第4章 Python环境搭建

第4章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、虚拟环境管理、常用库安装

说实话，很多做量化交易的朋友，一开始都栽在环境搭建上。

我见过有人花了一整天装Python，结果版本冲突，最后重装系统。也见过有人直接在base环境里pip install，半年后库全乱套，项目跑不起来。

所以这一章，我带你走一遍标准流程。你跟着做，半小时内搞定。

4.1 为什么选Anaconda？

Python本身只是一个解释器。但做量化交易，你需要一堆科学计算库。一个个手动装？太累了。

Anaconda是一个发行版，它把Python解释器、常用库、包管理器（conda）打包在一起。说白了，就是「开箱即用」。

我个人习惯用Anaconda，原因有三：

省心：装好就有pandas、numpy等基础库
隔离：conda的虚拟环境管理比pip+venv更干净
跨平台：Windows、macOS、Linux都支持

小提示：如果你机器上已经有Python，建议先卸载干净。Anaconda自带Python，避免路径冲突。

4.2 安装Anaconda

去官网下载对应系统的安装包。我建议选Python 3.9或3.10版本，太新的版本有些量化库还没适配。

安装时注意两点：

勾选「Add Anaconda to my PATH environment variable」——虽然安装程序会警告，但勾上更方便
安装路径不要有中文和空格——我吃过这个亏，有些库编译时会报错

装完后，打开终端（Windows用Anaconda Prompt），输入：

conda --version

看到版本号，说明安装成功。

4.3 配置Jupyter Notebook

Jupyter Notebook是我做量化回测最常用的工具。它支持交互式编程，写一段代码跑一段，非常适合探索性分析。

Anaconda自带Jupyter，但默认配置不够好用。我建议做两件事：

4.3.1 修改工作目录

默认打开Jupyter会进入用户目录，文件乱糟糟的。我习惯把所有量化项目放在一个文件夹里。

生成配置文件：

jupyter notebook --generate-config

找到配置文件（一般在 ~/.jupyter/jupyter_notebook_config.py），修改：

c.NotebookApp.notebook_dir = 'D:/quant_trading'  # 改成你的路径

4.3.2 设置密码

如果你在服务器上跑Jupyter，一定要设密码。不然别人能直接访问你的代码和数据。

jupyter notebook password

输入两次密码即可。之后启动Jupyter，浏览器打开 http://localhost:8888，输入密码进入。

注意：Jupyter默认只监听本地。如果要在公网访问，需要配置SSL和防火墙规则。我曾经因为没设密码，被爬虫扫到，CPU跑满100%……从那以后我再也不敢偷懒了。

4.4 虚拟环境管理

做量化交易，你可能会同时维护多个策略。有的策略依赖pandas 1.3，有的依赖pandas 2.0。如果全装在一个环境里，迟早出问题。

虚拟环境就是解决这个问题的。每个环境独立，互不干扰。

4.4.1 创建虚拟环境

conda create -n quant_env python=3.9

这条命令创建了一个名为 quant_env 的环境，Python版本3.9。

4.4.2 激活与退出

conda activate quant_env   # 激活
conda deactivate           # 退出

激活后，终端前面会显示 (quant_env)，表示你在这个环境里操作。

4.4.3 查看已有环境

conda env list

带星号的是当前激活的环境。

4.4.4 删除环境

conda remove -n quant_env --all

  我的习惯：每个项目建一个独立环境。比如 grid_trading_env、arbitrage_env。这样即使某个环境搞坏了，也不影响其他项目。

4.5 安装常用库

激活环境后，开始安装量化交易必备库。

4.5.1 pandas & numpy

这两个是数据处理的基础。pandas处理表格数据，numpy做数值计算。

conda install pandas numpy

用conda安装会自动处理依赖，比pip更稳。

4.5.2 ccxt

ccxt是连接交易所的利器。它封装了100多家交易所的API，写法统一。

pip install ccxt

注意：ccxt更新频繁，建议用pip安装最新版。conda上的版本可能滞后。

4.5.3 其他推荐库

库名	用途	安装命令
matplotlib	画K线图、回测曲线	`conda install matplotlib`
ta-lib	技术指标计算	`pip install TA-Lib`
requests	HTTP请求（抓数据、调API）	`conda install requests`
loguru	日志记录（比logging好用）	`pip install loguru`

避坑指南：安装ta-lib时，Windows用户容易报错。我曾经折腾了两小时，最后发现去这个网站下载whl文件手动安装最省事。

4.6 验证安装

写一段简单代码，验证环境是否正常：

import pandas as pd
import numpy as np
import ccxt

print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")
print(f"ccxt版本: {ccxt.__version__}")

# 测试连接交易所
exchange = ccxt.binance()
ticker = exchange.fetch_ticker('BTC/USDT')
print(f"BTC当前价格: {ticker['last']}")

如果没报错，说明环境搭建成功。你想想看，从零到能拉交易所实时数据，只用了半小时。

4.7 本章知识体系

下面这张图，帮你理清本章的核心逻辑：

嗯，到这里，你的Python量化环境就搭好了。记住：环境搭建是基本功，别嫌麻烦。我见过太多人因为环境问题浪费大量时间，最后策略没写几行。

下一章，我们开始写真正的网格交易代码。

📚 课程目录