Python接口安装Oracle套件

Hikyuu是目前基于C++和Python实现的最快速的优秀回测工具。

Matlab Hill代码存储库包含Matlab和Python类库，展示多种进化算法示例，包括多目标优化算法，作为NSGA-II学习的比较基准。该库支持并行适应性评估，适用于多核或集群计算机。

Redis Python 客户端，给你了一个高效、简便的方式与 Redis 进行交互。作为一个高性能的键值存储系统，Redis 在缓存、消息队列、实时等场景里应用广泛。而通过`redis-py`，你可以在 Python 中方便地进行 Redis 操作。你只需要简单地安装它，就能连接到 Redis 服务器，进行如字符串、哈希、列表等数据类型的基本操作。如果你有缓存需求，像计数器、存储用户数据等功能，`redis-py`适合。你可以通过它实现各种常见的 Redis 数据类型操作，像设置和获取键值、推入和弹出列表元素等都可以轻松搞定。而且，`redis-py`还有良好的文档支持，使用起来也比较直观。

MySQL 5.7安装套件可以通过官方网站免费获取，支持多种操作系统平台。该版本提供了稳定性和性能的关键更新，是许多项目和应用程序的首选数据库解决方案。

Oracle 11gR2自动化安装套件，完全自动化、全静默安装，无需人工干预，极大地简化了安装过程。

提供mysql5的安装程序及详细安装指南。

Cupboard 提供了一个轻量且易用的 Python 字典，让开发者使用 Redis、LMDB 或 LevelDB 存储 Python 对象。开发人员可以先在本地笔记本电脑上编写代码，然后部署到需要 LevelDB 或 Redis（Elasticache）支持的移动设备或云端环境。 安装取决于所需的后端： Redis：需要 Redis 服务或同等服务。 LevelDB：需要安装并设置头文件 CPATH。 LMDB：仅需安装 LMDB。

这是专为红帽Linux企业版设计的ASM安装包，适用于Oracle 11g RAC的部署。

PySpark 的 Python 接口用起来还蛮顺手的，尤其是你已经熟悉了 Python 那一套写法后，用它来操作大数据就没那么吓人了。用DataFrame数据，感觉就像在写 Pandas，但又多了分布式的能力，扩展性强了不少。数据量一大，用pandas直接就吃不消，这时候上PySpark就对了。它跑在Spark引擎上，响应也快，代码也挺简洁的，像filter、groupBy这种操作几乎一摸一样。如果你刚上手，不妨看看《Spark 理论与 PySpark 应用》这篇，讲得还比较透；另外函数调用技巧那篇也挺实用的，多常见坑都提前踩了。开发环境方面，Windows10 搭建教程也有现成的方案，省了