第一章：Python环境搭建——工欲善其事，必先利其器
做高频做市，说白了就是跟时间赛跑。你的代码快一毫秒，可能就多赚一笔。但这一切的起点，得先把Python环境搭好。我见过太多新手，一上来就急着写策略，结果环境乱七八糟，最后连个回测都跑不起来。
嗯，今天我们就从零开始，把地基打牢。
1.1 为什么选Anaconda？
你可能想问：直接用Python官网的安装包不行吗？当然行。但做量化，尤其是高频方向，你需要的库太多了——NumPy、Pandas、SciPy、Matplotlib……一个个手动装，依赖冲突能让你崩溃。
我个人习惯用Anaconda。它自带150+科学计算包，还帮你管好了虚拟环境。说白了，就是一个「全家桶」，装完就能干活。
1.2 安装Anaconda
去官网下载对应系统的安装包。Windows用户记得选64位版本。安装时有个坑——一定要勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会警告你「不推荐」，但相信我，勾上能省很多事。
装完后，打开终端（Windows用Anaconda Prompt），输入：
conda --version如果看到版本号，说明安装成功。
1.3 配置Jupyter Notebook
Jupyter是我做量化研究的主力工具。为什么？因为它支持交互式编程——你写一段代码，立刻能看到结果。对于探索性数据分析、策略原型验证，简直不要太爽。
启动Jupyter很简单：
jupyter notebook浏览器会自动打开一个页面。你可以在里面新建Python文件，边写边跑。我个人习惯把回测代码、可视化图表都放在一个Notebook里，方便复盘。
Tab键可以自动补全代码，按Shift+Tab可以查看函数文档。这两个快捷键，能帮你省下至少30%的敲代码时间。
1.4 安装常用量化库
高频做市离不开这几个库：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| NumPy | 高性能数值计算 | conda install numpy |
| Pandas | 数据处理与分析 | conda install pandas |
| Matplotlib | 数据可视化 | conda install matplotlib |
| SciPy | 科学计算（统计、优化） | conda install scipy |
你可能会问：为什么不用pip？其实都可以。但conda会自动处理依赖关系，尤其对于NumPy这种底层用C写的库，conda安装的版本通常更稳定。
装完后，验证一下：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy
print("所有库导入成功！")1.5 性能测试工具
做高频做市，代码性能是命根子。你不能等到策略上线了才发现「哎呀，这行代码跑了10毫秒」。所以，从一开始就要养成性能测试的习惯。
Python自带的timeit模块就够用。比如你想测试一个NumPy数组求和的速度：
import timeit
import numpy as np
arr = np.random.rand(1000000)
# 测试NumPy求和
t1 = timeit.timeit(lambda: np.sum(arr), number=100)
print(f"NumPy求和耗时: {t1:.4f}秒")
# 测试Python原生求和
t2 = timeit.timeit(lambda: sum(arr), number=100)
print(f"Python原生求和耗时: {t2:.4f}秒")结果会让你大吃一惊——NumPy比原生快了将近100倍。这就是为什么做量化一定要用NumPy的原因。
timeit跑一下。如果发现某个操作耗时超过1毫秒，我就会琢磨能不能优化。比如用向量化操作代替循环，或者用Cython重写热点代码。
除了timeit，我还推荐line_profiler。它能逐行告诉你每行代码的耗时，帮你精准定位瓶颈。安装方式：
conda install line_profiler用法也很简单，在函数前面加个@profile装饰器，然后运行：
kernprof -l -v your_script.py它会输出每行代码的执行次数和耗时。嗯，这个工具帮我优化过不少做市策略的延迟。
1.6 本章知识体系
下面这张图，帮你理清今天讲的所有内容：
这张图把今天的内容串起来了。从Anaconda这个「地基」开始，往上搭Jupyter这个「工作台」，再装上NumPy、Pandas这些「工具」，最后用性能测试工具当「质检员」。每一步都踩实了，后面写策略才能跑得快、跑得稳。
好了，环境搭好了，下一章我们开始真正接触高频做市的核心——订单簿数据。到时候我会带你用Pandas处理真实的Level 2行情数据，那才是真正有意思的东西。