3. 环境搭建与工具链：Python环境配置、Anaconda与Jupyter、常用库安装
做量化交易，说白了就是跟数据打交道。而Python，就是咱们手里最趁手的工具。这一章，咱们把环境搭好，后面写策略、跑回测才能顺风顺水。
我个人习惯，做量化项目一定用Anaconda。为什么？因为它把Python、包管理器、还有Jupyter Notebook都打包好了。你想想看，要是手动装Python再一个个装库，光是版本冲突就能折腾半天。我刚开始做回测那会儿，就吃过这个亏——pandas版本不对，回测结果全是错的，排查了两天才发现是库版本的问题。
3.1 为什么选Anaconda？
Anaconda是一个Python发行版，它自带conda包管理器。conda比pip强在哪？它能管理非Python的依赖。比如你装numpy，它底层依赖的BLAS、LAPACK这些C库，conda能一并搞定。pip有时候就搞不定这些。
还有一个好处——环境隔离。做量化交易，你可能同时维护好几个策略。有的策略用pandas 1.0，有的用2.0。用conda创建虚拟环境，互不干扰。我曾经因为没做环境隔离，一个策略升级了库，另一个策略直接跑崩了。从那以后，每个项目我都单独建环境。
3.2 安装Anaconda
去官网下载对应系统的安装包。Windows用户注意，安装时勾选「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。不然每次都要手动激活环境，很烦。
安装完成后，打开终端（Windows用Anaconda Prompt），输入：
conda --version能看到版本号，说明装好了。嗯，这里要注意：如果提示找不到命令，八成是PATH没配好。重新安装，勾上那个选项就行。
3.3 创建虚拟环境
我个人习惯，每个量化项目都建一个独立环境。比如咱们这个课程，就叫它quant_env：
conda create -n quant_env python=3.9Python版本我选3.9。为什么不是最新的3.12？因为有些量化库对最新Python支持还不完善。3.9是个稳妥的选择，大部分库都兼容。
激活环境：
conda activate quant_env看到命令行前面多了(quant_env)，说明环境激活成功。退出环境用conda deactivate。
conda info --envs 可以查看所有环境列表。用 conda remove -n quant_env --all 可以删除环境。
3.4 安装Jupyter Notebook
Jupyter Notebook是量化交易的神器。你可以边写代码边看结果，还能加注释、画图表。回测结果直接可视化，比在终端里看数字直观多了。
安装：
conda install jupyter启动：
jupyter notebook浏览器会自动打开一个页面。如果没打开，复制终端里显示的URL到浏览器就行。默认端口是8888，如果被占用了，Jupyter会自动换端口。
我个人习惯，在项目根目录启动Jupyter。这样所有文件都在同一个工作目录下，导入数据、保存结果都方便。
3.5 安装常用库
量化交易最常用的四个库：pandas、numpy、matplotlib、ccxt。咱们一个一个来。
3.5.1 pandas
pandas是数据处理的核心。K线数据、订单簿、交易记录，全用DataFrame来存。安装：
conda install pandas验证：
python -c "import pandas; print(pandas.__version__)"能打印出版本号就行。我建议装1.5.x版本，稳定。2.0版本改动较大，有些旧代码可能不兼容。
3.5.2 numpy
numpy做数值计算。pandas底层也依赖它。安装：
conda install numpy验证：
python -c "import numpy; print(numpy.__version__)"3.5.3 matplotlib
画图用的。回测结果可视化，K线图、资金曲线、回撤图，全靠它。安装：
conda install matplotlib验证：
python -c "import matplotlib; print(matplotlib.__version__)"%matplotlib inline。不然图不会显示在Notebook里。我刚开始用Jupyter时，画了半天图看不到，还以为代码写错了。
3.5.4 ccxt
ccxt是连接交易所的库。支持100多家交易所，API统一。做量化交易，拿行情数据、下单交易，都靠它。安装：
pip install ccxt为什么用pip？因为conda上ccxt的版本更新慢。ccxt更新频繁，交易所API一变，它就得跟着改。用pip能装到最新版。
验证：
python -c "import ccxt; print(ccxt.__version__)"3.6 环境验证
装完所有库，咱们写个小脚本验证一下：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import ccxt
print("pandas:", pd.__version__)
print("numpy:", np.__version__)
print("matplotlib:", plt.matplotlib.__version__)
print("ccxt:", ccxt.__version__)
# 生成随机数据测试
data = np.random.randn(100)
df = pd.DataFrame(data, columns=['price'])
df['ma'] = df['price'].rolling(10).mean()
plt.plot(df['price'], label='price')
plt.plot(df['ma'], label='MA10')
plt.legend()
plt.show()
print("环境搭建完成！")能正常运行，说明环境没问题。如果报错，检查哪个库没装好。
3.7 知识体系总览
下面这张图，把咱们这一章的核心逻辑串起来了：
3.8 避坑指南
环境搭建看着简单，但坑不少。我把自己踩过的坑列出来，你遇到了直接对照：
- Python版本冲突： 我曾经在同一个环境里装了pandas 1.5和2.0，结果DataFrame的API对不上，回测结果全乱套。记住：一个环境一个版本，别混装。
- ccxt安装失败： 如果pip安装ccxt报错，八成是网络问题。换国内镜像源：
pip install ccxt -i https://pypi.tuna.tsinghua.edu.cn/simple - Jupyter内核问题： 在虚拟环境里启动Jupyter，但内核还是base环境的。解决办法：在虚拟环境里装
ipykernel，然后python -m ipykernel install --user --name quant_env - matplotlib中文乱码： 画图时中文显示成方框。加两行代码：
plt.rcParams['font.sans-serif'] = ['SimHei']和plt.rcParams['axes.unicode_minus'] = False
好了，环境搭好了。下一章咱们开始拿真实行情数据，写第一个做市策略的回测。工具都准备好了，剩下的就是干活。
公众号:蓝海资料掘金营，微信deep3321