1樓：發明者量化
Python好，學習量化畢竟需要先參考大量資料和已有研究，matlab雖然使用者基礎很多，學習資料也豐富，但Python顯然更勝一籌，支援matlab的線上平台也不多，而幾乎所有的量化平台都支援python，並且配備了研究用的notebook。
資料處理、矩陣運算、畫圖等常用的功能，Python有相應的pandas\numpy\scipy\matplotlib等相關的庫，學習起來也簡單。進行量化資料研究，無疑是足夠了。
還有現在大火的機器學習，相應的流行框架更多是支援Python的。當然，新語言學習起來也不困難，可以先熟練掌握Python。其他有需要再去了解。
2樓：周遊
都只是工具而已，入門根本沒區別，哪個順手用哪個就好了，最好兩個都裝起來，我用起來感受就是Matlab數值計算方面簡直比python不要方便太多，但是python各種萬能，各種擴充套件包字串處理pandas爬資料沒什麼不能實現+找不到sample。但是真到了用哪個工具有顯著差別的時候都別bb了直接上C/C++。我現在就是Matlab，python同時用，一邊Matlab跑並行用來分析資料畫圖，執行的時候另一邊用python來寫交易策略做回測看結果。
（另，無腦吹python的肯定沒用過Matlab。
3樓：BigQuant
python：
1. matlab有的，python基本都有開源包或者介面支援，效能不是問題，因為底層可以用實現；比如絕大部分機器學習庫都有python介面，matlab能用的很少
2. python更簡單，更通用，能做更多的事情3. python還在高速發展，並在人工智慧時代成為最流行的語言之一BigQuant - 人工智慧量化投資平台
4樓：
Matlab在矩陣處理方面的強大優勢Python無法比擬，我曾經用Matlab和Python跑同乙個演算法，涉及到矩陣中Symbol求導。Python用的是Numpy，Sympy和Scipy，感覺Sympy中Matrix雖然功能強大，但是速度很慢，而且需要專注其中各種細節。如：
其對Complex型別是無法自動expand的，常常出現(1+I)(2I+1)這種結果，這時需要呼叫.expand來解決。Matlab可以使你專注於模型，Python要超過Matlab還需要時間。
但是Python在內容抓取，機器學習，等有強大的第三方包，如Scarpy，Skikit-learn等，發展很快。概括之：現在用Matlab，未來用Python
5樓：
現在分析全線轉R/python，未來有可能上Julia。
別問為什麼不用matlab了。R/python組合好處在於開源，資料workflow相當容易搭建起來，另外背靠學術界，有相當多的新統計工具可以試。說R速度慢根本不是問題，機器好一點就行了。
超大型的資料甚至可以跑R/hadoop。
MATLAB的完全就不能比。
另外說在「工程上MATLAB有而R/python沒有」我覺得是十分奇怪的。就比如，目前新工具而言比如deep learning來說。python上有Theano/pylearn2/對接caffe，MATLAB的deep learning我目前只知道乙個Toolbox。
舊的工具R/python上也不缺。
另外我看有答案把MATLAB能直接傳送交易訊號作為MATLAB賣點。我覺得貴司策略和交易是不是定位不太清晰。為了保證可靠的效能和策略管理的便利性，我想除了個人投資者沒有人會選擇開著MATLAB下單。
Python與matlab（數學建模）到底應該學啥啊？
青山Hinge Matlab更適合工程師和科研人員，不僅有很多十分完備的函式和工具箱，在數模中，往往乙個工具箱就可以解決大部分問題了。當然，學的話很快，學會一些基本操作，到需要專業的命令和語句時再上網查查就很好了。Python是一門正經的程式語言，不僅僅是數模，還有程式設計能解決的幾乎所有問題，當然...
影象處理用 Python 還是 MATLAB？
naturex 如果不呼叫內建函式 方法 matlab的矩陣運算比numpy快許多，尤其是在需要大量隨機索引的時候。用matlab寫個程式驗證演算法，效能還可以接受。numpy完全不能忍。 很多人過於神話了Python，什麼東西都Python，是不是啥時候腳踢彙編拳打CUDA了？插線板就該好好做插線...
會一點matlab基礎去學python會輕鬆些嗎
會基本的A只能幫你輕鬆搞定基本的B 熟練的話.ps.同時使用MATLAB和Python會極大增加陣列越界的概率 狗頭 總體來講，兩者都是程式語言。所以，學習A語言會對你學習B語言有幫助，這是毫無疑問的。這就像你的母語是漢語，等你到日本，你基本也不用去向警察叔叔問路，連猜帶蒙也走不丟 你學習了英語，看...