4、Python环境搭建：Anaconda安装、Jupyter Notebook配置、常用库安装

说实话，做量化交易也好，搞DeFi挖矿也好，第一步永远是搭环境。

我见过太多人，一上来就急着写策略，结果环境没配好，跑个回测报一堆错。嗯，磨刀不误砍柴工，咱们先把刀磨利了。

4.1 为什么选Python？

你可能要问：做LOF做市，为什么非得用Python？

其实原因很简单。Python在金融量化领域，几乎是事实上的标准语言。我个人的习惯是，能用Python解决的问题，绝不用其他语言。

具体来说，Python有三大优势：

• 生态丰富：pandas处理数据、ccxt对接交易所、web3连接链上，一套组合拳下来，啥都能干
• 上手快：语法接近自然语言，写起来像在说话
• 社区活跃：你踩过的坑，99%别人都踩过，搜一下就有答案

我在项目中遇到过不少用Node.js做量化的小伙伴，最后都默默转Python了。为什么？因为pandas处理时间序列数据实在太香了。

4.2 Anaconda安装

Anaconda是什么？说白了就是一个Python的「全家桶」。

它帮你把Python解释器、包管理器、常用工具都打包好了。你装一个Anaconda，就等于装好了整个数据科学生态。

4.2.1 下载与安装

去官网下载对应系统的安装包。我建议选Python 3.9+的版本，太老的版本有些新库不支持。

安装时注意两点：

• Windows用户记得勾选「Add Anaconda to my PATH environment variable」
• 安装路径不要有中文和空格

4.2.2 验证安装

打开终端（Windows用cmd或PowerShell，Mac/Linux用Terminal），输入：

conda --version

如果看到版本号，说明装好了。没看到？检查一下环境变量。

4.3 Jupyter Notebook配置

Jupyter Notebook是我个人最常用的开发工具。为什么？因为它支持「边写边跑」，特别适合做数据探索和策略验证。

你想想看，写一段代码，立刻看到结果，还能画个图看看趋势。这种感觉，比写一大段脚本然后跑个黑框框舒服多了。

4.3.1 安装Jupyter

Anaconda默认带了Jupyter，但保险起见，我们手动更新一下：

conda install jupyter
jupyter notebook --generate-config

4.3.2 配置远程访问（可选）

如果你像我一样，喜欢在服务器上跑策略，本地浏览器看结果，那需要配一下远程访问：

jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser

然后本地浏览器访问 http://你的服务器IP:8888，输入token就能用了。

4.4 常用库安装

好了，环境搭好了，接下来装几个吃饭的家伙。

4.4.1 pandas - 数据处理核心

pandas是Python量化交易的基石。没有它，你连K线数据都处理不了。

conda install pandas

装完后，你可以试试：

import pandas as pd
print(pd.__version__)

看到版本号，说明装好了。

4.4.2 numpy - 数值计算引擎

numpy是pandas的底层依赖，做矩阵运算、统计计算都靠它。

conda install numpy

4.4.3 ccxt - 交易所统一接口

ccxt是我最常用的库之一。它把上百家交易所的API统一成了一个接口。你写一套代码，就能对接币安、OKX、火币等主流交易所。

pip install ccxt

注意，ccxt更新很频繁，我建议用pip而不是conda安装，能拿到最新版本。

验证一下：

import ccxt
print(ccxt.exchanges[:5])  # 打印前5个交易所名称

4.4.4 web3.py - 链上交互利器

做LOF做市，免不了要和链上交互。web3.py就是Python连接以太坊等区块链的桥梁。

pip install web3

装好后，测试一下：

from web3 import Web3
print(Web3.__version__)

嗯，这里要注意一点。web3.py依赖很多底层库，如果报错，多半是缺少 pycryptodome 或 eth-hash。手动装一下就好：

pip install pycryptodome eth-hash

4.5 知识体系总览

为了让你对整个环境搭建有个全局认识，我画了张图：

4.6 环境验证脚本

最后，我建议你跑一遍这个脚本，确认所有库都装好了：

import pandas as pd
import numpy as np
import ccxt
from web3 import Web3

print("✅ pandas 版本:", pd.__version__)
print("✅ numpy 版本:", np.__version__)
print("✅ ccxt 版本:", ccxt.__version__)
print("✅ web3 版本:", Web3.__version__)

# 测试pandas基本功能
df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})
print("\n✅ pandas 测试通过:")
print(df)

# 测试ccxt连接
exchange = ccxt.binance()
print(f"\n✅ ccxt 连接币安成功，时区: {exchange.timeframes}")

如果全部输出正常，恭喜你，环境搭建完成！

好了，环境搭好了，下一章咱们就开始真正接触LOF做市的核心逻辑了。

---

公众号:蓝海资料掘金营，微信deep3321