第2章：环境搭建与工具准备
做量化投资，说白了就是和数据打交道。而数据这东西，没个好工具还真玩不转。我记得刚入行那会儿，光装个Python环境就折腾了一整天，各种版本冲突、路径问题，搞得人想砸电脑。后来我总结出一套标准流程，今天分享给你。
2.1 Anaconda安装——一步到位
我个人习惯用Anaconda来管理Python环境。为什么？因为它把Python解释器、包管理器、常用科学计算库都打包好了。你不需要一个个去装，省心。
核心要点：Anaconda = Python + conda包管理器 + 150+预装库
安装步骤其实很简单：
- 去Anaconda官网下载对应系统的安装包（Windows/Mac/Linux）
- 双击安装，一路默认就行
- 注意：安装时勾选“Add Anaconda to my PATH environment variable”
我曾经踩过的坑：安装路径不要有中文或空格！我之前有个同事把Anaconda装在了“D:\程序文件”下，结果后面各种库导入失败，排查了半天才发现是路径问题。
2.2 Jupyter Notebook配置——交互式编程利器
Jupyter Notebook这东西，做量化分析简直绝配。你可以边写代码边看结果，还能加注释、画图表。我平时做因子研究，基本都泡在Notebook里。
启动方式很简单：
# 在命令行输入
jupyter notebook
# 或者用Anaconda Navigator图形界面启动启动后浏览器会自动打开，你会看到一个文件管理界面。新建一个Python 3的Notebook，就可以开始写代码了。
我的小技巧：在Notebook里按Tab键可以自动补全代码，按Shift+Enter执行当前单元格。这两个快捷键用熟了，效率翻倍。
2.3 必备Python库安装
做多因子选股，有几个库是绕不开的。我按重要性排了个序：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理、表格操作 | conda install pandas |
| numpy | 数值计算、矩阵运算 | conda install numpy |
| statsmodels | 统计模型、回归分析 | conda install statsmodels |
| scikit-learn | 机器学习、因子合成 | conda install scikit-learn |
安装命令统一用conda install，它会自动处理依赖关系。你想想看，如果用pip装，有时候版本冲突能让你怀疑人生。
# 一键安装所有库
conda install pandas numpy statsmodels scikit-learn验证安装是否成功：在Jupyter Notebook里运行以下代码，没有报错就说明环境搭好了。
import pandas as pd
import numpy as np
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression
print("所有库导入成功！")
print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")2.4 本章知识体系
下面这张图，是我画的环境搭建整体流程。你跟着走一遍，基本不会出问题。
2.5 避坑指南
环境搭建看着简单，但实际动手总会遇到些小问题。我把自己踩过的坑列出来，你遇到了直接对照着排查：
- conda命令找不到：检查环境变量有没有配好。Windows用户去“系统属性→环境变量”里看看Path里有没有Anaconda的路径。
- Jupyter打不开：试试用管理员权限运行命令行。我之前在Win10上遇到过权限问题，用管理员身份打开就好了。
- 库安装失败：换国内镜像源。比如清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - 版本冲突：用
conda install而不是pip install。conda会自动解决依赖，pip有时候会装错版本。
我的建议：每个项目都创建一个独立的conda环境。比如这个多因子选股项目，你可以这样创建：
conda create -n multifactor python=3.9
conda activate multifactor
conda install pandas numpy statsmodels scikit-learn jupyter这样就算环境搞坏了，删了重建就行，不影响其他项目。
嗯，环境搭建这块就这些。你跟着步骤走一遍，半小时内肯定能搞定。后面我们就要开始真正接触数据了——先把股票数据导进来，看看长什么样。