① python接入不同類型資料庫的通用介面方法
日常數據管理工作中，需要處理存儲在不同類型資料庫系統的數據。對這些數據的管理，常見的是使用Navicat,DBeaver等管理工具。在對大量數據分析時，需要提取到Python/R中進行處理。下面 探索 Python調用MySQL,MongoDB,InfluxDB等多種類型資料庫通用連接方法。實現方式是在Python中封裝各類資料庫介麵包。
實現後的效果：1.安全。介面信息封裝便於保密管理；2.復用。一次封裝，永久復用；3.上手快。方便不熟悉python和數據調用的同學，只會簡單的sql即可使用，省時省力。
下面以MySQL,MongoDB,InfluxDB為例定義介面方法，然後把它們封裝成1個通用方法。
mysql_get(sql,db):
mongo_get(sql,db):
influx_get(sql,db):
可以看到，以上函數共同調用的參數為sql和db。我們再增加一個參數db_type，將構造一個通用的方法對以上資料庫調用。
同理，其他類型的資料庫也可以加入到這個通用框架中，包括但不限於各類關系型，鍵值型，時序型資料庫。
② 用python做期貨要學哪些東西
第一部分 Python基礎：
第1章 語法基礎
第2章 常用數據類型
第3章 函數式編程
第4章 常用數據類型的運算
第5章 循環（遍歷、迭代）
第6章 面向對象編程
第7章 裝飾器
第8章 錯誤和異常處理
第9章 模塊、包和文件
第10章 時間日期處理
第11章 多進程multiprocess模塊
第12章 多線程threading模塊
第13章 非同步asyncio庫
第二部分 期貨量化交易：
第14章 天勤量化框架
第15章 pandas模塊
第16章 TqSdk的使用
第17章 TqSdk部分函數解讀
第18章 量化策略示例
第19章 用GUI庫開發界面程序
第20章 K線與技術指標繪圖
第21章 定量分析初步
③ 只為了自己遍自己用的炒期貨軟體,學Python還是C#
這兩個都沒用，期貨和股票之類的需要藉助於第三方平台，象TradeBlazer，你所做的編程和開發也是需要用它提供的語言來進行，與C#什麼的沒有任何關系。
④ Quant 應該學習哪些 Python 知識
1. 如果還需要Deep Learning方面的東西的話，可以考慮Theano或者Keras。這兩個東西可能會用在分析新聞數據方面。不過不是很推薦使用這類方法去做量化模型，因為計算量實在是太大，成本很高。
2. 交易框架方面，除了vn.py，還推薦PyAlgoTrade框架，github上可以搜到。私以為這個框架比vn.py牛逼太多了，畢竟是一個在金融IT領域混跡近20年的老妖的作品，架構設計不是一般的優秀。
3. 國內的話，ricequant是個不錯的選擇，雖然使用的是Java，但是團隊我見過，都是做金融IT出身的，基本上都有7、8年以上經驗，底層功底非常扎實，做事情都很靠譜。現在他們也在考慮把SDK擴展到Python這邊。
4. 國內的行情和交易介面，使用的是自己的協議（比如CTP介面使用的是FTD協議），而不是國際上廣泛使用的FIX協議，並且都不開源。如果需要連接行情，還需要考慮將介面SDK為python封裝一下。（修改：評論中有人提到很多券商也開放了FIX介面，不過似乎是在內網使用）
5. 有人談到資料庫了，這里我也說一下，對於高頻tick級別的數據，其量級可以達到每天TB級別，普通的關系資料庫是扛不住的。如果試圖使用傳統的關系資料庫，比如Oracle之類的可以省省了。對付這種級別的數據，採用文件系統+內存索引會更好。不過這種場景，一般也就是機構裡面能碰到了，個人quant可以不用考慮。
⑤ tushare的介面怎麼樣使用
一、安裝TuShare
方式1：pip install tushare
方式2：訪問https://pypi.python.org/pypi/tushare/下載安裝
方式3：將源代碼下載到本地python setup.py install
二、升級TuShare
1、先查看本地與線上的版本版本號：
pip search tushare
2、升級TuShare：
pip install tushare --upgrade
確認安裝成功
import tushare as ts
print ts.__version__
import tushare as ts
df = ts.get_hist_data（『600848』）
ts.get_hist_data（『600848』，ktype='W『） #獲取周k線數據
ts.get_hist_data（'600848』，ktype='M『） #獲取月k線數據
ts.get_hist_data（'600848』，ktype='5『） #獲取5分鍾k線數據
ts.get_hist_data（'600848』，ktype='15『） #獲取15分鍾k線數據
ts.get_hist_data（'600848』，ktype='30『） #獲取30分鍾k線數據
ts.get_hist_data（'600848』，ktype='60『） #獲取60分鍾k線數據
ts.get_hist_data（'sh』）#獲取上證指數k線數據，其它參數與個股一致，下同
ts.get_hist_data（『sz』）#獲取深圳成指k線數據 ts.get_hist_data（『hs300』）#獲取滬深300指數k線數據
ts.get_hist_data（『sz50』）#獲取上證50指數k線數據
ts.get_hist_data（『zxb』）#獲取中小板指數k線數據
ts.get_hist_data（『cyb』）#獲取創業板指數k線數據
Python財經數據介麵包TuShare的使用
獲取歷史分筆數據
df = ts.get_tick_data（『000756','2015-03-27』）
df.head（10）
Python財經數據介麵包TuShare的使用
獲取實時分筆數據
df = ts.get_realtime_quotes（『000581』）
print df[['code','name','price','bid','ask','volume','amount','time']]
返回值說明：
0：name，股票名字
1：open，今日開盤價
2：pre_close，昨日收盤價
3：price，當前價格
4：high，今日最高價
5：low，今日最低價
6：bid，競買價，即「買一」報價
7：ask，競賣價，即「賣一」報價
8：volumn，成交量 maybe you need do volumn/100
9：amount，成交金額（元 CNY）
10：b1_v，委買一（筆數 bid volume）
11：b1_p，委買一（價格 bid price）
12：b2_v，「買二」
13：b2_p，「買二」
14：b3_v，「買三」
15：b3_p，「買三」
16：b4_v，「買四」
17：b4_p，「買四」
18：b5_v，「買五」
19：b5_p，「買五」
20：a1_v，委賣一（筆數 ask volume）
21：a1_p，委賣一（價格 ask price）
…
30：date，日期
31：time，時間