如何通过项目学习python

全程项目驱动式教学,学习效果更佳。随着开发年限的增加，Python开发者薪资呈直线上升的变化趋势，工作8年的Python开发者薪资攀升至25K左右，可谓前景广阔。源码时代教学如何通过项目学习python

微信打飞机游戏小程序

项目描述

玩家点击并移动自己的大飞机，在躲避迎面而来的其它飞机时，大飞机通过发射炮d打掉其它小飞机来赢取分数。一旦撞上其它飞机，游戏就结束。此时，界面中会显示此次玩家的飞机大战分数。

应用的技术

Python编程语法基础，PyGame。

学后能够做什么

学习后可以做一些小游戏。小游戏/乒乓球游戏/滑雪游戏/五子棋等。

移动电商平台

项目描述

移动端的电子商务网站是当前互联网中最有代表的产品！该项目使用到Django的开发框架。购物网站模仿京东和淘宝业务流程，真正适合大型电商的业务流程。

应用的技术

Django，MySQL，Redis，Linux，所有的前端技术。

学后能够做什么

电子商务网站应用到了所有的WEB开发技术，掌握了这些技术从而可以开发出各种类型的WEB网站。

微信公众号开发在线点餐预定系统

项目描述

为了解决园区或者商场就餐排队等待的问题，同时为客户节约时间，为餐馆解决人力成本。该系统中有自动下单，在线支付，在线优惠以及各种拼单功能。

应用的技术

Python编程语法基础，数据库，django，Linux。

学后能够做什么

基于微信的各种O2O应用。

旅游网站爬虫应用

项目描述

旅游线路，酒店预订，旅游攻略等其他内容的爬虫。

应用的技术

Python编程语法基础，数据库，django，Linux，scrapy框架。

学后能够做什么

各种分类信息的爬虫以及数据分析。

金牛座智能盈利策略

项目描述

接收市场行情数据, 生成K线数据并产生交易提醒。根据交易策略, 寻找获利机会并做出开仓/平仓, 止损/止盈等决策。

应用的技术

Python编程语法基础，数据库，django，Linux，scrapy框架，pandas，tushare，requests，matplotlib。

学后能够做什么

大数据分析和自动化交易类型的软件。

人脸识别汽车牌照识别

项目描述

人脸识别（Face Recognition）实现了图像或视频中人脸的检测、分析和比对，包括人脸检测定位、人脸属性识别和人脸比对等独立服务模块，可为开发者和企业提供高性能的在线API服务，应用于人脸AR、人脸识别和认证、大规模人脸检索、照片管理等各种场景。

应用的技术

TensorFlow框架开发；Tensorflow IO *** 作。

学后能够做什么

图像识别,去重 *** 作,汽车牌照识别。

1WEB开发

在国内，豆瓣一开始就使用Python作为web开发基础语言，知乎的整个架构也是基于Python语言，这使得web开发这块在国内发展的很不错。

尽管目前Python并不是做Web开发的首选，但一直都占有不可忽视的一席。Python中有各类Web框架，无论是简单而可以自由搭配的微框架还是全功能的大型MVC框架都一应俱全，这在需要敏捷开发的Web项目中也是十分具有优势的。广泛使用（或曾经广泛使用）Python提供的大型Web服务包括知乎、豆瓣、Dropbox等网站。加之Python本身的“胶水”特性，很容易实现在需要大规模性能级计算时整合其它语言，同时保留Web开发时的轻便快捷。

除此之外，Python中还有大量“开箱即用”的模块，用于与各种其它网站的对接等相关功能。如果希望开发个微信公众号相关功能，wechat-sdk/weixin-python等包，能够使你几乎完全不用管文档中提及的各种服务器交互细节，专注于功能实现即能完成开发。

目前，国内的Python web开发主要有两个技术栈：

（1）Django

Django是一个高级的敏捷web开发框架，如果学会了，撸一个网站很快。当然如果纯粹比撸网站的速度，基于ruby的Ruby on rails显然更快，但是Django有一个优势就是性能优秀，更适合国内网站的应用场景。国外的著名社区Pinterest早期也是基于Django开发的，承受了用户快速增长的冲击。所以说如果你想快速开发一个网站，还能兼顾APP客户端的API调用需求，Django是可以信赖的。

（2）Flask

相对于Django，Flask则是一个轻量级的web框架，Flask的最大的优势是性能优越，适合配合手机客户端开发后台API服务。国内基于Flask的Restful API服务这快很火，也是需求最大的。知名的比如百度、网易、小米、陌陌等等很多公司都有基于Flask的应用部署。当然，如果你想做一个传统的web网站，还是建议使用Django，Flask的优势是后端、API，不适合构建全功能网站。

2网络爬虫

网络爬虫是Python比较常用的一个场景，国际上，google在早期大量地使用Python语言作为网络爬虫的基础，带动了整个Python语言的应用发展。以前国内很多人用采集器搜刮网上的内容，现在用Python收集网上的信息比以前容易很多了。

Python在这个方面有许多工具上的积累，无论是用于模拟>

3人工智能与机器学习

人工智能是现在非常火的一个方向，AI热潮让Python语言的未来充满了无限的潜力。现在释放出来的几个非常有影响力的AI框架，大多是Python的实现，为什么呢？

因为Python足够动态、具有足够性能，这是AI技术所需要的技术特点。比如基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。

早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。

而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。

值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。

4数据分析处理

数据分析处理方面，Python有很完备的生态环境。“大数据”分析中涉及到的分布式计算、数据可视化、数据库 *** 作等，Python中都有成熟的模块可以选择完成其功能。对于Hadoop-MapReduce和Spark，都可以直接使用Python完成计算逻辑。这无论对于数据科学家还是对于数据工程师而言都是十分便利的。

5服务器运维及其它小工具

Python对于服务器运维而言也有十分重要的用途。由于目前几乎所有Linux发行版中都自带了Python解释器，使用Python脚本进行批量化的文件部署和运行调整都成了Linux服务器上很不错的选择。Python中也包含许多方便的工具，从调控ssh/sftp用的paramiko，到监控服务用的supervisor，再到bazel等构建工具，甚至conan等用于C++的包管理工具，Python提供了全方位的工具集合，而在这基础上，结合Web，开发方便运维的工具会变得十分简单。

更有意思的是，Python社区的开发者们还制作了诸如itchat这样的开发工具包，你大可以用微信来管理服务器或是各种服务的运行。想想看，一个微信机器人，能够在出现异常时，又或者每天固定时刻汇报服务器或是程序运行情况，甚至包含用matplotlib/seaborn绘制的图表，一目了然，而你对它发上简简单单一句话，即可完成对服务器的调整。

想学的童鞋可以加企鹅裙前三位是227，中间是435，后三位是450可以 视频资料免费分享交流经验和讲解行情

6桌面程序

Python也可以用于桌面软件开发（如sublime text等），甚至移动端开发（参看kivy）。Python简洁方便，各种工具包齐全的环境，能大幅度减少开发者的负担。著名的UI框架QT有Python语言的实现版本PyQT。Python简单易用的特性加上QT的优雅，可以很轻松的开发界面复杂的桌面程序，并且能轻松实现跨平台特性。

7多媒体应用

可以用Python里面的PIL、Piddle、ReportLab 等模块对图象、声音、视频、动画等进行处理，还可以用Python生成动态图表和统计分析图表。另外，还可以利用PyOpenGl模块非常快速有效的编写出三维场景。

在数据获取方面强烈推荐使用TuShare，简单易用，速度很快，而且只写一行代码就能将数据存储在本地了，支持csv、excel、hdf5和关系型数据库和NoSQL。

补充一个：tinysoft

Python通过pywin32调用天软COM，主要是调用天软的数据，利用天软在数据整合上面的优势快速获得数据，并且有大量积累的金融方法函数！

dll方式的调用正在丰富中。

python的用途：

Python的优势有必要作为第一步去了解，Python作为面向对象的脚本语言，优势就是数据处理和挖掘，这也注定了它和AI、互联网技术的紧密联系。

网络爬虫。顾名思义，从互联网上爬取信息的脚本，主要由urllib、requests等库编写，实用性很强，小编就曾写过爬取5w数据量的爬虫。在大数据风靡的时代，爬虫绝对是新秀。

人工智能。AI使Python一战成名，AI的实现可以通过tensorflow库。神经网络的核心在于激活函数、损失函数和数据，数据可以通过爬虫获得。训练时大量的数据运算又是Python的show time。

扩展资料：

Python开发人员尽量避开不成熟或者不重要的优化。一些针对非重要部位的加快运行速度的补丁通常不会被合并到Python内。在某些对运行速度要求很高的情况，Python设计师倾向于使用JIT技术，或者用使用C/C++语言改写这部分程序。可用的JIT技术是PyPy。

Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承，有益于增强源代码的复用性。

Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言，Python对函数式设计只提供了有限的支持。有两个标准库(functools, itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计工具。

参考资料来源：百度百科-Python

#!/usr/bin/python

# -- coding: UTF-8 --

import tushare as ts

from sqlalchemy import create_engine

code_list = []

#数据库链接参数

host = '10005'

port = 3306

user = 'root'

password = 'qweqwe'

database = 'stock'

charset = "utf8"

table = "stock_data"

# create table stock_data(id int auto_increment,code int(6) zerofill,date date not null,open decimal(10,2) not null,high decimal(10,2) not null,close decimal(10,2) not null,low decimal(10,2) not null,volume decimal(10,2),turnover decimal(10,2),primary key (id),index(code),index(date),index(open),index(high),index(close),index(low));

def get_data (code):

df = tsget_hist_data(code)

data = dfiloc[::-1, [0, 1, 2, 3, 4, 13]]

data["code"] = code

return data

def save_data_to_mysql (data,user = 'root',password = 'qweqwe',database = 'stock',charset = "utf8",table = "stock_data"):

engine = create_engine('mysql://' + user + ':' + password + '@' + host + '/' + database + 'charset=' + charset)

datato_sql(table, engine, if_exists='append')

return

for code in code_list:

try:

data = get_data(code)

save_data_to_mysql(data)

print str(code) + "导入mysql成功"

except:

print str(code) + "获取数据失败"

WIND数据是由中国大陆金融数据、信息和软件服务企业Wind资讯提供的金融财经数据。Wind资讯具有以金融证券数据为核心的大型金融工程和财经数据仓库，数据内容涵盖股票、基金、债券、外汇、保险、期货、金融衍生品、现货交易、宏观经济、财经新闻等领域。

扩展资料：

针对金融业的投资机构、研究机构、学术机构、监管部门机构等不同类型客户的需求，Wind资讯开发了一系列围绕信息检索、数据提取与分析、投资组合管理应用等领域的专业分析软件与应用工具。通过这些终端工具，用户可以从Wind资讯获取到财经数据、信息和各种分析结果。

在国内市场，Wind资讯的客户主要是中国证券公司、基金管理公司、保险公司、银行和投资公司等金融企业，同时国内多数知名的金融学术研究机构和权威的监管机构也是其客户，大量中英文媒体、研究报告、学术论文等经常引用Wind资讯提供的数据。

1 如果还需要Deep Learning方面的东西的话，可以考虑Theano或者Keras。这两个东西可能会用在分析新闻数据方面。不过不是很推荐使用这类方法去做量化模型，因为计算量实在是太大，成本很高。

2 交易框架方面，除了vnpy，还推荐PyAlgoTrade框架，github上可以搜到。私以为这个框架比vnpy牛逼太多了，毕竟是一个在金融IT领域混迹近20年的老妖的作品，架构设计不是一般的优秀。

3 国内的话，ricequant是个不错的选择，虽然使用的是Java，但是团队我见过，都是做金融IT出身的，基本上都有7、8年以上经验，底层功底非常扎实，做事情都很靠谱。现在他们也在考虑把SDK扩展到Python这边。

4 国内的行情和交易接口，使用的是自己的协议（比如CTP接口使用的是FTD协议），而不是国际上广泛使用的FIX协议，并且都不开源。如果需要连接行情，还需要考虑将接口SDK为python封装一下。（修改：评论中有人提到很多券商也开放了FIX接口，不过似乎是在内网使用）

5 有人谈到数据库了，这里我也说一下，对于高频tick级别的数据，其量级可以达到每天TB级别，普通的关系数据库是扛不住的。如果试图使用传统的关系数据库，比如Oracle之类的可以省省了。对付这种级别的数据，采用文件系统+内存索引会更好。不过这种场景，一般也就是机构里面能碰到了，个人quant可以不用考虑。

以上就是关于如何通过项目学习python全部的内容，包括:如何通过项目学习python、学python可以做什么、中国的 Python 量化交易工具链有哪些等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！