金融數據分析常用的 Python 庫 (Pandas, NumPy) 簡介

如果你想開始用 Python 做金融分析，你不需要從頭造輪子。Python 之所以強大，是因為它擁有全世界最豐富的開源庫（Libraries）。對於金融人來說，有兩個庫是你必須熟練掌握的左膀右臂：NumPy 和 Pandas。

1. NumPy：數學運算的基石 金融分析離不開數學：矩陣運算、隨機數生成、線性代數。

為什麼不用 Python 原生列表 (List)？ 太慢了。

NumPy 的威力： 它使用 C 語言編寫的底層，支持向量化運算（Vectorization）。

場景： 假設你有兩個包含 100 萬個股價的列表，想把它們相乘。用普通的 Python 循環（Loop）可能需要幾秒鐘，用 NumPy 只需要幾毫秒。這在處理高頻數據時是天壤之別。

2. Pandas：金融數據的 Excel 如果說 NumPy 是給數學家用的，那 Pandas 就是專門給金融分析師設計的。它是在 NumPy 之上構建的，最核心的對象叫 DataFrame。

DataFrame 是什麼？ 你可以把它想像成一個**「超級 Excel 表格」**，但在 Python 的內存裡運行。它有行（Index）和列（Columns）。

Pandas 能做什麼？

時間序列處理 (Time Series)： 金融數據都是帶時間戳的。Pandas 可以輕鬆處理「將 5 分鐘線數據轉換成日線數據」（Resampling），或者「計算 20 天移動平均線」（Rolling Window）。這些在 Excel 裡很麻煩的操作，在 Pandas 裡通常只需要一行代碼。

數據對齊 (Data Alignment)： 你有兩張表，一張是匯豐的股價，一張是恒指的點數，但日曆不同（有的有假期）。Pandas 可以自動幫你對齊日期，填補空缺（Fill NA）。

3. Matplotlib / Seaborn：畫圖神器 數據分析完得展示出來。這兩個庫能幫你畫出專業的 K 線圖、熱力圖（Heatmap）和波動率曲面。

學習建議 不要去背函數文檔。最好的學習方法是Project-based Learning（項目式學習）。

任務： 去 Yahoo Finance 下載騰訊過去 10 年的股價數據（CSV檔）。

挑戰： 用 Pandas 讀取它，計算它的日收益率，然後用 Matplotlib 畫出收益率分佈圖。 當你完成這個小任務時，你就已經跨進了 Quant 的大門。