第三章 Python环境搭建：Anaconda安装与虚拟环境管理
做量化交易，第一件事不是写策略，而是搭环境。
我见过太多人，策略写得挺好，结果一跑就报错。查了半天，原来是Python版本不对，或者某个包冲突了。说白了，环境问题能让你怀疑人生。
这一章，咱们就把Python环境彻底搞定。以后你换电脑、换服务器，都能十分钟内把环境复现出来。
3.1 为什么选Anaconda？
Python本身只是个解释器。但做量化，你需要numpy、pandas、scipy、statsmodels、backtrader……几十个包。手动装？你会疯的。
Anaconda就是帮你管理这一切的工具。它自带Python，还带了一个叫conda的包管理器。
我个人习惯，不管在Windows还是Linux上，第一件事就是装Anaconda。为什么？
- 开箱即用：装完就有150+常用科学计算包
- 环境隔离：不同项目用不同Python版本，互不干扰
- 跨平台：Windows、macOS、Linux，一套操作走天下
3.2 安装Anaconda
去官网下载安装包。选Python 3.9版本的那个。为什么选3.9？后面会讲。
安装过程很简单，一路默认就行。但有两点要注意：
- 安装路径不要有中文。我见过有人装在「D:\量化交易\工具」下面，结果各种报错。老老实实用英文路径。
- 勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会警告你，但勾上更方便。如果你不勾，每次用conda都要先激活环境，麻烦。
装完后，打开终端（Windows用Anaconda Prompt），输入：
conda --version能看到版本号，就说明装好了。
3.3 Python版本选择：3.8、3.9还是3.10？
这是个好问题。我直接给结论：
| 版本 | 适合场景 | 我的建议 |
|---|---|---|
| Python 3.8 | 老项目、某些旧版库 | 除非有特殊依赖，否则别用 |
| Python 3.9 | 量化交易首选 | 我推荐这个 |
| Python 3.10 | 新项目、想尝鲜 | 部分库可能还没适配 |
为什么推荐3.9？
我在项目中遇到过，Python 3.10刚出来时，ta-lib（技术指标库）装不上。折腾了两天，最后退回3.9才搞定。你想想看，策略写好了，结果因为版本问题跑不了，多憋屈。
Python 3.9是目前兼容性最好的版本。几乎所有量化库都支持。而且性能比3.8有提升，语法也比3.10稳定。
3.4 虚拟环境管理
虚拟环境是干嘛的？说白了，就是给你的每个项目一个独立的「小房间」。
比如你项目A用pandas 1.3，项目B用pandas 2.0。没有虚拟环境，这两个版本会打架。有了虚拟环境，各玩各的，互不干扰。
3.4.1 创建虚拟环境
conda create -n quant_env python=3.9这条命令干了三件事：
- 创建一个叫
quant_env的环境 - 指定Python版本为3.9
- 自动安装基础依赖
我个人习惯，每个策略项目都建一个独立环境。比如 momentum_strategy_env、arbitrage_env。这样万一某个环境搞坏了，不影响其他项目。
3.4.2 激活与退出
# 激活环境
conda activate quant_env
# 退出环境
conda deactivate激活后，终端前面会出现 (quant_env) 的标识。这时候你装的所有包，都只在这个环境里生效。
.env 文件，里面写上环境名。这样换电脑时，看一眼就知道该激活哪个环境。
3.4.3 查看和管理环境
# 查看所有环境
conda env list
# 删除环境
conda env remove -n quant_env
# 复制环境
conda create -n new_env --clone old_env嗯，这里要注意：删除环境是不可逆的。我曾经手滑删错了环境，结果那个项目的依赖全没了。后来我学乖了，重要环境先导出再操作。
3.5 依赖包管理与requirements.txt
环境搭好了，接下来就是装包。但你不能一个一个手动装吧？
专业的做法，是用 requirements.txt 来管理所有依赖。
3.5.1 生成requirements.txt
激活你的环境，然后：
pip freeze > requirements.txt这条命令会把当前环境里所有已安装的包，连同版本号，都写进 requirements.txt 里。
打开看看，大概是这样的：
numpy==1.24.3
pandas==2.0.3
matplotlib==3.7.1
backtrader==1.9.76.123
ta-lib==0.4.283.5.2 从requirements.txt安装
换到新电脑，或者别人要复现你的环境，只需要：
pip install -r requirements.txt一条命令，所有依赖全部装好。版本完全一致，不会出现「在我电脑上能跑啊」这种尴尬。
requirements.txt。这是量化交易的基本素养。我见过有人把项目发出去，连个依赖文件都没有。对方装了半天，版本还对不上。你说这多耽误事？
3.5.3 用conda还是pip？
这是个经典问题。我的做法是：
- 优先用conda：conda安装的包是预编译的，不会出现编译错误。尤其适合numpy、pandas这种底层库。
- conda没有的，用pip：有些小众库只有pip版本。比如某些量化平台的自研库。
- 别混用：同一个环境里，尽量只用一种包管理器。混用容易出问题。
我曾经在一个环境里，先用conda装了numpy，又用pip装了另一个版本。结果两个版本冲突，程序直接崩溃。从那以后，我每个环境只选一种方式。
3.6 实战：搭建一个量化交易环境
来，咱们动手搭一个完整的量化环境。跟着我做：
- 创建环境：
conda create -n quant_trading python=3.9 - 激活环境：
conda activate quant_trading - 安装核心库：
conda install numpy pandas matplotlib scipy statsmodels
pip install backtrader ta-lib akshare- 生成requirements.txt：
pip freeze > requirements.txt - 把requirements.txt提交到Git仓库
搞定。以后不管换到哪台机器，只要拉下代码，执行 pip install -r requirements.txt，环境就一模一样。
requirements.txt 里把核心库的版本固定死，比如 pandas==2.0.3。但一些不重要的库，我会写成 pandas>=2.0.0，留点弹性。这样既保证核心依赖稳定，又不会因为版本锁死导致安装失败。
3.7 常见问题与避坑
做量化这几年，我踩过不少坑。分享几个最常见的：
- 「conda install 太慢了」：换国内镜像源。执行
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/，速度能快十倍。 - 「pip install 报错」：先升级pip：
pip install --upgrade pip。很多编译错误都是pip版本太旧导致的。 - 「环境搞乱了怎么办」：别修了，直接删掉重建。反正有requirements.txt，重建也就几分钟的事。
我曾经在服务器上调试一个策略，环境搞了三天都没弄好。最后狠心删掉重建，十分钟搞定。有时候，重来比修复更高效。
3.8 本章知识体系
下面这张图，帮你理清Python环境搭建的核心逻辑：
这张图把整个环境搭建的流程串起来了。从Anaconda安装开始，到Python版本选择，再到虚拟环境管理，最后用requirements.txt收尾。每一步都环环相扣。
你想想看，如果哪一步没做好，后面都会出问题。所以别嫌麻烦，一步一个脚印来。
公众号:蓝海资料掘金营，微信deep3321