1. 有哪些好用的Python库
Python作为一门胶水语言，第三方库众多，下面我简单介绍几个好用的Python库：
tensorflow
这是谷歌非常著名的一个开源机器学习框架，在业界非常受欢迎，可以灵活、快速的构建大规模机器学习应用（如神经网络等），性能和可移植性都非常不错，支持GPU并行计算，如果你对机器学习比较感兴趣，也想深入了解一下的话，可以学习一下这个框架，非常不错：
pandas
如果你对数据分析比较感兴趣，那么pandas就是一个非常不错的选择，专门为数据分析而建，内置的函数和方法可以快速处理Excel，CSV等文件，而且提供了实时分析功能，代码量更少，使用起来也更方便，对于数据处理来说，是一个非常不错的分析工具：
matplotlib
这是Python的一个数据可视化库，可以快速制作我们常见的图表，如柱状图、饼状图、散点图等，当然，也不仅仅限于这些，还有很多，如果你想画出更多美丽的图表，可以考虑学习一下这个库，非常值得学习，当然，seaborn，pyecharts等这些可视化库也非常不错：
tushare
如果你对金融财经比较感兴趣，想快速获取股票等行情数据，也不想编写复杂的处理代码，那么tushare就是一个非常不错的选择，自动整合了国内大部分金融财经数据，完成了数据从采集、清洗和存储的全过程，只需简单的几行代码就可以实时快速获取到你所想要的数据，免费且开源：
PyQt
这是Python的一个GUI开发库，如果你想快速创建一个桌面GUI程序，想直接拖拽控件布局界面的话，那么PyQt就是一个非常不错的选择，基于Qt的QtDesigner设计工具，你可以直接拖拽Qt大量的控件快速构建出你自己的桌面应用，简单而又快捷：
Kivy
如果你想利用Python开发一个安卓应用，那么kivy就是一个非常不错的选择，这是Python的一个开源、跨平台的GUI库，只需要编写一套代码，即可运行在大部分桌面及移动平台上，包括winsows，linux，ios，android等，非常不错：
scrapy
这是Python的一个爬虫框架，在也就非常受欢迎，如果你想快速的定制自己的爬虫程序，又不想重复的造轮子的话，可以学习一下这个库，只需要添加少量的代码，就可启动属于自己的一个爬虫应用，非常方便：
django
这是一个流行的PythonWeb框架，如果你想快速构建一个自己的web应用，那么这个框架就非常值得学习，成熟稳重，基于MVC模式，使用起来非常方便，当然，也有轻量级的web框架，如flask，tornado等，也都非常不错：
pygame
如果你想快速开发一个小型游戏，又不想低级语言的束缚，可以考虑学习一下这个库，非常简单，只需要少量的代码便可构建一个游戏应用，当然，它也是一个非常不错的GUI库，对于桌面开发来说，也是一个不错的选择：
you-get
这是Python的一个视频、音频下载库，如果你想免费快速下载优派卜酷、B站、腾讯等网站的视频，安装这个库后，只尘竖穗需要简单的一行命令就可直接下载，非常方便，纤哗而且还可以在线观看，查看视频文件格式及清晰度等，当然，图片也可直接下载：
就介绍这10个不错的Python库吧，对于日常学习开发来说，非常不错，当然，还有许多其他好用的Python库，这个可以到网上搜索一下，非常多，也欢迎大家留言补充。
2. python 创建GUI界面后，如何在命令行中修改界面输入参数
python有个开源库可以很方便地将命令行参数转换为gui选项，但不一定是qt做的。
3. Python如何进行GUI桌面开发有哪些不错的库可以推荐
Python进行GUI开发的库其实很多，下面我简单介绍几个不错桥和的库，感兴趣的朋友可以自己尝试一下，实验环境win10+python3.6+pycharm5.0，主要内容如下：
tkinter
这个就不用多说了，python自带的GUI开发标准库，对于开发小型简单的应用来说，完全可以了，开源、跨平台，使用起来非常方便，下面我简单测试一下，主要代码如下：
点击运行程序，效果如下，一个窗口一个Label标签：
easygui
这个是基于tkinter的一个窗口GUI库，可以快速创建窗口对话框，包括常见的登陆对话框、注册对话框等，下面我简单介绍一下这个库的安装和使用：
1.首先，安装easygui，这个直接在cmd窗口输入安装命令“pipinstalleasygui”就行，如下：
2.安装完成后，我们就可以直接编写代码进行测试了，主要代码如下，非常简单：
点击运行这个程序，效果如下：
kivy
这是一个跨平台的GUI应用程序开发库，可以用来开发安卓、苹果应用，一套程序，可以处处运行，下面我简单介绍一下这个库的安装和使用：
1.首先，安装kivy，这个直接按官方教程安装就行，如下：
2.安装完成后，就可以直接编写代码进行测试了，主要代码如下，非常简单：
点击运行程序，效果如下，这里你可以将其打包为手机应用，安装到手机上：
wxpython
这也是一个免费、跨平台的PythonGUI开发库，相比较前面的tkinter来说，功能更为强大，控件也更多，下面我简单介绍一下这个库的安装和使用：
1.首先，安装wxpython，这个也直接在cmd窗口输入命令“pipinstallwxpython”就行，如下：
2.安装完成后，我们就可以直接编写相关代码进行测试了，主要代让枯码如下，非常简单，一个简单的文本编辑器：
点击运行这个程序，效果如下：
pyqt
这个Qt的一个Python接口库，借助于Qt强大的用户界面，Python也可以快速开发出GUI程序，组件更多，也更方便，只要你有一定的Qt基础，很快就能掌握这个库的使用，下面我简单介绍一下这个库的安装和使用：
1.首先，安装pyqt，这个直接在cmd窗口输入安装命令“pipinstallpyqt5”就行，如下，安装需要稍微等待一会儿：
2.安装完成后，我们就可以直接编写代码进行测试了，如下，一个简坦消洞单的计算器：
点击运行这个程序，效果如下：
至此，我们就介绍完了这5个PythonGUI库。总的来说，这5个库使用起来都非常不错，如果你的应用界面比较简单，功能要求不高，可以选择tkinter和easygui，如果界面比较复杂，功能要求比较复杂，可以考虑使用wxpython或pyqt，当然，你也可以使用其他GUI库，像pygame等，根据实际项目需求而定，网上也有相关资料和教程，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言。
4. pyqt5 下拉列列空件里添加 股票代码添加到加到下拉框里
在Qt设计师中，直接双击可添加下拉框条目
Qt设计师（Qt Designer）是使用Qt部件（Widgets）设计和使用图形用户界面（GUI）的工具。 它允许我们以所见则搏即所得的方式构建和定制自己的窗口（Windows）或对孙纯祥话框（Dialogs）并提供了不同的方法来裤郑测试它们。
5. Quant 应该学习哪些 Python 知识
1. 如果还需要Deep Learning方面的东西的话，可以考虑Theano或者Keras。这两个东西可能会用在分析新闻数据方面。不过不是很推荐使用这类方法去做量化模型，因为计算量实在是太大，成本很高。
2. 交易框架方面，除了vn.py，还推荐PyAlgoTrade框架，github上可以搜到。私以为这个框架比vn.py牛逼太多了，毕竟是一个在金融IT领域混迹近20年的老妖的作品，架构设计不是一般的优秀。
3. 国内的话，ricequant是个不错的选择，虽然使用的是Java，但是团队我见过，都是做金融IT出身的，基本上都有7、8年以上经验，底层功底非常扎实，做事情都很靠谱。现在他们也在考虑把SDK扩展到Python这边。
4. 国内的行情和交易接口，使用的是自己的协议（比如CTP接口使用的是FTD协议），而不是国际上广泛使用的FIX协议，并且都不开源。如果需要连接行情，还需要考虑将接口SDK为python封装一下。（修改：评论中有人提到很多券商也开放了FIX接口，不过似乎是在内网使用）
5. 有人谈到数据库了，这里我也说一下，对于高频tick级别的数据，其量级可以达到每天TB级别，普通的关系数据库是扛不住的。如果试图使用传统的关系数据库，比如Oracle之类的可以省省了。对付这种级别的数据，采用文件系统+内存索引会更好。不过这种场景，一般也就是机构里面能碰到了，个人quant可以不用考虑。
6. 用pyqt5调用knn算法如何搭建一个推荐系统
以下是一些可能的步骤和提示：
首先，你需要安装pyqt5和scikit-learn等相关的库，以便使用pyqt5创建图形用户界面(GUI)和调用knn算法渣清。
其次，你需要确定你的推荐系统的目标和数据源，例如你想推荐什么类型的产品或内容，你有什么样的用户消激数据和项目数据，你使用什么样的评价指标等。
第三，你需要选择合适的推荐算法，例如基于内容的推荐或基于协同过滤的推荐。knn算法是一种基于协同过滤的推荐算法，它可以根据用户或项目之间的相似度来计算推荐分数。
第四，你需要设计和实现你的GUI，例如你可以使用pyqt5的QWidget、QLabel、QLineEdit、QPushButton、QListWidget等控件来创建一个简单的界面，让用户输入他们的信息和偏好，然后显示给他们推荐的结果。
第五，你需要编写和调用knn算法，例如你可以使用scikit-learn的KNeighborsClassifier或KNeighborsRegressor类来实现knn算法，然后根据用户的输入和数据集来计算和返回推荐分数。
第六，你需要测试和优化你的推荐系统，例如你可以使用不同的数据集和参数来评估你的推荐系统的准确性和效率，然后根据拿梁袜反馈和结果来调整你的算法和界面。
希望这些信息对你有帮助。