第2章：Python量化环境搭建

说实话，做量化交易这么多年，我见过太多人一上来就急着写策略。结果呢？环境没配好，装个库报错半天，数据源连不上，白白浪费一整天。嗯，这章我们就踏踏实实把地基打牢。

2.1 Anaconda与Jupyter Notebook安装

我个人习惯用Anaconda来管理Python环境。为什么？因为它把Python解释器、常用库、还有Jupyter Notebook都打包好了。你不需要一个个去装，省心。

安装步骤其实很简单：

1. 去Anaconda官网下载对应系统的安装包（Windows/Mac/Linux）
2. 双击安装，一路默认就行
3. 安装完成后，打开终端或Anaconda Prompt，输入 conda list 验证

我曾经帮一个学员排查问题，他装完Anaconda后死活打不开Jupyter。最后发现是安装路径有中文。嗯，这里要注意：安装路径不要有中文和空格，这是老生常谈的坑了。

Jupyter Notebook怎么启动？很简单：

# 在终端输入
jupyter notebook

浏览器会自动弹出来。你想想看，一个网页里能写代码、能跑结果、还能加注释，是不是比黑乎乎的终端舒服多了？

2.2 必备库安装与验证

做量化，有几个库是绕不开的。说白了，它们就是你的工具箱。我们来一个一个装。

2.2.1 Pandas 和 NumPy

这两个是数据处理的基石。NumPy管数值计算，Pandas管表格数据。我每天跟它们打交道，就像吃饭喝水一样自然。

# 用conda安装（推荐）
conda install pandas numpy

# 或者用pip
pip install pandas numpy

验证一下：

import pandas as pd
import numpy as np

print(pd.__version__)  # 比如 2.0.3
print(np.__version__)  # 比如 1.24.3

2.2.2 Scikit-learn

机器学习的瑞士军刀。分类、回归、聚类、特征工程，它都有。我在做因子筛选时经常用它。

conda install scikit-learn

# 验证
from sklearn import datasets
print(sklearn.__version__)

2.2.3 XGBoost 和 LightGBM

这两个是集成学习的王牌。XGBoost老牌劲旅，LightGBM后起之秀。我个人习惯两个都装，哪个好用用哪个。

conda install -c conda-forge xgboost lightgbm

# 验证
import xgboost as xgb
import lightgbm as lgb
print(xgb.__version__)
print(lgb.__version__)

为什么强调验证？因为装完不等于能用。我见过太多人装完库，import时报错，然后一脸懵。所以养成习惯：装一个，验一个。

2.3 数据源获取简介

做量化，数据是命根子。没有数据，再牛的模型也是空中楼阁。国内常用的数据源有两个：Tushare和AKShare。

2.3.1 Tushare

Tushare是老牌的数据接口，数据质量高，但部分功能需要积分。我个人习惯用它来获取日线数据和财务数据。

# 安装
pip install tushare

# 使用示例
import tushare as ts

# 需要token（在官网注册获取）
ts.set_token('你的token')
pro = ts.pro_api()

# 获取平安银行日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231')
print(df.head())

2.3.2 AKShare

AKShare是后起之秀，完全免费，数据源覆盖广。从股票、基金到期货、宏观经济，应有尽有。我最近越来越喜欢用它。

# 安装
pip install akshare

# 使用示例
import akshare as ak

# 获取A股实时行情
df = ak.stock_zh_a_spot_em()
print(df.head())

你想想看，一个免费接口能拿到这么多数据，是不是很香？但要注意，免费意味着稳定性可能不如付费接口。所以我的建议是：开发阶段用AKShare，生产环境用Tushare或付费数据源。

2.4 本章知识体系

为了让你更直观地理解本章内容，我画了一张图：

这张图把本章的核心内容串起来了。你从中心往外看，先装Anaconda和Jupyter，再装必备库，最后搞定数据源。每一步都有坑，但按我说的来，基本不会出问题。

---

公众号:蓝海资料掘金营，微信deep3321