python在论文写作中的应用

可以的，毕业设计可以用Python语言，重点是论文的项目和文字内容排版。论文的内容不能过于重复。

从一定的角度上来说，Python是非常不错的编程语言，适合零基础，对初学者十分友好，可以广泛应用在众多领域。几乎所有大中型互联网企业都在使用Python完成各种各样的任务。对于程序员来说，Python就像胶水一样，可以更好的帮助我们完成编程工作。Python语言拥有众多应用领域：1、web应用开发：Python经常用于web应用开发，虽然PHP、JS 依然是 Web 开发的主流语言，但是Python一直处于上升阶段。2、自动化运维：Python 是标准的系统组件，大多数 Linux 发行版以及 NetBSD、OpenBSD 和 Mac OS X 都集成了 Python，可以直接在终端运行Python。3、网络爬虫：Python很早就是用来撰写爬虫的语言，很多大型的搜索引擎公司就是使用Python进行编写爬虫的。4、科学计算：NASA 就大量使用 Python 进行各种复杂的科学运算。Python 在数据分析、可视化方面有相当完善和优秀的库，可以更好满足Python程序员编写科学计算程序。5、游戏开发：Python可以用来编写游戏逻辑，功能简单，体积小，同时Python支持更多的特性和数据类型。

1、人工智能：Python是人工智能的首选语言，选择人工智能作为就业方向是理所当然的。2、大数据：Python在大数据上比java更加具有效率，大数据虽然难学，但是Python可以更好的和大数据进行对接，尤其是大数据分析这个方向。3、网络爬虫：爬虫是进行数据采集的利器，利用Python可以更快的提升对数据抓取的精准程度和速度。4、全栈工程师：全栈工程师是指掌握多种技能，并能利用多种技能独立完成产品的人，也叫全端工程师5、自动化运维：运维工作者对Python的需求也很大;6、自动化测试：Python十分高效，目前做自动化测试的大部分的工作者都需要学习Python帮助提高测试效率。用Python测试也可以说是测试人员必备的工具了。

后台管理，二次开发，运维和测试的自动化，数据挖掘，分析，人工智能等等。目前知乎，豆瓣，抖音等都在应用！

python在人工智能的应用论文

Python有很多人在用啊，Python在编程领域的占有率一直处于稳步上升之中，只是中文书籍比较少Bit Torrent，google的大部分程序，还有很多游戏也是用Python制作的跨平台、可移植、开发快速的脚本语言是未来的趋势，java虽然也是脚本语言，但Python更快再说说另外两种语言，快速的C语言适于核心开发，兼容性广的java目前适合绝大多数移动开发（Python移动开发也不错），各有用武之地

python是一种编程语言就像是c语言、java语言一样。他有特殊的语法。可以实现任何你想实现的功能。胶水型语言，可以执行性好，可以在众多电脑环境中执行。

Python，是一种面向对象的解释型计算机程序设计语言，具有丰富和强大的库，Python 已经成为继Java，C++之后的的第三大语言。特点：简单易学、免费开源、高层语言、可移植性强、面向对象、可扩展性、可嵌入型、丰富的库、规范的代码等。1、人工智能：Python是人工智能的首选语言，选择人工智能作为就业方向是理所当然的。2、大数据：Python在大数据上比java更加具有效率，大数据虽然难学，但是Python可以更好的和大数据进行对接，尤其是大数据分析这个方向。3、网络爬虫：爬虫是进行数据采集的利器，利用Python可以更快的提升对数据抓取的精准程度和速度。4、全栈工程师：全栈工程师是指掌握多种技能，并能利用多种技能独立完成产品的人，也叫全端工程师5、自动化运维：运维工作者对Python的需求也很大;6、自动化测试：Python十分高效，目前做自动化测试的大部分的工作者都需要学习Python帮助提高测试效率。用Python测试也可以说是测试人员必备的工具了。

你好，学习Python编程语言，是大家走入编程世界的最理想选择。Python比其它编程语言更适合人工智能这个领域，无论是学习任何一门语言，基础知识，就是基础功非常的重要，找一个有丰富编程经验的老师或者师兄带着你会少走很多弯路，你的进步速度也会快很多，无论我们学习的目的是什么，不得不说Python真的是一门值得你付出时间去学习的优秀编程语言。在选择培训时一定要多方面对比教学，师资，项目，就业等，慎重选择。

excel在工作中的应用论文

Word：主要用来文档处理，偏重于文字Excel：主要用来数据处理Powerpoint：报告、演讲

WORD主要是文字处理EXCEL主要是数据处理Powerpoint主要是演讲培训汇报

WORD：一般的文字性的工作都可以用WORD完成。比如，个人写日记，写文章，写作文，写论文，排版文集书籍杂志，做个人简历；公司制作公司文件，公司手册，产品手册，宣传手册，信封排版等；各类文字介绍为主的东西都可以使用WORD制作。－－WORD比较通用的，任何文字性的东西都可以用WORD来做。甚至EXCEL表格也可以放在WORD中，图片和文字可以混排。EXCEL：一般的表格性的工作都可以用EXCEL完成。比如，财务部制作工资条，收支明细，数据统计分析；老师制作学生花名册，成绩单；学校做师生档案；个人做记账等；各类清单，日志记录，产品目录等都可以用EXCEL制作。－－数据类似且量大的适合用EXCEL来做，且可以分析数据行、和，能做计算、汇总、统计、分析，自动生成图表，功能也相当强大。POWERPOINT：主要用于宣传、演示、讲解。比如，老师上课的课件；公司培训的教程；公司的报告；个人自我展示介绍；各类介绍性、宣传性、广告性的东西都可以制作成PPT用幻灯片演示给别人看。－－这个比较直观，当很多人同时要看的情况下，制作PPT是最合适不过的。－－－－这三个软件可以说是在办公和生活中都会用到的。特别是在公司里，几乎天天都要用到：财务部采购部用EXCEL较多；行政人事部用WORD较多；企划部宣传部偏向用PPT较多；产品部项目部则都用。

EXCEL构建财务分析数据库 [2010-05-06 03:01] 【关键词】 EXCEL; 财务 -　　　　【摘要】 EXCEL具备强大的数据分析工具和数据处理功能，基于EXCEL的财务分析数据库具有灵活、简便的特性，可以满足个性化、多层次、多维度的财务分析需求，从而弥补通用财务软件和管理信息系统财务分析功能薄弱的现状，提高财务分析的作用和效率。【关键词】 EXCEL; 财务分析; 数据库用友、金蝶等财务软件以及企事业其他信息系统的应用和普及，大大提高了中小企事业单位会计信息化程度，减轻了会计人员的负担，节约了财务成本。但实务工作者也发现，财务软件更偏重于会计账务的处理及标准财务报表的提供，而分析功能不足，未提供良好的分析工具，分析方法也不够灵活，其他信息系统更偏重于业务处理。这时就需要借助EXCEL等外部工具进行个性化的财务分析。一、财务分析数据库的构建用EXCEL建立财务分析数据库时，可以充分发挥其灵活性，从各个维度、各个层次对企事业单位数据进行分析。尽管EXCEL2007已经解除了以前版本只能处理65 536行数据的限制，但是也要考虑到数据库如果过于庞大，运行速度会降低。因此，建立数据库时如果数据库偏大，可以将数据库拆分成几个小的数据库。明确了数据库的构建目标后，就可以从不同地方收集财务分析数据。这些数据既可以从用友、金蝶等财务软件获取，也可以从企事业单位的其他信息系统导入，如医院的HIS系统、药品管理系统、材料进销存系统等等。导入的数据既可以是用友等财务软件整个科目数据，也可以是固定资产数据等等。财务软件和其他信息系统一般都有导出成EXCEL电子表格的功能，如果这些信息系统软件可以导出成分隔符区分的文本文件，也可以通过EXCEL中的分栏工具进行拆分。(一)基础数据字段整理在进行基础数据整理时，经常会用到这些函数:时期处理函数。如根据日期提取年、月、周的数据:YEAR()，MONTH()，WEEK()。字符处理函数。如提取字符串中的某一内容:LEFT()，MID()，RIGHT()。字符串联结:CONCATENATE()。数据格式转换函数。如将数字强制转换成文本:TEXT()。逻辑判断函数。如条件判断:IF()。信息提取:ISNA()，ISTEXT()。(二)数据的归类财务分析时经常会对数据进行分类，这时可以借助函数VLOOKUP()来实现。如对食品进行分类时，可以首先建立一张字典表，如表1。然后在数据库里面在目标单元格输入函数vlookup()并设置函数参数，再对整个字段进行填充，就可以根据字段食品名称获取其对应分类了。(三)数据库的定义数据收集整理完后，可以在EXCEL里形成一张表单(sheet)，可将有数据的区域定义为一张表，并为之命名。本文以医院收入分析数据库为例，基础数据通过医院用友、HIS系统收集整理后，存放在一张名为“医疗收入”的表单内。这时先选择所有数据区域，点击右键，选择“命名单元格区域”，命名为如“数据表”。定义数据区域可以更方便地对数据库进行维护。建立的数据库如图1。二、财务数据的分析数据库建立好之后，就可以充分利用EXCEL的数据分析挖掘工具，灵活方便地对数据进行分析。下面介绍几种常用的分析方法。 (一)对比分析建立的数据库如果包含了一段时期的数据并进行归类后，可方便地 -二、财务数据的分析数据库建立好之后，就可以充分利用EXCEL的数据分析挖掘工具，灵活方便地对数据进行分析。下面介绍几种常用的分析方法。(一)对比分析建立的数据库如果包含了一段时期的数据并进行归类后，可方便地实现对比分析。这里面需要用到EXCEL的数据透视表工具，首先将光标定位到“数据表”，单击“插入数据透视表”，并根据需要选择报表筛选字段、行标签、列标签字段以及值字段。在作对比分析时，应该在列标签选择时间字段，并选择需要进行对比的时间段。透视表建立后，可以通过报表等字段筛选数据的范围，例如既可以看全院收入，也可关注某一个或几个科室的收入分析。同时，在邻近单元格建立公式对数据进行比较分析。建立的数据对比分析如图2。(二)趋势分析趋势分析也是财务分析中的一个常用方法，分析人员可以从数据变化趋势看出数据的长期变化趋势及季节趋势等。用EXCEL建立趋势分析时，也要建立数据透视表并选择要分析的字段。作趋势分析时，可以辅以图片更能直观地进行分析。将光标定位在数据透视表内，单击“插入折线图”或其他图形模板，并调整图形格式就可以制作出专业的图表。如图3。(三)结构分析结构分析可以看出数据之间的构成分析。在EXCEL里面作数据的结构分析时也可以通过建立数据透视表，选择要分析的数据字段进行分析。同时，还可以制作数据饼图等进行直观的观察分析。数据的结构分析如图4。三、财务分析数据库的维护与更新财务分析数据库建立完成后，可以根据个性需求灵活地对数据进行抽取和分析。同时，这个数据库也是可以动态更新的。更新数据库时，只需在数据表末端追加数据记录，数据库就会智能地将数据加入。当然，这个数据库也支持对以前数据记录进行修改，批量修改数据时可以使用EXCEL的批量替换功能;具备支持增加和删减字段的功能。修改数据库后，应确保增加的记录在数据表内可以通过扩大数据表区域来实现。同步更新数据透视表和数据图时，只需要在任意表内，单击“更新数据源”，则所有基于数据库的透视表和数据图都可以同步进行更新，操作非常方便。从上述研究可以看出，EXCEL具备灵活、简便而功能强大的数据分析和挖掘功能，而基于EXCEL数据库的维护和更新也非常简单，财务人员通过简单的操作，就可以从各个维度、范围对财务数据进行深入的分析。当然，EXCEL还具备更多的数据分析潜能，需要财务人员在工作中发挥主动性和创造力，从而提高财务分析的效率和作用。【参考文献】[1] 陈伟自动化财务信息处理系统的构建[J] 财会月刊:理论版，2006(10)[2] 张瑞君，译EXCEL在财务管理中的应用[M] 中国人民大学出版社，

经济写作在实践中的应用论文

经济应用文写作学后感紧张的学习生活，在我们还没有细细品味出它属于哪种滋味时，就突然结束了。时间，不会因为我们的投入与不投入而放慢它的脚步，所以，在有限的时间内，尽量掌握更多的学习知识点，才是最重要的，在这个学期里，我们的课程里多个一门我们从没接触过的课程，财经应用文。通过这学期的学习，让我们知道了很多东西。可以说是受益匪浅了吧。我们也知道在随着社会的飞速发展。人们越来越深刻的认识到了经济发展需要多元化、多层次的人才的。因此也要有一定的写作水平才行的，最少应该知道怎样写总结，写总结的格式又是如何的。这既是对自己前一段时间工作的肯定，也是让上级能够清楚的知道你在这段时间到底做了些什么、学到了什么、工作如何。这在以后我们步入社会，在公司上班，少不了也会写工作总结，或一些策划。经营方向策划等等的报告。这些报告写的好坏会直接影响到你在老板心目中的地位和印象的。如何才能把这些写好，让老板一看就能一目了然了的。对我们现在来说学好经济应用文写作是非常有必要的，也已是十分重要的，它既是岗位工作者必备的基本能力之一。也是我们学生要撑握的一门重要的必备写作总结的能力的一个评价，就举一些有关学校里的一些事做为例子好了。比如说我们的班长、团支书都要将活动总结报告给系团总支。这里也就会要求他们会写总结，光会写也没用的，还要知道要如何写，格式如何。总不能就是在哪里写流水账吧，这些都是有讲究的。这当中也包括我们的老师也是要写总结的。这就要求我们要学会如何总结，如何更加规范化我们的语言。可见学好这门课程是多么的有用，多么的重要了。这都是在经济应用文学后才知道的。经过这一个学期的学习，我知道了很多以前所不知道的。原来应用文不仅仅是以前的请假条、通知、启示等这些浅浅的。它还有很多种类的。新产品研究涉及的调查报告，先行试验报告，可行性分析报告，新产品开发项目建议书，新产品试验大纲，市场调查报告，预测报告，企业经营方案。广告策划书、企业策划等等。在学完这门课程之后，也知道了做每一项工作和事情都要有明确的计划和步骤的，行动有了方向，工作有了目标，心中真正有了底！基本做到了忙而不乱，紧而不散，条理清楚，事事分明，就可以从根本上摆脱了只顾埋头苦干，不知总结经验的现象。也知道当我们大学毕业后，步过了社会，我们就要面对现实。不能够单知道埋下头的去忘我地工作，还要能在回过头的时候，对工作的每一个细节进行检查核对，对工作的经验进行总结分析，从怎样节约时间，如何提高效率，尽量使工作程序化，系统化，条理化，流水化！从而在百尺杆头，更进一步，达到新层次，进入新境界，创开新篇章！我想经过这样紧张有序的煅练，以后在工作写总结时就可以上一个新台阶了。我会把这门课程学得更好的。也相信自已以后一定会对自己的工作和学习有一个好的总结，给自已的人生一个圆满的总结。

请你在百度搜作文论坛再行查找

调查法调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史状况的材料的方法。调查方法是科学研究中常用的基本研究方法，它综合运用历史法、观察法等方法以及谈话、问卷、个案研究、测验等科学方式，对教育现象进行有计划的、周密的和系统的了解，并对调查搜集到的大量资料进行分析、综合、比较、归纳，从而为人们提供规律性的知识。调查法中最常用的是问卷调查法，它是以书面提出问题的方式搜集资料的一种研究方法，即调查者就调查项目编制成表式，分发或邮寄给有关人员，请示填写答案，然后回收整理、统计和研究。观察法观察法是指研究者根据一定的研究目的、研究提纲或观察表，用自己的感官和辅助工具去直接观察被研究对象，从而获得资料的一种方法。科学的观察具有目的性和计划性、系统性和可重复性。在科学实验和调查研究中，观察法具有如下几个方面的作用：①扩大人们的感性认识。②启发人们的思维。③导致新的发现。实验法实验法是通过主支变革、控制研究对象来发现与确认事物间的因果联系的一种科研方法。其主要特点是：第一、主动变革性。观察与调查都是在不干预研究对象的前提下去认识研究对象，发现其中的问题。而实验却要求主动操纵实验条件，人为地改变对象的存在方式、变化过程，使它服从于科学认识的需要。第二、控制性。科学实验要求根据研究的需要，借助各种方法技术，减少或消除各种可能影响科学的无关因素的干扰，在简化、纯化的状态下认识研究对象。第三，因果性。实验以发现、确认事物之间的因果联系的有效工具和必要途径。文献研究法文献研究法是根据一定的研究目的或课题，通过调查文献来获得资料，从而全面地、正确地了解掌握所要研究问题的一种方法。文献研究法被子广泛用于各种学科研究中。其作用有：①能了解有关问题的历史和现状，帮助确定研究课题。②能形成关于研究对象的一般印象，有助于观察和访问。③能得到现实资料的比较资料。④有助于了解事物的全貌。实证研究法实证研究法是科学实践研究的一种特殊形式。其依据现有的科学理论和实践的需要，提出设计，利用科学仪器和设备，在自然条件下，通过有目的有步骤地操纵，根据观察、记录、测定与此相伴随的现象的变化来确定条件与现象之间的因果关系的活动。主要目的在于说明各种自变量与某一个因变量的关系。定量分析法在科学研究中，通过定量分析法可以使人们对研究对象的认识进一步精确化，以便更加科学地揭示规律，把握本质，理清关系，预测事物的发展趋势。定性分析法定性分析法就是对研究对象进行“质”的方面的分析。具体地说是运用归纳和演绎、分析与综合以及抽象与概括等方法，对获得的各种材料进行思维加工，从而能去粗取精、去伪存真、由此及彼、由表及里，达到认识事物本质、揭示内在规律。跨学科研究法运用多学科的理论、方法和成果从整体上对某一课题进行综合研究的方法，也称“交叉研究法”。科学发展运动的规律表明，科学在高度分化中又高度综合，形成一个统一的整体。据有关专家统计，现在世界上有2000多种学科，而学科分化的趋势还在加剧，但同时各学科间的联系愈来愈紧密，在语言、方法和某些概念方面，有日益统一化的趋势。个案研究法个案研究法是认定研究对象中的某一特定对象，加以调查分析，弄清其特点及其形成过程的一种研究方法。个案研究有三种基本类型：(1)个人调查，即对组织中的某一个人进行调查研究；(2)团体调查，即对某个组织或团体进行调查研究；(3)问题调查，即对某个现象或问题进行调查研究。功能分析法功能分析法是社会科学用来分析社会现象的一种方法，是社会调查常用的分析方法之一。它通过说明社会现象怎样满足一个社会系统的需要（即具有怎样的功能）来解释社会现象。数量研究法数量研究法也称“统计分析法”和“定量分析法”，指通过对研究对象的规模、速度、范围、程度等数量关系的分析研究，认识和揭示事物间的相互关系、变化规律和发展趋势，借以达到对事物的正确解释和预测的一种研究方法。模拟法（模型方法）模拟法是先依照原型的主要特征，创设一个相似的模型，然后通过模型来间接研究原型的一种形容方法。根据模型和原型之间的相似关系，模拟法可分为物理模拟和数学模拟两种。探索性研究法探索性研究法是高层次的科学研究活动。它是用已知的信息，探索、创造新知识，产生出新颖而独特的成果或产品。信息研究方法信息研究方法是利用信息来研究系统功能的一种科学研究方法。美国数学、通讯工程师、生理学家维纳认为，客观世界有一种普遍的联系，即信息联系。当前，正处在“信息革命”的新时代，有大量的信息资源，可以开发利用。信息方法就是根据信息论、系统论、控制论的原理，通过对信息的收集、传递、加工和整理获得知识，并应用于实践，以实现新的目标。信息方法是一种新的科研方法，它以信息来研究系统功能，揭示事物的更深一层次的规律，帮助人们提高和掌握运用规律的能力。经验总结法经验总结法是通过对实践活动中的具体情况，进行归纳与分析，使之系统化、理论化，上升为经验的一种方法。总结推广先进经验是人类历史上长期运用的较为行之有效的领导方法之一。描述性研究法描述性研究法是一种简单的研究方法，它将已有的现象、规律和理论通过自己的理解和验证，给予叙述并解释出来。它是对各种理论的一般叙述，更多的是解释别人的论证，但在科学研究中是必不可少的。它能定向地提出问题，揭示弊端，描述现象，介绍经验，它有利于普及工作，它的实例很多，有带揭示性的多种情况的调查；有对实际问题的说明；也有对某些现状的看法等。数学方法数学方法就是在撇开研究对象的其他一切特性的情况下，用数学工具对研究对象进行一系列量的处理，从而作出正确的说明和判断，得到以数字形式表述的成果。科学研究的对象是质和量的统一体，它们的质和量是紧密联系，质变和量变是互相制约的。要达到真正的科学认识，不仅要研究质的规定性，还必须重视对它们的量进行考察和分析，以便更准确地认识研究对象的本质特性。数学方法主要有统计处理和模糊数学分析方法。思维方法思维方法是人们正确进行思维和准确表达思想的重要工具，在科学研究中最常用的科学思维方法包括归纳演绎、类比推理、抽象概括、思辩想象、分析综合等，它对于一切科学研究都具有普遍的指导意义。系统科学方法20世纪，系统论、控制论、信息论等横向科学的迅猛发展，为发展综合思维方式提供了有力的手段，使科学研究方法不断地完善。而以系统论方法、控制论方法和信息论方法为代表的系统科学方法，又为人类的科学认识提供了强有力的主观手段。它不仅突破了传统方法的局限性，而且深刻地改变了科学方法论的体系。这些新的方法，既可以作为经验方法，作为获得感性材料的方法来使用，也可以作为理论方法，作为分析感性材料上升到理性认识的方法来使用，而且作为后者的作用比前者更加明显。它们适用于科学认识的各个阶段，因此，我们称其为系统科学方法。你自己再按情况选一选，应该就可以了

写论文用stata还是python

都适合，用于不同情况

Stata其简单易懂。迎。使用时可以每次只输入一个命令，适合初学者，也可以通过一个Stata程序一次输入多个命令，适合高级用户。这样的话，即使发生错误，也较容易找出。并加以修改。数据管理。。尽管Stata。的数据管理能力没有SAS那么强大，它仍然有很多功能较强且简单的数据管理命令，能够让复杂的操作变得容易。Stata主要用于每次对一个数据文件进行操作，难以同时处理多个文件。

R是用于统计分析、绘图的语言和操作环境。R是属于 GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。该软件提供的功能包含线性混合模型、均衡重复反复及多项式普罗比模式。是的，如果内存足够大的话，强烈推荐。我用过Stata、MATLAB、Python和R，但我最喜欢的是R。我认为用这样的方式来评价R是合适的:在上速，R比Stata小一点;在矩阵运算中，R小于MATLAB;在语法简单性方面，R小于Python。但是R的力量是，只要你学习语言，然后通过牺牲一点点的用户体验就能意识到以上三种甚至更多的结合可以实现语言的功能。另外，尽管R是自由软件，但文档是好的。像ggplot2这样的工件根本不需要学习，而且这些文档都是清晰的，并附有示例。最后，不要忘记RStudio这个工件。它可以帮助你弥补失去的用户体验stata的主要功能是进行计量分析，所以语言不是很复杂，快速，直观，比r容易。经验分析的缺点是，费用软件。如果数据太大，可能会比较慢。但对于一个经济系的学生来说，数据通常不是太大，所以肯定是足够好了。画不如r好。R主要是统计和数据分析。它比stata更有功能。做实证研究并不是问题。R语言比stata稍微难一点，它的工作方式与stata不同。R是开源软件，免费，社区更活跃，经常有一些新颖和尖端的用法。此外，由于R具有更多的特性，它可以实现stata无法实现的许多功能，比如编写爬虫程序爬行web数据和直接在RStudio中编写文档。如果这是对经济学的实证研究，那么这两种软件都可以得到充分的满足，而经济学教授也可以使用这两种软件。如果只是为了写论文而短期使用的话，考虑一下stata，因为它的速度非常快。(也可以考虑SPSS或eview，但我还没有使用它。)如果你要做长期的研究，你可以两者兼顾。但是如果你想探索更多的可能性和更多的函数，最好使用r。

学习经济学需要熟悉哪些编程语言？1)坛友arthur_2006处理和分析数据都用得到，最基本的是excel，如果你的VBA用得好的话会有很大的帮助，如果你要分析数据的话，比如你要建模那么SAS还是不错的，不过比较难掌握如果你没有语言方面的基础，其他还有很多软件也能做得到。很多银行证券期货企业都使用的是oracle或者DB2，一些小企业可能使用的是SQL，所以如果想在这方面发展就要掌握数据库的知识，毕竟金融和计算机兼备的人才还是稀缺的，而且国内很多行业都是用的是这几大数据库比如电信医疗航空等等，不会分析金融数据恐怕称不上什么金融专家吧，至于你分析得准还是不准那就要看你的金融知识掌握的程度啦，尤其是投资专业的学生学习一些这方面的知识是必要的，很多人是应用金融学专业的偏向于财务，那就去考考CFA，ACCA什么的，也没必要在这上面花费太多精力而且工作中很可能用不到的，金融数学金融工程精算专业的同学花点时间研究一下还是很有必要的，总而言之一句话，首先要看你的兴趣再就是你的专业和发展方向。2)编程爱好者任坤做统计和计量的话，想要跟当今的国际学术界接轨，最好学R，至少我所知道的目前美国的统计学术界被R占领的趋势很明显了。如果只是做简单地回归随便解读一下，那随便选个傻瓜软件就可以了。如果只是应用现成的成熟的计量模型来做实证研究，那么傻瓜软件一般也就可以了。如果要以统计、计量为研究领域或者专业领域，那么编程性的东西是少不了的，即使是做实证如果涉及较为复杂的数据结构，懂编程也能帮你大幅提高生产力。另外，R的社区比较活跃，能够较好地跟上前沿。如果涉及到处理较大的数据，一种办法是用SAS，如果不想用SAS可以学数据库方面的东西，比如把数据放在SQLite数据库中然后用{RSQLite}访问数据库，或者用{sqldf}通过SQL操作环境中的data frame。如果觉得执行某项任务R单核速度慢，那么可以使用{parallel}或者{parallelMap}做并行计算，也可以利用云计算来处理数据。如果涉及到其他社区的东西在R社区中没有实现，例如Java的东西，可以用{rJava}来调用Java的对象，不过速度有些慢。比较好的办法是我在想从事数据分析工作，学什么软件或语言最好？提到的F#函数式编程语言，用RProvider可以直接调用R，用JavaProvider直接调用Jar打包的Java程序，用PythonProvider（即将发布）直接调用Python程序，等等，很容易将各大社区的资源整合在一起使用。目前我在GitHub上面弄一个通过R学习统计、计量、非参、数据可视化、数据库的repo: renkun-ken/learnR on GitHub ，虽然目前还没什么内容，不过可以跟踪一下。以上说得都是经济学相关的统计和计量方面所需要的编程。事实上统计和计量所需的「编程」较为简单，基本也就是处理数据、应用已经提供的计量模型，更多需要编程的是：一、如果涉及较为前沿的计量模型，可能还需要自己实现；二、一些蒙特卡罗模拟需要一些编程。从经济学相关的一些新型领域来说，计算经济学（Computational Economics）、计算统计学（Computational Statistics）以及计算计量学（Computational Econometrics）则需要较强的编程能力，包括算法实现、算法分析等等。举个例子，计算经济学中目前做的一块研究是Agent-based computational finance，就是建立一个模拟的金融市场，里面有几种资产，每种资产的基本面由随机的红利决定，里面有许多遵循各种逻辑的投资者，投资者对于红利发放持有的信念不同，因而从各自的逻辑触发的交易行为不同。在一个复式竞价（double auction）的交易市场中，什么样的投资者组成或者行为方式、什么样的记忆长短，能够最大程度地复制出我们在现实金融市场中观测到的资产价格或者资产收益率规律，例如资产收益率尖峰肥尾、不对称性。此时，研究者就需要较扎实的金融知识来设计一个不过于简单而又不过于复杂的模拟金融市场，也需要相应的编程能力把模型用程序语言编写出来。这中间会设计许多编程技术，例如数据库（有时要跟踪许多变量，例如投资者现金流动、财富分布）、并行计算（CPU多核并行、多进程并行、集群上的并行甚至GPU计算）等等。这方面的研究从1990s年代才开始。3)知乎网友Jichun Si计量经济学也有很多小的门类，请对号入座。有很多软件，Stata， matlab， R， SAS是相对来说用的比较多的。如果是做应用计量（特别是横截面数据、面板数据），Stata是不二之选，因为不管是管理数据还是跑回归，实在太太太方便了。现在主流期刊的应用微观计量文章里面能用到的模型stata几乎都有，而且其中的绝大多数都是用stata做的。而且最大的优点是，简单！如果做应用的时间序列，Eviews似乎是一个不错的选择。但是我一般不做这方面，也不是很有发言权。如果做理论计量，stata eviews是没有现成的包的，而且即便Stata可以编程，可编程能力也是很差的，而且不稳健。所以懂R和Matlab就非常顺手。当然也可以用Python，最近Sargent就写了本用Python做计量的书。还有一个Julia，是这三种语言的混合，但是速度快很多，缺点是太过于小众。如果对速度要求高，特别是金融计量很多对速度有要求的，可以考虑C、Fortran等语言。C和Fortran肯定是最快的。还有一个叫做OX的，速度快，但是也很小众。但是这些语言的缺点是学习难度比较高，开发时间比较慢。Julia据说速度堪比C，而且语法特别像Matlab、Python（意味着容易学习），但是处于刚起步阶段，用的人太少了。如果是金融计量领域，强烈建议学会SAS。SAS是最权威，速度也很快，当然最大的问题是昂贵，而且可编程能力不是多么好。但是金融里面数据量都非常非常非常大，一般的软件都瘫的时候，SAS就派上用场了。像我自己，做应用的时候都是用stata整理数据，能用stata的坚决不用其他软件。但是因为有的时候做一些理论计量的工作，所以matlab也是必不可少的。我也在学习Julia，因为matlab的速度实在太慢。Python我一般不用来做科学计算，用的人不多，而且速度慢，一般是用来抓数据的。最后还是补充一点吧，为什么我推荐matlab而不是其他的软件，也是有道理的。很多模型，比如空间计量模型（spatial econometrics）、贝叶斯估计、以及宏观计量里面的DSGE model、SVAR等模型，在stata、Eviews里面都是没有什么现成的东西可以用的，但是matlab提供了丰富的包，比如Dynare就是基于Matlab的，还有LeSage的空间计量软件包等等，也是基于matlab的。所以几乎你想用的模型matlab里面都能找到codes然后直接用。就算没有，你自己在matlab里面写，也不是什么难事。最后想起一句话来，关于这些软件的选择（stata除外，因为stata在应用计量领域的地位是几乎不可替代的）可以用两句话来概括：如果你自己的时间比计算机的时间宝贵的话，学习matlab、R、甚至Python、Julia是最合适的，如果计算机的时间比你的时间宝贵的话，学习C、Fortran是必须的。当然除非你的工作非常特殊（比如一些大型的结构模型的估计），一般来说，还是自己的时间更宝贵一点。综上，做应用和做理论是不可能用一种软件解决的，建议根据自己的方向进行挑选。我觉着stata、matlab是比较推荐的，一个方便，一个灵活，都很强大，而且学习难度都不大，用的人都很多，交流起来相当方便。4）网友张真实数据，简单的用excel，直观，方便。复杂一些的…excel最多可以有6万多行，你确定你需要从那么大量的数据开始“学经济学么？复杂的用R，各种模型，算法，实现，基本上R都有对应的软件包了，下载下来直接用即可，多读文档多练多用，半年左右就可以抛开excel直接用R作实战了。我博士论文全部回归和输出都是用R的，现在写的论文也都用它。替代品是Stata。也很好，但如果你和我一样是从0开始，那么强烈建议选R。R的一个不足是没法作符号运算，这个免费的解决方案有python搭配scipy numpy等几个包，不过建议你用mathematica，它的符号计算功能最强大，输出格式也最好。你可以找个jacobian矩阵搞一下符号计算，比较一下结果就知道了。Python这东西，熟悉了R之后，发现有功能是R实现不了的，到时候有实际需求了，再学也不迟。不是立刻就需要的。此外，所有经济学研究(我是指empirics类型的，具体意思你懂的)，都要会用latex，可以把它看做是一门编程语言。在word里排数学公式，用不了多久你就会疯掉。R中可以用ggplot2来绘图，输出到tex中。普通数据表用xtable包输出到tex，回归结果用stargazer输出到tex，都很方便。5）网友bayes首先要说的是R，绝对是目前国外学术界的主流，统计系基本除R以外没有其他了，计量作为和统计相关的方向，R也在逐渐渗透。所以推荐学习。顺便说一句，R的学习曲线是比较陡峭的，所以我不太建议零基础的人从R开始，否则挫折感会比较强烈。而python会略好，所以我建议从python开始。python并非是专用于统计或者计量的软件，而是一种非常流行的通用编程语言。经过多年发展，库也非常齐备。我试用过numpy，scipy和pandas等库，与其他通用编程语言相比，算是相当好用，不过个人感觉还是比不上R，比如画图，ggplot2真心是神一般的存在，python的库还是略逊一筹。但是，除了数据处理之外，python可以干的事情太多了，也太牛了。我们主要要用到的，比如网页采集数据，需要正则表达式，解析网页等等。这些方面python就比R有优势多了。当然，从趋势来看，未来似乎python比R更优。R是一群统计学家在编程序，python是一群计算机专家在争取搞数据处理。似乎python的基础更扎实。个人观点，仅供参考。stata我认为是除了R以外最好的计量软件了，我两者均用过数年数个项目，但是依然感觉R更好用，整理和处理数据更方便。所以即使在楼上诸位所提到的微观计量领域，我依然更喜欢R。除此以外spss，或者eviews等，感觉管理类学生用的更多，功能比较受限，不太推荐。这里不赘述。上述的几个软件，还有个问题，在于都是收费的，考虑到未来知识产权的保护，还是用免费的略靠谱。R的主要缺点有两个：1，面对大数据乏力。这方面sas确实有优势，但是不得不说，sas的语法太反人类了，完全接受不能。面对这个问题，我要说的是，你得看问题有多大。以我的经验，经济里面的数据量似乎还不足以超过R的处理上限很多。可能金融的高频数据会比较大，我个人没啥经验，如果遇到再补充。我尝试过10g的数据，最简单的办法，不是学sas，而是买16g的内存。：）以现在的内存价格，我觉得32g以下的问题不大。2，性能不足。这方面python也有同样的问题，最好的解决方案是混合c/c++，不过这个就是无底洞了，耗时极多，都不见得能学好。建议的方法，还是买硬件，这个最简单。：）当然用并行包等，也是解决方法之一，我尝试过几次用机房的多台机器做集群，不是太成功。求高人指点。上面诸位还提到过几个软件，我也略微说一下自己知道的一些软件的看法：matlab：好东西，关键还是性能问题，同样可以靠c/c++来解决。但是我不喜欢比较大的软件，为了求个均值方差，等它启动就占了5分钟。。。julia：好东西X2，目前关注中，可能还比较年轻，导致配套的库略少，不过看好未来发展，主要是吸取了matlab，python和c/c++的有点，写的快，运算的也快，未来看涨，紧密关注。最后提一下函数式编程，是个好东西，但是不看好纯粹函数式编程的未来。它体现了一种颇先进的编程思想，但是在实际工作中，往往性能方面的问题较大。要解决这个问题，还是的混合函数式编程和其他方式，但这就是python，R等软件已经实现的方式，似乎又没有必要专门去学其他的函数式编程了。6）上海财经大学博士荣健欣Stata微观计量中应用极多，主要是直接输命令回归，需要编程的地方不多。至于编程，推荐R、PR是非常好的统计分析软件，在计量经济学中的应用可以见Econometrics in R， Applied Econometrics with R Time Series Analysis with Applications in R这几本书Python用来抓数据很好，并且有数学计算包SciPy可以部分替代Matlab之类科学计算的功能。7）知乎网友justin本科经济统计学，由于学校奇葩的课程设置，我们分别使用过：EViews：计量经济学，时序和多元统计。Stata：计量经济学。SPSS：专门开的一门课，这个巨汗，权当复习了一遍统计学。Excel：大一的统计入门课使用的，这个也巨坑，就是简单的函数使用，一点没有涉及VBA。Matlab：这个没有专门的课，是上完了C语言程序设计以后副产品，后来接触了R和Mathematica就基本抛弃了它。R/S-Plus：在回归分析的时候使用了S-Plus，不过那时候我已经使用R语言很久了，而且S-Plus基本兼容，所以没有使用过S-Plus。Minitab：质量控制课程上用的，基本的统计加上一些实验设计。SAS：这个在实验室中自学过几次，直接被其奇葩的语法雷到了，据说我们学校的研究生有专门的SAS课程（类似于本科的SPSS课程），呵呵了～我们系的妹（xue）纸（ba）就曾经抱怨说使用的软件太多了，完全被逼疯的感觉，还给我们亲爱的系主任提过意见。作为学渣也就这个问题问过系主任，她的意思是不同的软件在处理不同的数据时候是各有所长的，而且你们课程还是蛮轻松的，就多学点吧，另外不同的老师有不同的软件使用爱好，上课使用不同的软件是必然的。学习经济学的同学，Excel和SPSS，EViews（或者Stata)就蛮好的了，Stata和EViews都可以写一些程序的，SPSS的界面化操作也是很友好的。本人使用的R，在上各种课中也都会在学了那些软件后再使用R来实现（其实绝大多数时候R都已经有现成的包了，我也大多是直接使用），R还是很不错的，推荐。很多前辈也提出了，经济学学生学习编程适可而止就好了，要不然就是一条不归路啊，面临着彻底转行的危险，本人就是一枚反面例子（泪～。所以什么Python啊，C++啊，Julia啊就不要接触了。