3  前言

3.1 Python 语言简介

Python 由 Guido van Rossum 于 1991 年创建，至今已有三十多年历史。起初只是作为一种脚本语言，用于自动化简单任务。由于其语法简洁、易于扩展，并能与 C/C++ 等语言良好集成，Python 很快成为著名的「胶水语言」（glue language），广泛应用于数据分析、Web 开发、机器学习等领域。

近年来，随着数据科学和人工智能的发展，Python 凭借其丰富的生态系统和社区支持，已成为最受欢迎的编程语言之一。根据 Stack Overflow Developer Survey 和 TIOBE 指数，Python 多年位居榜首。

3.1.1 Python 的主要特点

  • 解释型语言：不需要预编译，Python 解释器（interpreter）逐行执行代码。

  • 动态类型：变量类型在运行时确定，无需显式声明。

  • 多范式支持：

    • 面向对象编程（OOP）：支持类和对象。
    • 过程式编程（Procedural）：支持传统函数调用结构。
    • 函数式编程（Functional）：支持部分函数式特性（如 map、lambda、生成器等）。

  • 跨平台：Python 程序在不同操作系统中运行一致。

  • GIL（Global Interpreter Lock）：标准 CPython 实现中采用全局解释器锁，限制了多线程的并行性，适合 IO 密集型任务，不适合重度 CPU 密集型并行任务。

3.1.2 使用场景与优势

Python 的语法简洁、学习曲线平缓，特别适合以下场景：

  • 数据分析与探索性编程（如：Jupyter Notebook）
  • 自动化脚本与任务调度
  • 爬虫、文本处理、API 调用等 IO 密集型任务
  • 快速原型开发与教学演示
  • 与 C/C++/Java 等语言的接口开发，作为胶水语言集成系统

虽然 Python 的执行效率不如 C/C++，但开发效率高、社区包丰富，能大幅减少开发时间。在多数实际应用中，程序员时间往往比机器运行时间更宝贵。若需要兼顾性能，可使用 Python 编写框架，重计算部分可用 C/C++ 或 Julia 编写，并通过 Python 调用。

3.1.3 Python 之禅（The Zen of Python）

Python 的设计哲学追求：

Beautiful is better than ugly. Explicit is better than implicit. Simple is better than complex. ——《The Zen of Python》

可以在交互式终端中输入 import this 亲自体验。

这些哲学使得 Python 鼓励「一种最好且明确的方法来完成一件事情」，避免花哨、歧义性强的语法，从而提高代码的可读性和可维护性。

如需进一步了解 Python，推荐阅读：

3.2 参考资料

3.2.1 Python 语言

  • Allen Downey, 2012. Think Python: How to Think Like a Computer Scientist. -PDF-
    • Python 入门，通俗易懂
  • Johansson, R., 2024, Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib. Apress Berkeley, CA. Link, PDF (需要用校园 ID 登录), github
    • Python 入门，绘图，科学计算，偏微分方程，统计和机器学习初步
    • CHAPTER 4 Plotting and Visualization, 介绍绘图的基本元素.

3.2.2 数据分析

  • Wes McKinney, 2022. Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter (3E). Online-Read, github, gitee-码云
    • 专注于数据处理，讲的比较细致
    • 作者是 pandas 的创始人，书中介绍了 pandas 的使用方法
  • 🍎 PDSH   VanderPlas, 2023. Python Data Science Handbook, github, Online-Read, PDF-2E
    • 数据分析 + 可视化 + 机器学习
    • 提供了 Colab版本，可以无需安装 Python，直接在线运行
    • 本地已经下载：VanderPlas_2023_PDSH_Python_Data_Science_Handbook-2E.pdf

3.2.3 金融

  • Scheuch, C., Voigt, S., Weiss, P., & Frey, C. (2024). Tidy Finance with Python (1st ed.). Chapman and Hall/CRC, Online-Read, github

    • tidyfinance package
    • 股票回报, CAPM, 投资组合, Fama-French 因子模型等
    • 整体上比较简单，依赖于作者开发的 tidyfinance 扩展包。

  • Mastering Python for Finance – Second Edition, github

  • Hilpisch Y., Python for Finance. 2019. -PDF-, github

  • Machine Learning for Algorithmic Trading, 2nd edition. github, Website

3.2.4 因果推断和机器学习

  • Alves, Matheus Facure. 2022, Causal Inference for The Brave and True. Online Read, -github-
    • 基本上覆盖了目前文献中使用多的多数因果推断方法，包括 IV, DID, SDID, PSM, Matching, Panel, SCM, RDD
    • 提供了完整的 Python 代码，可以 Fork -github- 仓库，然后在本地运行 .ipynb 文档 (Jupyter Notebook)
    • 书中使用了 causalml 和 dowhy 两个包，前者是作者开发的一个包，后者是微软开发的一个包
  • 🍎 ISLP   James, G., D. Witten, T. Hastie, R. Tibshirani. An introduction to statistical learning: with Applications in Python (ISLP)[M]. Springer, 2023, website, Resources, github, -PDF-
  • Tatsat, H., Puri, S., & Lookabaugh, B. (2020). Machine Learning and Data Science Blueprints for Finance. O’Reilly Media. -PDF-, github-2022, githu-new-2024
    • 分成监督学习和非监督学习两大部分，包含了常用的机器学习方法
    • 13 cases，涉及债券市场，股票市场分析等
    • 书里边的所有案例对应的 Python 代码可以不用本地安装，而在作者提供的 在线平台 上直接运行。
    • 用的 Jupyter Notebook

3.3 数据

3.3.1 数据科学平台和搜索引擎

  • KDNuggets - datasets
    • 数据科学和机器学习领域的知名网站，提供了大量的资源和信息。
  • Kaggle Datasets
    • 全球知名的数据科学与机器学习社区，用户可以在平台上获取数据集、参与竞赛、分享与学习代码、交流讨论。
  • UCI Machine Learning Repository
    • 机器学习领域最经典的数据集仓库，涵盖分类、回归、聚类等多种任务，适合教学和算法测试。
  • Google Dataset Search
    • 谷歌推出的专用数据集搜索引擎，聚合全球各类开放数据集，支持多语言检索，便于快速定位所需数据。
  • AWS Public Datasets
    • 亚马逊云平台提供的开放数据集，涵盖气象、基因组、卫星影像等大规模数据，适合云端分析和机器学习。
  • Microsoft Azure Open Datasets
    • 微软云平台提供的开放数据集，聚焦天气、健康、金融等领域，便于在 Azure 上直接调用和分析。
  • Open Data Portal by European Union
    • 欧盟官方开放数据门户，收录成员国及欧盟机构的各类统计、经济、社会等数据，支持多语种访问。
  • World Bank Open Data
    • 世界银行开放数据平台，提供全球各国经济、社会、发展等宏观数据，适合国际比较和经济研究。
  • Data.gov
    • 美国政府开放数据平台，涵盖农业、气候、教育、能源等众多领域，数据权威且更新及时。
  • awesome-public-datasets
    • GitHub 开放数据集列表

3.3.2 学校图书馆

中大图书馆-统计类数据库

RESSET系列数据库

  • RESSET系列数据库 | RESSET企业大数据平台
    • 需要输入账号和密码
    • 1、中山大学校园网IP范围内，直接点击访问。
    • 2、官方网站访问： http://www.resset.cn，点击页面“快速登录”右边的“企业大数据平台”链接后输入对应的用户名及密码进行登录。用户名：sysu和密码：sysu1903。
    • 3、校外不限IP访问，通过CARSI平台访问登陆，访问地址：http://db.resset.com/，点击页面的：CARIS 平台登陆，选择学校，然后输入验证身份信息后登陆使用。

3.3.3 公开数据