pythonlof
A. 交易期货需要学习什么才能获利
一般情况下期货指标都是震荡亏钱的，出现大趋势一般都是赚钱的，要规避期货指标的震荡行情是要靠自己的经验，期货指标是要看你适合什么样子的指标去做，这个不能给你推荐的，因为每个人的操盘手法不一样，所以看的期货指标也就不一样，希望对提问者有所帮助，在给你介绍个期货指标交流论坛，里面有很多的期货指标公式，希望在里面你能找到适合自己的期货指标去做期货交易，来实现稳定盈利的模式。 搜索期货论坛_投机之王社区，进去看看期货指标就知道了
B. 初学者想学变成是Java好还是python好
说实话，Java和Python都是现在非常流行的编程语言，而且也都是全场景编程语言，所以各自的用户群体也都比较庞大，对于初学者来说，一边是全世界使用最广泛的Java，一边是用过的人都会觉得是最好的语言的Python，到底如何选择，的确很让人纠结。
那么接下来小编从几个角度具体分析一下他们的不同吧：
如果从语言本身来说，Python语法简洁更容易上手。很多时候一两行代码就能搞定的事情，Java却需要多达10行，甚至20行。Python省去了像Java一样死记硬背语法和结构的时间，只需要基本的学习，你就可以读懂很多代码了。而Java语言在Web时代（Servlet、JSP等）、移动互联网时代（Android）和大数据时代（Hadoop）都有广泛的应用，可以说是生命力非常顽强的语言，这主要得益于Java语言稳定的性能和较强的扩展能力。
从目前的开发岗位需求数量来看，Java语言要占据一些优势，一方面原因是Java语言的生态比较健全，开发风险会比较小，另一方面原因是Java语言的性能比较稳定且扩展性也比较强。由于Java语言已经在诸多领域积累了大量的开发案例，所以目前更多的技术团队往往更愿意采用Java语言。
从发展前景来看，Python语言要更具优势。Python语言在近些年得到了快速的发展，一个重要的原因是大数据和人工智能的发展，所以未来在大数据逐渐开始落地应用之后，Python的应用场景会不断得到拓展，用户群也会逐渐庞大。另外，Python语言在语法结构上要更简洁一些，程序员往往也更愿意采用Python语言，这也是Python语言的优势之一。
从就业的角度出发，当前从Java语言开始学起是不错的选择，虽然在大数据和人工智能领域里Python的应用更多一些，但是毕竟目前大数据正处在落地应用的初期，开发任务并没有大量释放，而人工智能领域的很多开发任务也局限在验证阶段，所以目前在生产环境下，Java的应用更多，也更容易实现就业。
当然，如果未来要从事人工智能方向的岗位，那么目前选择Python是比较适合的，不论是计算机视觉、自然语言处理还是机器学习等方向的开发，采用Python语言都会更方便一些。
Python作为最近越来越火的语言，是大数据和人工智能的主力军，同时也在网页开发中广泛运用。而Java以独特的架构和较快的速度着称，垄断了企业级应用的开发。且两者工程师的薪资也都十分可观。
看到这里，不知道你心里有没有一杆秤了呢？
C. 现在学Python好吗这门语言的前景怎么样
Python语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。杭州Python开发学习怎么样，前景好不好？我们从Python的特性说起吧！
第一，更高的工作效率
这两年Python在业内大火的原因除了云计算帮Python带来的热潮之外，更多的是本身的特性。目前互联网创业热情高涨，创业者和投资者都希望投资回报周期快。因此，一门开发效率极高的语言就此进入开发者眼帘，众多创业公司首选Python做为开发语言，催生了Python在国内大热的现象。
第二，更快的运行速度
显然，Python并不是一门快语言，这也是被很多程序员诟病Python的主要原因，但最近几年PyPy解释器在不断提高Python的运行速度，通过PyPy运行的程序，在某些场景下速度直接逼近C语言。
相信再过一段时间，Python的运行速度将不再是问题。另外，由于近些CPU处理速度的快速发展，编程语言本身的快慢在大多数业务场景下已不再被做为主要考量。
第三，更强的使用功能
这是导致Python大火的另一个主要原因之一，Python的标准库和第三方库强大到你无法想象，无论你想从事任何方向的技术编程，你几乎都能找到相应的库支持，以下仅举几个例子：
WEB开发——最火的Python web框架Django,支持异步高并发的Tornado框架，短小精悍的flask,bottle,Django官方的标语把Django定义为the framework for perfectionist with deadlines；网络编程——支持高并发的Twisted网络框架，py3引入的asyncio使异步编程变的非常简单等等。
D. 最好的期货书是哪本书
没有最好，只有有益与无益；
《股票大作手回忆录》(埃德温•勒菲弗)
《十年一梦》(青泽)
《期货市场基础》(期货业协会)
《期货市场技术分析》(墨菲)
《期货投资分析》(期货业协会)
这几本是个人看了五遍以上的，着重推荐，可以考虑依次阅读，其他书不一一枚举。
另外，不要看不起期货业协会出的书，个人感觉期货业协会的教材比证券业协会的教材有可看性，比如，同样是“投资分析”，《期货投资分析》就比《证券投资分析》有干货多了~
E. 如何判别测量数据中是否有异常值
一般异常值的检测方法有基于统计的方法，基于聚类的方法，以及一些专门检测异常值的方法等，下面对这些方法进行相关的介绍。
1. 简单统计
如果使用pandas，我们可以直接使用describe()来观察数据的统计性描述（只是粗略的观察一些统计量），不过统计数据为连续型的，如下：
df.describe()
红色箭头所指就是异常值。
以上是常用到的判断异常值的简单方法。下面来介绍一些较为复杂的检测异常值算法，由于涉及内容较多，仅介绍核心思想，感兴趣的朋友可自行深入研究。
4. 基于模型检测
这种方法一般会构建一个概率分布模型，并计算对象符合该模型的概率，把具有低概率的对象视为异常点。如果模型是簇的集合，则异常是不显着属于任何簇的对象；如果模型是回归时，异常是相对远离预测值的对象。
离群点的概率定义：离群点是一个对象，关于数据的概率分布模型，它具有低概率。这种情况的前提是必须知道数据集服从什么分布，如果估计错误就造成了重尾分布。
比如特征工程中的RobustScaler方法，在做数据特征值缩放的时候，它会利用数据特征的分位数分布，将数据根据分位数划分为多段，只取中间段来做缩放，比如只取25%分位数到75%分位数的数据做缩放。这样减小了异常数据的影响。
优缺点：（1）有坚实的统计学理论基础，当存在充分的数据和所用的检验类型的知识时，这些检验可能非常有效；（2）对于多元数据，可用的选择少一些，并且对于高维数据，这些检测可能性很差。
5. 基于近邻度的离群点检测
统计方法是利用数据的分布来观察异常值，一些方法甚至需要一些分布条件，而在实际中数据的分布很难达到一些假设条件，在使用上有一定的局限性。
确定数据集的有意义的邻近性度量比确定它的统计分布更容易。这种方法比统计学方法更一般、更容易使用，因为一个对象的离群点得分由到它的k-最近邻（KNN）的距离给定。
需要注意的是：离群点得分对k的取值高度敏感。如果k太小，则少量的邻近离群点可能导致较低的离群点得分；如果K太大，则点数少于k的簇中所有的对象可能都成了离群点。为了使该方案对于k的选取更具有鲁棒性，可以使用k个最近邻的平均距离。
优缺点：（1）简单；（2）缺点：基于邻近度的方法需要O(m2)时间，大数据集不适用；（3）该方法对参数的选择也是敏感的；（4）不能处理具有不同密度区域的数据集，因为它使用全局阈值，不能考虑这种密度的变化。
5. 基于密度的离群点检测
从基于密度的观点来说，离群点是在低密度区域中的对象。基于密度的离群点检测与基于邻近度的离群点检测密切相关，因为密度通常用邻近度定义。一种常用的定义密度的方法是，定义密度为到k个最近邻的平均距离的倒数。如果该距离小，则密度高，反之亦然。另一种密度定义是使用DBSCAN聚类算法使用的密度定义，即一个对象周围的密度等于该对象指定距离d内对象的个数。
优缺点：（1）给出了对象是离群点的定量度量，并且即使数据具有不同的区域也能够很好的处理；（2）与基于距离的方法一样，这些方法必然具有O(m2)的时间复杂度。对于低维数据使用特定的数据结构可以达到O(mlogm)；（3）参数选择是困难的。虽然LOF算法通过观察不同的k值，然后取得最大离群点得分来处理该问题，但是，仍然需要选择这些值的上下界。
6. 基于聚类的方法来做异常点检测
基于聚类的离群点：一个对象是基于聚类的离群点，如果该对象不强属于任何簇，那么该对象属于离群点。
离群点对初始聚类的影响：如果通过聚类检测离群点，则由于离群点影响聚类，存在一个问题：结构是否有效。这也是k-means算法的缺点，对离群点敏感。为了处理该问题，可以使用如下方法：对象聚类，删除离群点，对象再次聚类（这个不能保证产生最优结果）。
优缺点：（1）基于线性和接近线性复杂度（k均值）的聚类技术来发现离群点可能是高度有效的；（2）簇的定义通常是离群点的补，因此可能同时发现簇和离群点；（3）产生的离群点集和它们的得分可能非常依赖所用的簇的个数和数据中离群点的存在性；（4）聚类算法产生的簇的质量对该算法产生的离群点的质量影响非常大。
7. 专门的离群点检测
其实以上说到聚类方法的本意是是无监督分类，并不是为了寻找离群点的，只是恰好它的功能可以实现离群点的检测，算是一个衍生的功能。
F. python代码运行助手怎么打开
python代码运行助手是能在网页上运行python语言的工具。因为python的运行环境在很多教程里都是用dos的，黑乎乎的界面看的有点简陋，所以出了这python代码运行助手，作为ide。
实际上，python代码运行助手界面只能算及格分，如果要找ide，推荐使用jupyter。jupyter被集成到ANACONDA里，只要安装了anacoda就能使用了。
回到这个问题：
1、要打开这运行助手首先要下载一个learning.py，如果找不到可以复制如下代码另存为“learning.py”,编辑器用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='执行超时')
exceptsubprocess.CalledProcessErrorase:
r=dict(error='Error',output='执行错误')
print('Executedone.')
return[json.mps(r).encode('utf-8')]
if__name__=='__main__':
main()
2，再用一个记事本写如下的代码：
@echooff
pythonlearning.py
pause
另存为‘运行.bat’
3、把“运行.bat”和“learning.py”放到同一目录下,
G. python3 txt导excel
可使用如下VBA代码：
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，我相信这个对任何一个第一次接触到这种写法的人都有疑惑，不过我已经明白它的执行顺序，其实最容易明白的就是写一个等效写法，“a in b for b in c”的写法跟“x for x in y”的写法并没有本质上的区别，只不过前者输出的b又作为“in”的参数继续运算一次而已（同理它还可以是其它运算，未必是a in b，只不过现在它是一个列表，如果c是一维的列表，那循环一次出来的b就是单个元素，假设它是数字，那就可以执行比如b+1 for b in c这种操作），这种一般都用于生成一个列表，说再多不如举个例子(以下例子皆为实测通过)：
```
#二维数组(在python中这个叫列表)
c=[[7,8,9],[1,2,3],[4,5,6]]
#简易写法，结果:[7,8,9,1,2,3,4,5,6]
l1=[aforbincforainb]
print(l1)
#常规写法(相当于上边的简易写法)，结果:[7,8,9,1,2,3,4,5,6]
l2=[]
forbinc:
forainb:
l2.append(a)
print(l2)
#上述的a还可以作为参数继续传入其它函数或在表达式中使用，比如作为in的参数，结果:[False,True,False]
#解释一下执行顺序：先执行forin，循环一次就出来一个b，然后再执行numinb，numinb的结果(True/False)作为列表的
#一个元素，至此一个循环结束，然后又开始下一个forin循环，直到所有元素循环完，最后产生一个元素值为True/False组成的列表！
num=3
l3=[numinbforbinc]
print(l3)
#上面写法相当于
l4=[]
forbinc:
l4.append(numinb)
print(l4)
#a在表达式中参与表达式运算
#结果：[8,9,10,2,3,4,5,6,7]
l5=[a+1forbincforainb]
print(l5)
#该写法是上述写法的常规写法
l6=[]
forbinc:
forainb:
l6.append(a+1)
print(l6)
```
提交答案后，发现网络会把空格缩进全都去掉，而缩进作为python的灵魂，没有了缩进的python代码根本没办法运行，所以我给你截个图，你复制代码后自己去缩进吧：
python的一种写法：a in b for b in c
又一次修改答案，这次我要吐槽一下，不要来这里问关于代码的问题，前面的代码你也看到了，网络知道根本无法嵌入代码，直接把代码当普通文本，空格缩进全给你去掉，然后我想着，好，文本的空格被你去掉我上传图片总行了吧？结果，这图片被压缩的模糊不清，勉强能看见，将就着看吧。
I. 小白编程入门学哪个语言比较好
编程语言有很多，其中包含了Java、Python、C等，每个人的情况不同，选择的编程语言也是不同，从目前发展情况来说，小白学习编程，零基础入门建议选择Python语言；Python语言兼并了其他语言的优势，同时自身还具有很大的特点所在，功能强大、语法简单、容易上手，适合零基础人员，也是初学者的首要选择；最重要现在Python市场需求量很大，薪资待遇高，就业方向广泛，是非常不错的选择。