2、Python环境搭建：Anaconda安装与配置、Jupyter Notebook使用、虚拟环境管理、常用库安装

说实话，很多初学者一上来就急着写代码，结果环境没配好，折腾半天连个pandas都导入不了。我见过太多这样的案例了。今天咱们就把Python环境这件事彻底捋清楚。

2.1 为什么非得用Anaconda？

你可能会问：我自己装个Python不行吗？当然可以。但做量化交易，你需要的库少说也有几十个。手动一个个装？那叫一个酸爽。Anaconda把这些打包好了，还自带包管理器和虚拟环境功能，说白了就是「开箱即用」。

我个人习惯是：不管项目大小，一律用Anaconda。为什么？因为省心。你想想看，万一你同时做两个项目，一个需要pandas 1.0，另一个需要pandas 2.0，没有虚拟环境的话，你就等着哭吧。

2.2 Anaconda安装与配置

安装过程其实很简单，但有几个坑我得提前告诉你。

2.2.1 下载与安装

1. 去官网下载对应系统的安装包（Windows/Mac/Linux）
2. 安装时记得勾选「Add Anaconda to my PATH environment variable」
3. 安装路径不要有中文和空格

2.2.2 验证安装

装完之后，打开终端（Windows用cmd或PowerShell），输入：

conda --version
python --version

如果能看到版本号，说明装好了。嗯，就是这么简单。

2.3 Jupyter Notebook：量化分析的利器

做量化策略，我强烈推荐用Jupyter Notebook。为什么？因为它支持「边写边跑边看结果」。你写一段代码，立刻就能看到输出，还能直接画图。这在探索数据时简直不要太爽。

2.3.1 启动Jupyter

在终端输入：

jupyter notebook

浏览器会自动打开一个页面。如果没自动打开，复制终端里那个URL到浏览器就行。

2.3.2 常用快捷键

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
A	在上方插入新单元格
B	在下方插入新单元格
DD	删除当前单元格
M	切换到Markdown模式
Y	切换到代码模式

2.4 虚拟环境管理

虚拟环境这东西，说白了就是「隔离」。每个项目有自己的小天地，互不干扰。我在做量化策略时，经常需要尝试不同的库版本，没有虚拟环境的话，项目之间会打架。

2.4.1 创建虚拟环境

conda create -n quant_env python=3.9

这条命令会创建一个名叫quant_env的环境，Python版本是3.9。我个人习惯用3.9，稳定且兼容性好。

2.4.2 激活与退出

# Windows
conda activate quant_env

# Mac/Linux
source activate quant_env

# 退出环境
conda deactivate

2.4.3 查看已有环境

conda env list

你会看到所有环境列表，当前激活的环境前面有个星号。

2.5 常用库安装

做量化策略，这几个库是标配。我按安装顺序列出来：

2.5.1 一键安装

conda install pandas numpy matplotlib scikit-learn

或者用pip：

pip install pandas numpy matplotlib scikit-learn

2.5.2 各库简介

库名	用途	我在项目中的用法
pandas	数据处理	读取CSV、处理时间序列、数据清洗
numpy	数值计算	矩阵运算、统计计算
matplotlib	数据可视化	画K线图、回测曲线
scikit-learn	机器学习	特征工程、模型训练、策略信号生成

2.5.3 验证安装

在Jupyter里跑一下这段代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
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__}")

如果没有报错，恭喜你，环境搭建完成！

2.6 本章知识体系

下面这张图帮你理清整个环境搭建的逻辑：

说白了，环境搭建就是给量化策略搭个「舞台」。舞台搭好了，后面的代码才能唱戏。我个人建议：花点时间把这一步做扎实，后面会省很多事。

---