第1章：Python基础回顾：从零搭建你的量化交易环境
说实话，很多朋友学量化交易，上来就急着写策略、跑回测。我见过太多人卡在环境配置这一步，折腾半天连个print都跑不出来。别急，咱们先把地基打牢。
这一章，我带你把Python环境搭好，把Jupyter Notebook用熟，再把Python基础语法快速过一遍。嗯，都是干货，没有废话。
1.1 为什么选择Anaconda？
我个人习惯用Anaconda来管理Python环境。为什么？因为它省心。
你想想看，量化交易要用的库太多了——numpy、pandas、matplotlib、scikit-learn……一个个手动装，版本冲突能让你崩溃。Anaconda把这些常用库打包好了，装一个就等于装了几十个。
核心优势：
- 自带Python解释器 + 常用科学计算库
- conda命令管理包，比pip更稳定
- 支持创建虚拟环境，不同项目互不干扰
1.2 安装Anaconda
去官网下载对应系统的安装包。我建议选Python 3.9+版本，太老的版本有些新库不支持。
安装时注意两点：
- Windows用户记得勾选「Add Anaconda to my PATH environment variable」
- 安装路径不要有中文和空格
避坑指南：我曾经遇到过学生把Anaconda装到「D:\量化交易\」这种路径下，结果后面各种报错。老老实实用英文路径，别给自己找麻烦。
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。
1.3 Jupyter Notebook：量化交易的瑞士军刀
Jupyter Notebook是我在量化交易中最常用的工具。它把代码、图表、说明文字整合在一个页面里，特别适合做数据分析和策略研究。
启动方式很简单：
jupyter notebook浏览器会自动打开一个页面。点击右上角的「New」→「Python 3」，就创建了一个新的notebook。
几个常用快捷键，记住了效率翻倍：
| 快捷键 | 功能 |
|---|---|
| Shift + Enter | 运行当前单元格并跳到下一个 |
| Ctrl + Enter | 运行当前单元格但不跳转 |
| Esc + A | 在当前单元格上方插入新单元格 |
| Esc + B | 在当前单元格下方插入新单元格 |
| Esc + M | 将当前单元格切换为Markdown模式 |
小技巧：我习惯把策略思路写在Markdown单元格里，下面跟着代码实现。这样复盘的时候，一眼就能看出当时是怎么想的。
1.4 Python基础语法速览
这部分我尽量精简，只讲量化交易中真正会用到的。你不需要背语法，理解概念就行，后面实战中会反复用到。
1.4.1 变量与数据类型
Python是动态类型语言，变量不需要声明类型。说白了，你直接赋值就行：
# 整数
stock_count = 1000
# 浮点数（小数）
price = 12.58
# 字符串
stock_code = "000001.SZ"
# 布尔值
is_buy = True
# 列表（有序可变）
prices = [12.5, 12.6, 12.4, 12.7]
# 字典（键值对）
stock_info = {"code": "000001", "name": "平安银行", "price": 12.58}我在项目中遇到过最常用的就是列表和字典。比如存储历史价格用列表，存储股票基本信息用字典。
1.4.2 运算符
量化交易中，运算符主要用来计算指标和做条件判断：
# 算术运算符
close = 12.5
open_price = 12.3
change = close - open_price # 涨跌额
change_pct = (close - open_price) / open_price * 100 # 涨跌幅
# 比较运算符
if close > open_price:
print("收阳线")
# 逻辑运算符
if close > open_price and volume > 1000000:
print("放量上涨")注意：Python用and、or、not，不是&&、||、!。刚开始写代码时我老搞混，后来习惯了就好了。
1.4.3 条件判断
条件判断是策略的核心逻辑。比如最简单的均线策略：
ma5 = 12.3
ma10 = 12.1
current_price = 12.4
if current_price > ma5 and ma5 > ma10:
print("金叉，买入信号")
elif current_price < ma5 and ma5 < ma10:
print("死叉，卖出信号")
else:
print("观望")1.4.4 循环
循环用来处理批量数据。比如计算过去20天的平均价格：
# for循环遍历列表
prices = [12.5, 12.6, 12.4, 12.7, 12.8, 12.5, 12.3, 12.6, 12.9, 12.7]
total = 0
for price in prices:
total += price
average = total / len(prices)
print(f"平均价格: {average:.2f}")
# while循环，适合不确定次数的场景
i = 0
while i < len(prices):
print(f"第{i+1}天价格: {prices[i]}")
i += 1实战经验：处理大量数据时，for循环比while更常用。但如果你要写一个「直到满足条件才停止」的逻辑，while更合适。比如一直等待某个价格触发。
1.5 本章知识体系
下面这张图帮你理清本章的核心脉络：
1.6 本章小结
这一章我们做了三件事：
- 装好了Anaconda，搞定了Python环境
- 学会了Jupyter Notebook的基本操作
- 快速过了一遍Python基础语法
别小看这些基础。我见过太多人急着写策略，结果连DataFrame都不会用，最后代码跑出来全是bug。把基础打牢，后面才能飞得起来。
下一章，我们会深入pandas——量化交易中最核心的数据处理工具。到时候你就知道，今天学的列表和字典，在pandas里会变成更强大的DataFrame。