3. Python环境搭建：Anaconda安装、Jupyter Notebook配置、必备库安装
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，这种事我见得太多了。
所以这一章，咱们把环境彻底搞定。一次配好，后面省心。
3.1 为什么选Anaconda？
你可能会问：直接用Python不行吗？
当然行。但Anaconda帮你省了三件事：
- 包管理：conda命令比pip稳得多，尤其对于科学计算库
- 环境隔离：不同项目用不同Python版本，互不干扰
- 预装常用库：pandas、numpy、matplotlib这些，装好就有
我个人习惯，每个量化项目都建一个独立环境。为什么？因为套利策略依赖的库版本很敏感，升级一个库可能整个策略就崩了。
3.2 Anaconda安装步骤
下载地址我就不贴了，官网直接搜Anaconda Distribution。选Python 3.9+版本，别选太新的，有些库还没适配。
安装时注意两点：
- 勾选"Add Anaconda to PATH"——虽然安装提示不建议，但我建议你勾上。省得后面命令行找不到conda命令。
- 安装路径不要有中文——这问题我遇到过，有个学员路径带"量化分析"四个字，结果Jupyter死活打不开。
装完后，打开终端（Windows用Anaconda Prompt），输入：
conda --version看到版本号，说明装好了。
3.3 创建虚拟环境
我不喜欢把所有库装在base环境里。乱，而且容易冲突。
创建一个专门用于套利交易的环境：
conda create -n arbitrage python=3.9然后激活它：
conda activate arbitrage看到命令行前面多了(arbitrage)，说明环境激活成功。
3.4 Jupyter Notebook配置
Jupyter Notebook是我做量化分析的主力工具。为什么？因为它能边写代码边看结果，还能加注释、画图表，非常适合探索性分析。
安装Jupyter：
conda install jupyter然后把这个环境注册到Jupyter内核里：
python -m ipykernel install --user --name arbitrage --display-name "Python (arbitrage)"这样你打开Jupyter后，就能在Kernel菜单里选择"Python (arbitrage)"环境了。
启动Jupyter：
jupyter notebook浏览器会自动打开，默认端口8888。如果端口被占用，它会自动换一个，看终端输出就行。
3.5 必备库安装
做套利交易，这三个库是吃饭的家伙：
| 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 |
| matplotlib | 数据可视化、画K线图 | conda install matplotlib |
一次性安装：
conda install pandas numpy matplotlib验证安装：
python -c "import pandas; import numpy; import matplotlib; print('All good!')"没报错，说明都装好了。
3.6 知识体系总览
下面这张图，帮你理清本章的核心逻辑：
这张图展示了完整的搭建流程。从Anaconda开始，到虚拟环境隔离，再到Jupyter配置，最后装上三个核心库。每一步都踩在前一步的基础上。
3.7 常见问题与解决
我整理了几个高频问题，你遇到了直接对照：
- conda命令找不到：没加到PATH里。重装时勾选"Add to PATH"，或者手动加环境变量。
- Jupyter启动后浏览器空白：试试用--no-browser参数启动，然后手动复制链接到浏览器。
- import pandas报错：大概率是依赖库版本冲突。用conda list检查版本，或者直接conda install pandas重装。
- 内核连接不上：在Jupyter界面点Kernel → Restart & Clear Output，还不行就重启Jupyter服务。
好了，环境搭好了。下一章咱们就开始写真正的套利代码了。
公众号:蓝海资料掘金营，微信deep3321