應的庫支持，以下僅舉幾個例子：
WEB開發——最火的Python web框架Django,支持非同步高並發的Tornado框架，短小精悍的flask,bottle,Django官方的標語把Django定義為the framework for perfectionist with deadlines；網路編程——支持高並發的Twisted網路框架，py3引入的asyncio使非同步編程變的非常簡單等等。
D. 最好的期貨書是哪本書
沒有最好，只有有益與無益；
《股票大作手回憶錄》(埃德溫•勒菲弗)
《十年一夢》(青澤)
《期貨市場基礎》(期貨業協會)
《期貨市場技術分析》(墨菲)
《期貨投資分析》(期貨業協會)
這幾本是個人看了五遍以上的，著重推薦，可以考慮依次閱讀，其他書不一一枚舉。
另外，不要看不起期貨業協會出的書，個人感覺期貨業協會的教材比證券業協會的教材有可看性，比如，同樣是「投資分析」，《期貨投資分析》就比《證券投資分析》有干貨多了~
E. 如何判別測量數據中是否有異常值
一般異常值的檢測方法有基於統計的方法，基於聚類的方法，以及一些專門檢測異常值的方法等，下面對這些方法進行相關的介紹。
1. 簡單統計
如果使用pandas，我們可以直接使用describe()來觀察數據的統計性描述（只是粗略的觀察一些統計量），不過統計數據為連續型的，如下：
df.describe()
紅色箭頭所指就是異常值。
以上是常用到的判斷異常值的簡單方法。下面來介紹一些較為復雜的檢測異常值演算法，由於涉及內容較多，僅介紹核心思想，感興趣的朋友可自行深入研究。
4. 基於模型檢測
這種方法一般會構建一個概率分布模型，並計算對象符合該模型的概率，把具有低概率的對象視為異常點。如果模型是簇的集合，則異常是不顯著屬於任何簇的對象；如果模型是回歸時，異常是相對遠離預測值的對象。
離群點的概率定義：離群點是一個對象，關於數據的概率分布模型，它具有低概率。這種情況的前提是必須知道數據集服從什麼分布，如果估計錯誤就造成了重尾分布。
比如特徵工程中的RobustScaler方法，在做數據特徵值縮放的時候，它會利用數據特徵的分位數分布，將數據根據分位數劃分為多段，只取中間段來做縮放，比如只取25%分位數到75%分位數的數據做縮放。這樣減小了異常數據的影響。
優缺點：（1）有堅實的統計學理論基礎，當存在充分的數據和所用的檢驗類型的知識時，這些檢驗可能非常有效；（2）對於多元數據，可用的選擇少一些，並且對於高維數據，這些檢測可能性很差。
5. 基於近鄰度的離群點檢測
統計方法是利用數據的分布來觀察異常值，一些方法甚至需要一些分布條件，而在實際中數據的分布很難達到一些假設條件，在使用上有一定的局限性。
確定數據集的有意義的鄰近性度量比確定它的統計分布更容易。這種方法比統計學方法更一般、更容易使用，因為一個對象的離群點得分由到它的k-最近鄰（KNN）的距離給定。
需要注意的是：離群點得分對k的取值高度敏感。如果k太小，則少量的鄰近離群點可能導致較低的離群點得分；如果K太大，則點數少於k的簇中所有的對象可能都成了離群點。為了使該方案對於k的選取更具有魯棒性，可以使用k個最近鄰的平均距離。
優缺點：（1）簡單；（2）缺點：基於鄰近度的方法需要O(m2)時間，大數據集不適用；（3）該方法對參數的選擇也是敏感的；（4）不能處理具有不同密度區域的數據集，因為它使用全局閾值，不能考慮這種密度的變化。
5. 基於密度的離群點檢測
從基於密度的觀點來說，離群點是在低密度區域中的對象。基於密度的離群點檢測與基於鄰近度的離群點檢測密切相關，因為密度通常用鄰近度定義。一種常用的定義密度的方法是，定義密度為到k個最近鄰的平均距離的倒數。如果該距離小，則密度高，反之亦然。另一種密度定義是使用DBSCAN聚類演算法使用的密度定義，即一個對象周圍的密度等於該對象指定距離d內對象的個數。
優缺點：（1）給出了對象是離群點的定量度量，並且即使數據具有不同的區域也能夠很好的處理；（2）與基於距離的方法一樣，這些方法必然具有O(m2)的時間復雜度。對於低維數據使用特定的數據結構可以達到O(mlogm)；（3）參數選擇是困難的。雖然LOF演算法通過觀察不同的k值，然後取得最大離群點得分來處理該問題，但是，仍然需要選擇這些值的上下界。
6. 基於聚類的方法來做異常點檢測
基於聚類的離群點：一個對象是基於聚類的離群點，如果該對象不強屬於任何簇，那麼該對象屬於離群點。
離群點對初始聚類的影響：如果通過聚類檢測離群點，則由於離群點影響聚類，存在一個問題：結構是否有效。這也是k-means演算法的缺點，對離群點敏感。為了處理該問題，可以使用如下方法：對象聚類，刪除離群點，對象再次聚類（這個不能保證產生最優結果）。
優缺點：（1）基於線性和接近線性復雜度（k均值）的聚類技術來發現離群點可能是高度有效的；（2）簇的定義通常是離群點的補，因此可能同時發現簇和離群點；（3）產生的離群點集和它們的得分可能非常依賴所用的簇的個數和數據中離群點的存在性；（4）聚類演算法產生的簇的質量對該演算法產生的離群點的質量影響非常大。
7. 專門的離群點檢測
其實以上說到聚類方法的本意是是無監督分類，並不是為了尋找離群點的，只是恰好它的功能可以實現離群點的檢測，算是一個衍生的功能。
F. python代碼運行助手怎麼打開
python代碼運行助手是能在網頁上運行python語言的工具。因為python的運行環境在很多教程里都是用dos的，黑乎乎的界面看的有點簡陋，所以出了這python代碼運行助手，作為ide。
實際上，python代碼運行助手界面只能算及格分，如果要找ide，推薦使用jupyter。jupyter被集成到ANACONDA里，只要安裝了anacoda就能使用了。
回到這個問題：
1、要打開這運行助手首先要下載一個learning.py，如果找不到可以復制如下代碼另存為「learning.py」,編輯器用sublime、或者notepad++。
#!/usr/bin/envpython3
#-*-coding:utf-8-*-
r'''
learning.py
APython3tutorialfromhttp://www.liaoxuefeng.com
Usage:
python3learning.py
'''
importsys
defcheck_version():
v=sys.version_info
ifv.major==3andv.minor>=4:
returnTrue
print('Yourcurrentpythonis%d.%d.PleaseusePython3.4.'%(v.major,v.minor))
returnFalse
ifnotcheck_version():
exit(1)
importos,io,json,subprocess,tempfile
fromurllibimportparse
fromwsgiref.simple_serverimportmake_server
EXEC=sys.executable
PORT=39093
HOST='local.liaoxuefeng.com:%d'%PORT
TEMP=tempfile.mkdtemp(suffix='_py',prefix='learn_python_')
INDEX=0
defmain():
httpd=make_server('127.0.0.1',PORT,application)
print('ReadyforPythoncodeonport%d...'%PORT)
httpd.serve_forever()
defget_name():
globalINDEX
INDEX=INDEX+1
return'test_%d'%INDEX
defwrite_py(name,code):
fpath=os.path.join(TEMP,'%s.py'%name)
withopen(fpath,'w',encoding='utf-8')asf:
f.write(code)
print('Codewroteto:%s'%fpath)
returnfpath
defdecode(s):
try:
returns.decode('utf-8')
exceptUnicodeDecodeError:
returns.decode('gbk')
defapplication(environ,start_response):
host=environ.get('HTTP_HOST')
method=environ.get('REQUEST_METHOD')
path=environ.get('PATH_INFO')
ifmethod=='GET'andpath=='/':
start_response('200OK',[('Content-Type','text/html')])
return[b'<html><head><title>LearningPython</title></head><body><formmethod="post"action="/run"><textareaname="code"style="width:90%;height:600px"></textarea><p><buttontype="submit">Run</button></p></form></body></html>']
ifmethod=='GET'andpath=='/env':
start_response('200OK',[('Content-Type','text/html')])
L=[b'<html><head><title>ENV</title></head><body>']
fork,vinenviron.items():
p='<p>%s=%s'%(k,str(v))
L.append(p.encode('utf-8'))
L.append(b'</html>')
returnL
ifhost!=HOSTormethod!='POST'orpath!='/run'ornotenviron.get('CONTENT_TYPE','').lower().startswith('application/x-www-form-urlencoded'):
start_response('400BadRequest',[('Content-Type','application/json')])
return[b'{"error":"bad_request"}']
s=environ['wsgi.input'].read(int(environ['CONTENT_LENGTH']))
qs=parse.parse_qs(s.decode('utf-8'))
ifnot'code'inqs:
start_response('400BadRequest',[('Content-Type','application/json')])
return[b'{"error":"invalid_params"}']
name=qs['name'][0]if'name'inqselseget_name()
code=qs['code'][0]
headers=[('Content-Type','application/json')]
origin=environ.get('HTTP_ORIGIN','')
iforigin.find('.liaoxuefeng.com')==-1:
start_response('400BadRequest',[('Content-Type','application/json')])
return[b'{"error":"invalid_origin"}']
headers.append(('Access-Control-Allow-Origin',origin))
start_response('200OK',headers)
r=dict()
try:
fpath=write_py(name,code)
print('Execute:%s%s'%(EXEC,fpath))
r['output']=decode(subprocess.check_output([EXEC,fpath],stderr=subprocess.STDOUT,timeout=5))
exceptsubprocess.CalledProcessErrorase:
r=dict(error='Exception',output=decode(e.output))
exceptsubprocess.TimeoutExpiredase:
r=dict(error='Timeout',output='執行超時')
exceptsubprocess.CalledProcessErrorase:
r=dict(error='Error',output='執行錯誤')
print('Executedone.')
return[json.mps(r).encode('utf-8')]
if__name__=='__main__':
main()
2，再用一個記事本寫如下的代碼：
@echooff
pythonlearning.py
pause
另存為『運行.bat』
3、把「運行.bat」和「learning.py」放到同一目錄下,
G. python3 txt導excel
可使用如下VBA代碼：
SubPick_Average()
OnErrorResumeNext
DimmyFileAsString
WithApplication.FileDialog(msoFileDialogFolderPicker)
.Show
.AllowMultiSelect=False
.Title="pleaseselectthepathoffile"
myFile=.SelectedItems(1)
EndWith
DimmyDocAsString
myDoc=Dir(myFile&""&"*.txt")
DimjAsSingle
j=1
DoWhileLen(myDoc)<>0
OpenmyFile&""&myDocForInputAs#1
DimmyTextAsString
myText=StrConv(InputB(LOF(1),1),vbUnicode)
DimmyValueAsVariant
myValue=Split(myText,Chr(13))
DimiAsSingle
DimmySumAsSingle
mySum=0
Fori=0ToUBound(myValue)
mySum=mySum+myValue(i)*1
Next
DimmySheetAsWorksheet
SetmySheet=ActiveSheet
mySheet.Cells(j,1)=mySum/UBound(myValue)
j=j+1
Close
myDoc=Dir
Loop
EndSub
H. python中的a in b for a in c如何理解
我很理解你的疑惑，我相信這個對任何一個第一次接觸到這種寫法的人都有疑惑，不過我已經明白它的執行順序，其實最容易明白的就是寫一個等效寫法，「a in b for b in c」的寫法跟「x for x in y」的寫法並沒有本質上的區別，只不過前者輸出的b又作為「in」的參數繼續運算一次而已（同理它還可以是其它運算，未必是a in b，只不過現在它是一個列表，如果c是一維的列表，那循環一次出來的b就是單個元素，假設它是數字，那就可以執行比如b+1 for b in c這種操作），這種一般都用於生成一個列表，說再多不如舉個例子(以下例子皆為實測通過)：
```
#二維數組(在python中這個叫列表)
c=[[7,8,9],[1,2,3],[4,5,6]]
#簡易寫法，結果:[7,8,9,1,2,3,4,5,6]
l1=[aforbincforainb]
print(l1)
#常規寫法(相當於上邊的簡易寫法)，結果:[7,8,9,1,2,3,4,5,6]
l2=[]
forbinc:
forainb:
l2.append(a)
print(l2)
#上述的a還可以作為參數繼續傳入其它函數或在表達式中使用，比如作為in的參數，結果:[False,True,False]
#解釋一下執行順序：先執行forin，循環一次就出來一個b，然後再執行numinb，numinb的結果(True/False)作為列表的
#一個元素，至此一個循環結束，然後又開始下一個forin循環，直到所有元素循環完，最後產生一個元素值為True/False組成的列表！
num=3
l3=[numinbforbinc]
print(l3)
#上面寫法相當於
l4=[]
forbinc:
l4.append(numinb)
print(l4)
#a在表達式中參與表達式運算
#結果：[8,9,10,2,3,4,5,6,7]
l5=[a+1forbincforainb]
print(l5)
#該寫法是上述寫法的常規寫法
l6=[]
forbinc:
forainb:
l6.append(a+1)
print(l6)
```
提交答案後，發現網路會把空格縮進全都去掉，而縮進作為python的靈魂，沒有了縮進的python代碼根本沒辦法運行，所以我給你截個圖，你復制代碼後自己去縮進吧：
python的一種寫法：a in b for b in c
又一次修改答案，這次我要吐槽一下，不要來這里問關於代碼的問題，前面的代碼你也看到了，網路知道根本無法嵌入代碼，直接把代碼當普通文本，空格縮進全給你去掉，然後我想著，好，文本的空格被你去掉我上傳圖片總行了吧？結果，這圖片被壓縮的模糊不清，勉強能看見，將就著看吧。
I. 小白編程入門學哪個語言比較好
編程語言有很多，其中包含了Java、Python、C等，每個人的情況不同，選擇的編程語言也是不同，從目前發展情況來說，小白學習編程，零基礎入門建議選擇Python語言；Python語言兼並了其他語言的優勢，同時自身還具有很大的特點所在，功能強大、語法簡單、容易上手，適合零基礎人員，也是初學者的首要選擇；最重要現在Python市場需求量很大，薪資待遇高，就業方向廣泛，是非常不錯的選擇。