在金融領域，特別是在前台的工作人員，着重的不是硬件或軟件的工作效率，而是對對象的分析能力和調試的效率。基於這個想法，python 是十分勝任這件工作的編程語言。Python有着動態及弱定義的資料結構，即我們不需要事前知道我要處理的資料是整數（int）還是浮點（float）皆可以統一處理，特別是處理數字字串的時候，python的特性更具優勢。
簡單介紹後，我們來看一下在金融中，到底哪方面需要如此巨大的計算能力？在我幾年金融工作中，要需要到這計算能力的不外乎是資產分析和產品定價。資產分析方面，例如分析股價走勢，都涉及資料挖掘和時間列的分析，而產品的定價更需要大量的模擬計算。因此我們基本要學上以下的工具

python 2／3 － python 只是基本的程式語言，要學習python 2還是python 3，相關的討論還是很多，我不作討論。除了基本的語法，要實際地應用，至少要有 object-oriented programming，multi-threading,  regular expression的概念

numpy/scipy － 兩個是做科學計算的必要package，numpy 提供一個用c寫成的資料結構"ndarray"，作陣列計算。而scipy是計算包，從optimization 到simulation都有，詳細可以看一看手冊

statsmodel －作統計的計算包，主要用於時間序列方面的應用

matplotlib － 視像化工具包，想作一些高端大氣的圖表一定要用到

pandas － 一個新冒起的數据分析包，提供了十分全面的資料結構，從一維的Series到多維DataFrame／panel，提供十分方便的data structure，更重要的是它本身已經包含了基本scipy statsmodel 和matplotlib的基本工具（我們要感謝pandas的努力）

當然python已經發展到十分成熟，現在我們不需要逐個包抓下來，網路上已經有整合包，可以從anaconda 或者canopy上下載回來，次選擇會是 winpython ，日後有機會再加上用後感

以上都是我使用經驗，歡迎交流下除金融外的應用心得