Python在各种流行编程语言中一直排名靠前。它几乎可以适用任何开发，它旨在提高程序员的开发效率而不在于他们编的代码。Python适用于网站、桌面应用开发，自动化脚本，复杂计算系统，科学计算，物联网，游戏设计，机器学习，自然语言处理等很多方面。而且，既使对于那些从没有开发经验的人来讲，Python的代码也是简洁易懂的。由于Python程序代码简单，所以和与其他程序语言相比，后期的程序维护更容易，更舒心。从商业角度来看，需要的成本降低，程序员的效率提高。但是学习一门编程，更多考虑的是成本？学习教育的过程越容易，意味着开始工作和赚钱越快。Python当然是这类的赢家，它的语法容易，简单易学，Python允许你犯些小错但不会破坏代码，给新手一些信心继续学习。从新手的角度来看，想学一些更容易、更灵活的技术，而Python正是这样的技术。

Python是一种功能丰富的语言，它拥有一个强大的基本类库和数量众多的第三方扩展生态。Python几乎在各个领域都有对应的开源项目，因此我们不必重新造轮子。使用Scrapy，我们可以编写网络爬虫系统，爬取网络相关数据;使用各种数据库接口，我们可以将数据的存储、读取工作标准化;使用PyAlgoTrader，我们可以构建策略回测系统和自动交易系统。Python还有很多优秀的量化、数据分析、机器学习(ML)工具，比如NumPy、SciPy、Pandas、Scikit-Learn和Maplotlib等。虽然Python在机器学习和一般的数据分析中非常出色，但仍然存在短板，比如，其在一部分传统领域里表现就不算太好，包括很多传统统计模型、时间序列分析等，Python就不如Matlab和R。简而言之，我们可以用Python构建一条完整的量化投资生产线。当然，不可否认的是，对于某些环节，有些语言相对于Python也有其优势，比如R的统计库、Matlab的科学计算、SAS的可靠性、C++构建高速交易系统等。不过这些优势只是95分和90分的区别，除了少数极端业务场景之外，绝大部分工作Python其实都能胜任。在量化投资领域，大多数需求都可以用Python完成，这可以为团队节省大量的时间。毕竟在不同的语言之间不断切换，也是一件很耗费精力的事情。

code

code

code

code

code

code

code