3、Python基础速通（上）：变量与数据类型、列表与字典、条件判断与循环、函数定义

说实话，很多做量化的朋友，一开始都被Python吓住了。

觉得编程是程序员的事，自己搞金融的学不会。

我当年也是这么想的。直到有一天，我手动算了一下午的股票波动率，结果发现公式里有个括号写错了……

嗯，从那以后，我老老实实学了Python。

其实Python没那么玄乎。你想想看，它本质上就是个工具。就像计算器一样，只不过功能强大了点。

这一章，我带你把最核心的几个概念过一遍。不用背，理解就行。

---

一、变量与数据类型

变量是什么？说白了就是个“标签”。

你把数据放在内存里，然后贴个标签，方便以后找它。

# 这就是变量
stock_code = "AAPL"
price = 150.25
volume = 10000
is_bullish = True

Python里常见的数据类型，我列个表给你看：

类型	例子	说明
int（整数）	100, -5, 0	交易数量、持仓量
float（浮点数）	150.25, 3.1415	股价、收益率
str（字符串）	"AAPL", "2024-01-15"	股票代码、日期
bool（布尔值）	True, False	判断条件的结果

还有一个细节——Python是动态类型语言。什么意思？

就是你不需要提前声明“这个变量是整数还是字符串”。Python会自动判断。

x = 10      # 这时候x是整数
x = "hello" # 现在x变成了字符串
print(x)    # 输出 hello

这在写策略的时候特别方便。但也要小心——我在项目中遇到过，因为变量类型被意外改变，导致计算报错的情况。

---

二、列表与字典

做量化，你肯定要处理一堆数据。比如同时跟踪10只股票的价格。

这时候就需要“容器”来装它们。

列表（List）——有序的集合

# 一个股票代码列表
stocks = ["AAPL", "GOOGL", "MSFT", "AMZN"]

# 获取第一个元素
print(stocks[0])  # AAPL

# 添加新股票
stocks.append("TSLA")

# 列表长度
print(len(stocks))  # 5

列表的索引从0开始。这个初学者容易搞混。

我记得刚开始写策略时，想取第3只股票，结果写了 stocks[3]，取到的是第4只……

字典（Dict）——键值对存储

列表用数字做索引，但有时候用名字更方便。字典就是干这个的。

# 存储股票的最新价格
prices = {
    "AAPL": 150.25,
    "GOOGL": 2750.80,
    "MSFT": 330.15
}

# 获取苹果的价格
print(prices["AAPL"])  # 150.25

# 添加新数据
prices["TSLA"] = 700.50

# 检查是否存在
if "AAPL" in prices:
    print("苹果的价格已记录")

字典在量化里用得特别多。比如存储每个股票的历史数据、持仓信息、策略参数等等。

---

三、条件判断与循环

程序不是从头到尾傻跑一遍的。它需要“做决定”和“重复做某件事”。

条件判断：if / elif / else

price = 150.0
target = 155.0

if price > target:
    print("价格超过目标，考虑卖出")
elif price < target * 0.95:
    print("价格低于目标5%，考虑买入")
else:
    print("价格在合理区间，观望")

这里有个坑——Python用缩进来表示代码块，不是用花括号 {}。

我曾经因为缩进不对，找bug找了半小时……

循环：for 和 while

做量化，你经常要遍历一堆股票，或者回测很多天数据。循环就是干这个的。

# 遍历股票列表
stocks = ["AAPL", "GOOGL", "MSFT"]
for stock in stocks:
    print(f"正在分析 {stock}...")

# 循环10次
for i in range(10):
    print(f"第{i+1}次迭代")

range(10) 生成0到9的数字。配合循环，可以控制重复次数。

while循环用得少一些，但有时候也很有用：

# 模拟等待价格触发
price = 100.0
target = 105.0

while price < target:
    price += 0.5  # 价格慢慢上涨
    print(f"当前价格: {price}")

print("目标价格已触发！")

---

四、函数定义

写代码最怕重复。如果你发现自己在复制粘贴同一段逻辑，就该用函数了。

函数就是“把一段代码打包，起个名字，以后随时调用”。

def calculate_sma(prices, window):
    """计算简单移动平均线（SMA）"""
    if len(prices) < window:
        return None
    
    sma = sum(prices[-window:]) / window
    return sma

# 使用函数
daily_prices = [150, 152, 149, 155, 157]
sma_3 = calculate_sma(daily_prices, 3)
print(f"3日均线: {sma_3}")

函数的好处很明显：

• 复用性——写一次，到处用
• 可读性——calculate_sma() 比一堆数学公式好懂多了
• 易维护——要改逻辑，只改函数内部就行

我个人习惯，每个函数只做一件事。如果一个函数超过20行，我就会想是不是该拆分了。

---

知识体系总览

这一章的内容，其实就围绕一个核心：用Python处理数据，做决策，重复执行。

下面这张图，帮你理清它们之间的关系：

说白了，这一章就是给你搭个架子。变量存数据，条件判断做决策，循环重复执行，函数把逻辑打包。

这四个东西组合起来，就能写出像模像样的量化策略了。

---

下一章，我们会继续深入。把字符串操作、文件读写、异常处理这些实战必备的技能补上。

到时候，你就可以开始写真正的量化分析脚本了。

---