第三讲：Python基础回顾（一）——变量与数据类型、字符串操作、列表与元组、字典与集合
各位同学，欢迎来到第三讲。
说实话，很多做量化交易的新手，一上来就急着写策略、调参数。结果呢？连个简单的数据清洗都搞不定。我见过太多人因为基础不牢，在回测时被一个小小的类型错误卡住半天。
这一讲，咱们把Python最核心的几种数据结构彻底捋一遍。别嫌基础，这些东西在量化系统里天天用。你想想看，K线数据用什么存？订单簿用什么表示？账户信息怎么组织？答案都在这一讲里。
核心观点： 量化交易的本质是数据处理。变量是容器，数据结构是组织方式。选对数据结构，代码效率能差出几个数量级。
1. 变量与数据类型——代码的“地基”
变量，说白了就是给数据贴个标签。Python是动态类型语言，你不需要声明类型，直接赋值就行。但这不代表你可以乱来。
# 常见的几种数据类型
price = 12.58 # float，浮点数
volume = 10000 # int，整数
symbol = "BTCUSDT" # str，字符串
is_active = True # bool，布尔值
order_list = [] # list，列表
account_info = {} # dict，字典我个人习惯，在量化代码里，变量名一定要见名知意。别用 a、b、tmp 这种名字。你三天后回来看，绝对想不起来它代表什么。
小技巧： 用 type() 函数随时检查变量类型。我在调试策略时，经常在关键位置打印类型，很多诡异bug都是类型不匹配引起的。
2. 字符串操作——文本处理的核心
量化交易里，字符串操作主要用在几个地方：解析交易所返回的JSON、拼接API请求参数、格式化日志输出。
# 字符串格式化（我推荐 f-string）
symbol = "ETHUSDT"
price = 2345.6789
print(f"当前价格：{symbol} = {price:.2f}") # 输出：当前价格：ETHUSDT = 2345.68
# 字符串分割与拼接
trade_data = "2024-01-15,09:30:00,45000.5,0.1"
date, time, price, volume = trade_data.split(",")
print(f"交易时间：{date} {time}")我曾经在写一个高频数据解析模块时，因为没处理好字符串里的空格和换行符，导致整个订单流解析错位。嗯，这里要注意：strip() 和 replace() 是你的好朋友。
避坑指南： 我曾经在拼接长字符串时用 + 号，结果在循环里性能惨不忍睹。大量字符串拼接，请用 join() 方法，效率高一个数量级。
3. 列表与元组——有序数据的“双胞胎”
列表和元组，都是有序序列。区别就一个：列表可变，元组不可变。这个区别在量化系统里非常关键。
# 列表——存储K线数据
kline_data = [
[1705305600, 42000.5, 42500.0, 41800.0, 42250.0, 1234.5],
[1705305660, 42250.0, 42300.0, 42100.0, 42180.0, 987.3]
]
# 元组——存储固定配置
TRADING_CONFIG = ("BTCUSDT", 0.001, 10) # 交易对、最小下单量、最大持仓我个人习惯，把不会变的数据用元组存。比如交易所的API端点、交易对的固定参数。这样代码更安全，也更容易理解——看到元组就知道这数据不该被修改。
实战经验： 列表推导式是Python的精华。我在写策略信号生成时，一行列表推导式能顶五行的for循环。比如：signals = [1 if price > ma else -1 for price, ma in zip(prices, mas)]
4. 字典与集合——键值对与去重利器
字典，说白了就是“键-值”映射表。在量化系统里，字典几乎无处不在：账户信息、订单状态、持仓数据……
# 字典——存储账户信息
account = {
"balance": 100000.0,
"positions": {
"BTCUSDT": 0.5,
"ETHUSDT": 10.0
},
"orders": []
}
# 集合——快速去重
symbols = ["BTCUSDT", "ETHUSDT", "BTCUSDT", "SOLUSDT"]
unique_symbols = set(symbols) # {'BTCUSDT', 'ETHUSDT', 'SOLUSDT'}集合的查找速度是O(1)，列表是O(n)。你想想看，如果你的策略里要频繁检查某个币种是否在自选列表里，用集合比用列表快得多。我在做全市场扫描时，就用集合来管理监控列表，速度提升非常明显。
小技巧： 字典的 get() 方法可以设置默认值。比如 price = data.get("close", 0.0)，这样即使键不存在也不会报错。我在解析不完整的行情数据时经常用。
知识体系总览
下面这张图，把这一讲的核心知识点串起来了。你可以把它当作一个快速索引，复习时一眼就能看到重点。
总结与实战要点
这一讲的内容，说白了就是量化交易的“内功心法”。你不需要背下来，但要用的时候能立刻想到用哪个数据结构。
- 变量命名：用有意义的英文，别用拼音或缩写
- 字符串：优先用f-string，拼接用join()
- 列表：适合存储时序数据，如K线序列
- 元组：适合存储固定配置，不可变更安全
- 字典：适合存储键值映射，如账户信息
- 集合：适合去重和快速成员检查
我的建议： 学完这一讲，立刻打开你的编辑器，把上面这些代码敲一遍。然后想想，你手头的量化项目里，哪些地方可以用字典代替列表？哪些地方可以用集合优化查找？动手改一改，感受一下差别。