你可以看到日期被置于x轴，价格标注于y轴。所谓“在时间维度依次均匀分布”在这个例子中就是指日期在x轴上以14天的间隔均匀分布：请注意3/7/2005和下一个点3/31/2005的间隔，以及4/5/2005 和 4/19/2005的间隔。

然而，你在处理股票数据的时候可能经常会发现的是，数据并不只有两个包含了时间和价格的列，而是更常见的是，你会有5个列分别包含了在这段时间内的时间期间、开盘、最高、最低以及收盘价。这意味着，如果你的周期被设置为每日更新，一天的所有记录就能告诉你这一天内任何一支股票的开盘和收盘价以及极高和极低波动值。

现在，你已经对学习本教程所需要掌握的基本概念具备了基本的认知，这些概念将会很快再次出现，而你将会在这份教程中对他们了解更多。

准备你的工作环境是一件简单的事：你基本只需要确保你的系统上有Python和IDE。然而，你有多种方法可以着手准备，而其中一些可能会稍微更简单一些。

举个例子，Anaconda是一个Python和R的高性能分布工作空间，并且包含了100多个最受欢迎的Python、R和Scala数据科学工具包。此外，安装了Anaconda你就可以通过conda获取超过720个工具包，以及我们在Anaconda种配置的最新的工具包、从属工具和环境管理工具。以及，除此之外，你还能通过它获取 Jupyter Notebook 和 Spyder IDE。

听起来像是工作量很大，对吗？

你可以从这里安装Anaconda，也别忘了从DataCamp的Jupyter Notebook教程 Jupyter NotebookTutorial: The Definitive Guide中查看如何建立你的Jupyter Notebook。

显然，Anaconda并不是你唯一的选项：你还可以看一下Canopy Python distribution (收费)， 或者试试Quant Platform。

在使用比如Jupyter或Spyder IDE的基础上，后者提供了一些额外的好处， 因为它还为你提供了在浏览器上进行金融分析所需的一切！通过Quant平台，你将会获取基于GUI的金融工程的、可交互的和基于Python的金融分析以及你自有的基于Python的分析工具库。此外，你还可以进入一个论坛来跟你的同行一起探讨解决方案和疑问。

当你在金融中使用Python的时候，你将会经常用到数据操作工具包，Pandas。但你也会用到其他的工具包例如NumPy，SciPy，Matplotlib等等，它们将会在你一旦深入的时候出现。

现在，让我们先关注在Pandas上，并且用它来分析时间序列数据。这一部分将会解释你可以怎样使用Pandas输入数据，探索和操作数据。在这之上，你还会学到如何对你输入的数据进行一些常见的金融分析。pandas-datareader 工具包让你可以从Google，Yahoo! 金融和世界银行等渠道读入数据。如果你想要获得更新版的这项功能所能触及的数据源列表，可以去看一下文档。这个教程中，我们将会使用这个工具包从Yahoo! 金融上读入数据。

注意，Yahoo API 的终端最近有所变动，而且如果你已经想要开始自己使用这个工具库了，你需要安装一个暂时的补丁来利用pandas-datareader从Yahoo金融抓取数据，直到正式的补丁完善。在开始之前，请确保阅读了这份说明。

当然，请别担心，在这份教程中，我们已经为你载入了数据，所以在学习如何在金融中通过Pandas使用Python的时候，你不会面对任何问题。聪明的思考角度是，虽然pandas-datareader提供了大量抓取数据的选项，它仍然不是唯一选项：例如，你还可以利用像Quandl这样的其它的工具库从Google金融获取数据。

关于如何使用Quandl直接抓取金融数据的更多信息，请参见这个网页。

最后，如果你已经在金融行业工作了一段时间，你可能知道最常用于数据操作的工具是Excel。因此，你需要知道如何将Python和Excel整合到一起。

更多信息请查看DataCamp的Python Excel Tutorial:The Definitive Guide 。

当你终于在工作空间中获得数据以后，你要做的第一件事就是赶紧上手。然而，既然你现在对付的是时间序列数据，这看起来便可能不是很直接了，因为你的行标签中带有了时间值。

但是，请别担心！让我们首先按部就班地利用一些函数开始探索数据，如果你先前已经有了一些R的编程经验，或者你已经使用过Pandas， 你可能已经对这些函数有所了解了。

无论哪种情况，你都会觉得这非常简单！