Python 作为一种流行的编程语言，在金融工程中得到了广泛的应用。通过使用 Python，金融工程师可以更轻松地实现复杂的算法和数据分析，从而提高工作效率。
此外，Python 还可以用于创建自动化工具，帮助金融工程师更快速地完成任务。总之，Python 在金融工程中扮演着重要的角色，为金融工程师提供了更高效、更强大的工具。
* 将IPython这个交互式Shell作为你的首要开发环境。
* 学习NumPy（Numerical Python）的基础和高级知识。
* 从pandas库的数据分析工具开始。
* 利用高性能工具对数据进行加载、清理、转换、合并以及重塑。
* 利用matplotlib创建散点图以及静态或交互式的可视化结果。
* 利用pandas的groupby功能对数据集进行切片、切块和汇总操作。
* 处理各种各样的时间序列数据。
* 通过详细的案例学习如何解决Web分析、社会科学、金融学以及经？济学等领域的问题。
python学会了好找金融工作。
因为python是属于互联网后台技术开发的一门编程语言的，他的工作对象是系统网站之类的工作的，而金融的工作一般是做金融分析等等，行业领域是不一样的，但是开发找金融行业的开发还是比较容易的，金融行业有很多的开发的工作岗位的。
1. 语言类型：SAS是专用的商业统计分析软件，而Python是一种通用的编程语言。SAS有自己的编程语言和语法规则，而Python是一种通用的脚本语言，可以用于各种领域的编程任务。
2. 成本：SAS是商业软件，使用SAS通常需要购买许可证，这可能导致较高的成本。而Python是免费的开源语言，可以免费使用和分发。
3. 学习曲线：相对而言，Python的学习曲线较为平缓。SAS的语法和概念可能需要一定的学习和熟悉，而Python具有更简单直观的语法，易于上手。
4. 社区支持和生态系统：Python拥有庞大的开源社区支持和丰富的第三方库，这些库包含各种用于数据分析、机器学习和统计建模的工具。SAS也有自己的扩展和库，但相对于Python来说，可能没有那么广泛和丰富。
5. 数据处理能力：Python在数据处理方面具有很强的灵活性和强大的库支持，如NumPy、Pandas和SciPy等。这些库提供了丰富的数据结构和函数，用于高效处理和分析数据。SAS也可以处理数据，但在这方面相对于Python来说可能不那么灵活和全面。
6. 行业应用：SAS在商业和金融领域广泛应用，特别是在大型企业和机构中。Python在各个行业都有广泛的应用，尤其在学术界、科学领域和初创企业中较为流行。
需要根据具体的需求、背景和预算来选择使用SAS还是Python。对于大规模、复杂的商业数据分析项目，SAS可能更适合；而Python适用于快速原型开发、灵活性要求较高以及依赖开源库和广泛社区支持的场景。同时，也可以结合两者，根据具体情况选择最适合的工具。