第1章：Python环境搭建——Anaconda安装、虚拟环境配置、常用库安装

做量化交易，说白了就是跟数据打交道。你想想看，一个交易系统要同时连好几个交易所，实时处理行情，还要算价差、发订单……这些活儿全得靠Python来干。但Python有个毛病——不同项目依赖的库版本经常打架。我刚开始做多交易所套利的时候，就吃过这个亏。

嗯，今天咱们先把地基打牢。环境搭好了，后面写代码才不闹心。

1.1 为什么选Anaconda？

我个人习惯用Anaconda来管理Python环境。原因很简单：省事。

• 自带科学计算全家桶——numpy、pandas、matplotlib这些做量化必备的库，装好就有
• 虚拟环境隔离——每个项目一套环境，互不干扰
• 跨平台支持——Windows、macOS、Linux都能用

我在项目中遇到过最头疼的事：一个策略用pandas 1.0写的，另一个策略依赖pandas 0.25的新特性。要是没有虚拟环境，这两个项目根本没法共存。Anaconda的conda环境就是干这个的。

1.2 安装Anaconda

去官网下载对应操作系统的安装包就行。我建议选Python 3.9+的版本，太老的版本有些库已经不支持了。

装完验证一下：

conda --version
# 输出类似：conda 23.7.4

看到版本号，说明装好了。

1.3 虚拟环境配置

虚拟环境这东西，说白了就是给每个项目搞一个「独立小房间」。你在小房间里装什么库，都不会影响到外面。

创建环境：

conda create -n quant_env python=3.9

这里quant_env是环境名，你可以随便起。我习惯用项目名来命名，比如arbitrage_env、market_making_env。

激活环境：

conda activate quant_env

退出环境：

conda deactivate

1.4 常用库安装

做多交易所做市套利，下面这几个库是绕不开的：

库名	用途	安装命令
ccxt	统一API接口，连接各大交易所	pip install ccxt
requests	发送HTTP请求，获取REST API数据	pip install requests
websockets	建立WebSocket连接，接收实时行情	pip install websockets
pandas	数据处理和分析	conda install pandas
numpy	数值计算	conda install numpy

安装命令很简单，激活环境后直接pip或conda装就行：

pip install ccxt requests websockets
conda install pandas numpy

装完后验证一下：

python -c "import ccxt; print(ccxt.__version__)"
python -c "import requests; print(requests.__version__)"
python -c "import websockets; print(websockets.__version__)"

不报错，说明装好了。

1.5 环境搭建的整体流程

下面这张图，把整个环境搭建的流程串起来了：

这张图把整个流程分成了6步。你跟着走一遍，基本不会出问题。

1.6 避坑指南

环境搭建看着简单，但坑也不少。我把自己踩过的坑列出来，你注意避开：

• pip和conda混用——我曾经在conda环境里用pip装了个库，结果conda list里看不到，搞得我以为是没装上。后来才知道，conda和pip的包管理是两套体系。建议优先用conda，conda没有的再用pip。
• Python版本不匹配——ccxt最新版要求Python 3.7+，websockets要求3.6+。你要是用Python 2.7，那基本告别这些库了。我建议统一用3.9，兼容性最好。
• 网络问题——国内装库有时候会超时。可以换国内镜像源：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ccxt

• 环境激活后pip install报错——检查一下是不是在虚拟环境里。有时候终端没激活，pip装到base环境里去了。用which python看看路径对不对。

1.7 验证环境是否可用

最后，写个小脚本验证一下：

import ccxt
import requests
import websockets
import pandas as pd
import numpy as np

print("所有库导入成功！")
print(f"ccxt版本: {ccxt.__version__}")
print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")

# 测试ccxt能否连接交易所
exchange = ccxt.binance()
markets = exchange.load_markets()
print(f"币安交易对数量: {len(markets)}")

跑一下，如果输出正常，说明环境完全OK。

好了，环境搭建就这些内容。说白了就是三步：装Anaconda、建虚拟环境、装库。后面咱们写策略的时候，所有代码都在这个环境里跑，干净又省心。