如何将python运用到经济学学术研究上？

推荐 @随机老化 的答案，反对所有建议上 quantecon 学Python的答案。

先说建议的课题：可以用 Python 做文本分析类或需要爬虫的研究。Python 非常适合处理文本数据。几乎可以说它是在经济学术研究上唯一的优势。

如果需要用到数值法解比较复杂模型的话，不建议学Python，原因code readability和computation speed都比不上Julia或 MATLAB。quantecon站上有Python也有Julia，为了将来，建议选学Julia这门新语言，原因是它代码容易读懂，速度接近 Fortran，专门为 scientific computing 设计，集合了 MATLAB，R 和 Python 的优点。

如果是处理文本数据或爬虫，Python 操作起来是比较方便。处理 string 是它的优势。另外一种情况就是，如果是为了将来去业界的话，Python还是得学一下（我觉得不是为了软件开发的话，Julia 将来还是有优势。现在市场上 data science 选 Python 是个一开始就错误的路径选择，原因是本科 CS流行易学易教，然后 CS 搞数据的人把包开发了，所以流行，但其实处理数据它的速度不是最快的。想想如果Python 够快，为什么处理深度学习训练的问题要用TensorFlow 和 PyTorch回到 C++核心编译语言上）。

建议先看 computational econ 的大牛文章

A Comparison of Programming Languages in Economics 和

A Comparison of Programming Languages in Economics: An Update Bottom line: Matlab and R have improved a lot, Python is still awful, and Julia rocks

我在哈佛修过作者访问时的一个学期computation课，他指出 quantecon 这个站教人用 Python 搞经济算法就是个经济学毒瘤，但是 Julia 部分就值得学。

他在哈佛教的这门课的课件在这 Jesús Fernández-Villaverde | University of Pennsylvania Computaional Methods for Economists 。这门课主要是讲计算框架而不是教编程的。

他给大家学 computation 的忠告是解决问题前先 ask why？比如 why Python？why projection method？ why parallelization？

希望他的课让你有醍醐灌顶的感觉。

再给个忠告，做研究应该是先找到需要解决的好问题（这个问题在学术上有没有市场，有没有意义），再找合适的工具和框架去解决这个问题，而不是将 XXX 工具运用到研究上。再华丽的工具用到研究上但是问题没有市场或意义又有何用。能用简单方法就用简单的方法，投了期刊之后编辑要求你把它复杂化，你才复杂化它，别浪费过多的时间。少年，如果立志做学术研究千万别随波逐流，比如追赶Python 潮流。