元宵大师

Python 的出现可以帮助我们快速解决实际的问题，提高工作效率。如果给 Python 脚本加上一个 GUI 的话，不仅可以进一步提升使用效率（不用每次停止运行去修改参数），而且还能把自己程序分享给不懂编程的朋友们使用，的确让人激动不已！ wxPython 是基于 Python 的跨平台 GUI 扩展库，是对 wxWidgets（ C++ 编写）封装实现，也是目前最为流行的 GUI 库之一。 本场 Chat 我们就来和大家一起学习 wxPython 的使用方法，运用知识点打造股票行情分析界面，为实现自己的桌面交互界面添砖加瓦。 本场 Chat 主要内容包括： 1. 通过最小框架的实现快速入门 wxPython 2. 界面的布局管理及多页面之间的切换，嵌入 Matplotlib 可以显示各种图形 3. 不仅介绍基本的按钮、文本、工具栏、菜单栏的使用，还有高级的树形列表、Excel 表格、进度条、滑块、日历、对话框的扩展介绍 4. 结合以上知识点，制作一个基础版的股票行情分析界面 ，可以交互查看个股走势

Python 进行数据分析和价值挖掘是当前炙手可热的技术领域，可视化是最直观分析数据的方法。在 Python 中常用 Matplotlib 库提供的 API 接口轻松绘制出各种图形。在数据分析过程中，通常在处理数据代码后添加 Matplotlib 代码来实现可视化目的，不过这种方式不仅不灵活，还影响了数据分析代码后续的封装。 Python 中的装饰器可以解决在不改变原因代码的情况下实现特殊的功能，将装饰器应用于数据可视化分析中十分合适，这样不仅可以灵活地更换各种图形，也可以在可视化分析完成后快速剥离 Matplotlib 代码。 本场 Chat 以股票数据的可视化为例，介绍如何将 Python 的装饰器应用于数据可视化过程中。本场 Chat 主要内容包括： 1. 剖析 Python 装饰器的原理 2. Matplotlib 函数式绘图的方法 3. 常用 Matplotlib 图形的绘制 4. 装饰器在数据可视化中的应用 本场 Chat 适用于 Python 入门级的同学，从中可以掌握如何使用 Python 装饰器的机制和用法。

Python 由于其易上手、丰富的第三方库支持等优点，已经作为一种标准编程语言应用在金融数据的量化分析中。尽管 Python 上手很快，但是当我们着手搭建一个系统时，需要考虑软件的移植、扩展和维护。作为一门面向对象的语言，掌握 Python 的面向对象编程思维和方法至关重要。 本场 Chat 以股票量化交易中经典的动量策略为例，从面向对象的思维、方法、过程和实现等角度介绍用Python面向对象思维编程的关键点。 本场 Chat 主要内容： 1. 概述 Python 面向对象机制 2. 如何编写一个完整的类 3. 由类到实例的过程及其区别 4. 类的继承和组合方法的应用 5. 以动量策略为场景的应用 本场 Chat 适用于 Python 入门级的同学，从中可以掌握如何使用 Python 面向对象去编程。

Python 进行数据分析和价值挖掘是当前炙手可热的技术领域，如何高效地管理大量数据是其中非常关键的环节。数据库是最佳的解决方案之一，目前流行的数据库有 Oracle、MySQL、MongoDB、Redis、SQLite……关于数据库的选型通常取决于性能、数据完整性以及应用方面的需求。 本场 Chat 推荐一款 Python 内置的轻型数据库——SQLite3，它本身是用 C 写的，不但体积小巧，而且处理速度快，非常适合用于 Python 金融量化分析爱好者在本地实现数据管理。 本场 Chat 以股票交易数据为例具体介绍如下内容： 1. 概述 SQLite 的发展和特点 2. Python 操作 SQLite 的 API 介绍 3. Pandas 操作 SQLite 的 API 介绍 4. 建立 SQLite 股票行情数据库 5. 基于 SQLite 股票行情数据分析 本场 Chat 适用于具备 Python 基础能力的同学，从中可以掌握在 Python 下通过 SQLite 实现大数据分析的技巧。

Python 进行数据分析和价值挖掘是当前炙手可热的技术领域，在 Python 环境下 Pandas 库使得处理数据非常方便、快速和简单，其中核心数据结构 DataFrame 起到了关键的作用。如何全方位、准确地从 DataFrame 数据中访问到我们所需的数据是进行清洗、处理、建模等一系列的动作的前提条件。 本文以股票交易数据为例详细介绍从行列索引、元素位置、时间序列、条件判断、矢量化遍历、循环遍历等各角度提取所需数据的方法。 具体内容包括： 1. 如何获取到股票交易数据 2. 如何概览交易数据的特性 3. 如何准确、便捷地访问指定数据 4. 如何高效地从遍历中访问指定数据 本场 Chat 适用于仅需具备 Python 基础能力的同学，从中可以掌握 Pandas 库灵活访问 DataFrame 数据的使用技巧。