第4章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、常用量化库安装
说实话，很多做量化交易的朋友，一开始都栽在环境搭建上。
我记得有个学员，代码写得挺溜，结果装个库搞了一下午，最后发现是Python版本冲突。嗯，这种坑我踩过不止一次。所以这一章，咱们把环境彻底搞定，后面写策略才不卡壳。
4.1 为什么选Anaconda？
做市商策略离不开数据处理。pandas、numpy、ccxt这些库，一个个手动装？太累了。Anaconda帮你一次性搞定。
我个人习惯用Anaconda，因为它自带Python、Jupyter Notebook，还有150多个常用科学计算库。说白了，你装一个Anaconda，等于把整个工具箱搬回家了。
核心优势：
- 环境隔离：不同项目用不同Python版本，互不干扰
- 包管理：conda install 一条命令搞定依赖
- 自带Jupyter：写策略、做回测、画图表，一个界面全搞定
4.2 Anaconda安装步骤
别急着下一步下一步，有几个细节要注意。
4.2.1 下载安装包
去官网（anaconda.com）下载对应系统的版本。Windows选64位，Mac选Intel或M1/M2版，Linux选Linux版。
我曾经帮一个朋友远程调试，他下了个32位版，结果装完一堆库不兼容……折腾了两小时。所以，一定看清系统位数。
4.2.2 安装过程
Windows用户注意：安装到「Advanced Options」时，勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会提醒你不推荐，但我建议勾上。为什么？因为后面你在命令行里敲conda，不用再手动配路径了。
避坑指南：
我曾经遇到过：没勾PATH，结果在终端里死活找不到conda命令。后来手动加环境变量，又搞了半小时。所以，直接勾上，省心。
4.2.3 验证安装
打开终端（Windows用cmd或PowerShell），输入：
conda --version如果显示类似 conda 23.7.4 的版本号，说明安装成功。
再输入：
python --version看到Python 3.9或3.10，就对了。
4.3 Jupyter Notebook配置
Jupyter Notebook是我写量化策略的主力工具。你想想看，写一段代码，立刻看到结果，还能画K线图、做回测，多方便。
4.3.1 启动Jupyter
在终端输入：
jupyter notebook浏览器会自动打开一个页面，默认地址是 http://localhost:8888。如果没自动打开，手动复制这个地址到浏览器也行。
4.3.2 修改默认工作目录
我个人习惯把策略文件放在一个专门的文件夹里，比如 D:\quant_strategies。但Jupyter默认打开的是用户目录，每次都要点半天才能找到。
解决办法：
- 在终端输入
jupyter notebook --generate-config - 找到生成的配置文件
jupyter_notebook_config.py（一般在用户目录下的.jupyter文件夹里） - 用记事本打开，搜索
c.NotebookApp.notebook_dir - 改成你的路径，比如
c.NotebookApp.notebook_dir = 'D:\\quant_strategies' - 保存，重启Jupyter
小技巧：
Windows路径里用双反斜杠 \\ 或者正斜杠 /，别用单反斜杠，否则会报错。我刚开始就因为这个折腾了半天。
4.3.3 安装Jupyter扩展（可选）
有些扩展能提升效率，比如代码折叠、表格美化。安装方法：
conda install -c conda-forge jupyter_contrib_nbextensions装完后重启Jupyter，你会看到菜单栏多了一个「Nbextensions」标签，里面有很多好用的插件。
4.4 常用量化库安装
做市商策略，离不开这几个库：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理、时间序列分析 | conda install pandas |
| numpy | 数值计算、矩阵运算 | conda install numpy |
| ccxt | 加密货币交易所API统一接口 | pip install ccxt |
| matplotlib | 数据可视化、画K线图 | conda install matplotlib |
| ta-lib | 技术指标计算（MACD、RSI等） | pip install TA-Lib |
4.4.1 批量安装
你可以一次性装完：
conda install pandas numpy matplotlib
pip install ccxt TA-Lib注意：ccxt和TA-Lib在conda源里可能不是最新版，所以我习惯用pip装。
4.4.2 验证安装
打开Jupyter Notebook，新建一个Python文件，输入：
import pandas as pd
import numpy as np
import ccxt
print("pandas版本:", pd.__version__)
print("numpy版本:", np.__version__)
print("ccxt版本:", ccxt.__version__)如果没报错，说明环境搭好了。
重要提醒：
ccxt需要联网才能获取交易所数据。如果你在墙内，有些交易所（如Binance）的API可能被屏蔽。解决办法是用代理，或者换用国内支持的交易所（如OKX）。
4.5 虚拟环境管理（进阶）
做多个项目时，不同项目可能依赖不同版本的库。比如项目A用pandas 1.3，项目B用pandas 2.0。这时候虚拟环境就派上用场了。
4.5.1 创建虚拟环境
conda create -n quant_env python=3.9这条命令创建了一个名叫 quant_env 的环境，Python版本是3.9。
4.5.2 激活环境
Windows：
conda activate quant_envMac/Linux：
source activate quant_env激活后，终端前面会显示 (quant_env)，表示你在这个环境里了。
4.5.3 在虚拟环境里装库
conda install pandas numpy
pip install ccxt这样装的库只在这个环境里生效，不影响其他项目。
我的习惯：
每个量化策略项目，我都单独建一个虚拟环境。比如做市商策略用 mm_env，套利策略用 arb_env。这样即使某个库升级出问题，也不会影响其他策略。
4.6 常见问题与解决
环境搭建时，我遇到过不少问题。挑几个典型的说说：
- conda命令找不到：没配环境变量。重新安装时勾选「Add to PATH」，或者手动加。
- pip安装超时：国内网络问题。用国内镜像源，比如：
pip install ccxt -i https://pypi.tuna.tsinghua.edu.cn/simple - Jupyter打不开：端口被占用。启动时指定端口：
jupyter notebook --port=8889 - ccxt导入报错：版本不兼容。升级：
pip install --upgrade ccxt
嗯，环境搭建这块，说白了就是一次性的工作。搞定了，后面写策略就顺畅了。下一章，咱们开始真正接触做市商策略的核心逻辑。
最后提醒：
别在系统自带的Python环境里装量化库。万一搞乱了，系统可能出问题。用Anaconda或者虚拟环境，安全又省心。