3、Python量化工具栈：Pandas数据处理、NumPy数值计算、Matplotlib/Plotly可视化、Statsmodels统计分析
说实话，刚入行那会儿，我总觉得工具就是工具，会用就行。直到有一次做原油裂解价差模型，数据量一上来，Excel直接崩了，我才意识到——在能源化工这个数据密集型行业，选对工具栈，比埋头苦干重要得多。
今天咱们就聊聊Python量化分析的四驾马车。它们各有各的脾气，但组合起来，就是一套完整的产业链分析流水线。
3.1 NumPy：数值计算的基石
NumPy，说白了就是Python里的数学引擎。我习惯叫它“数组工厂”。
为什么非得用它？因为Python原生的列表做数学运算，慢得让人抓狂。你想想看，处理一套炼厂三年的日度开工率数据，少说也得一千多个点。用列表循环算个标准差？嗯，等得你都能泡杯茶了。
核心数据结构：ndarray
ndarray就是NumPy的多维数组。跟列表最大的区别是——它所有元素类型必须一致。这听起来是限制，其实是优势。类型统一后，内存连续，计算速度能快几十倍。
import numpy as np
# 创建一个原油价格数组（单位：美元/桶）
crude_prices = np.array([72.5, 73.1, 71.8, 74.2, 73.9])
print(crude_prices.dtype) # float64
# 批量运算——这才是NumPy的杀手锏
# 计算日收益率
daily_returns = (crude_prices[1:] - crude_prices[:-1]) / crude_prices[:-1]
print(daily_returns)
# 输出: [ 0.0083 -0.0178 0.0334 -0.0040]我的小技巧：做能源化工数据时，我经常用 np.where() 做条件筛选。比如找出所有价格超过布林带上轨的日期，一行代码搞定，比写循环清爽多了。
3.2 Pandas：表格数据的瑞士军刀
NumPy处理的是“裸数据”，而Pandas给数据穿上了衣服——行索引、列标签、时间序列，全给你安排得明明白白。
我个人觉得，Pandas最牛的地方是DataFrame。它就像Excel表格，但比Excel灵活一万倍。我在做PX-石脑油价差分析时，经常要合并不同来源的数据——中石化的报价、普氏的评估、ICE的期货价格。用Pandas的merge()和concat()，几分钟就能搞定。
import pandas as pd
# 读取某炼厂的月度产量数据（假设是CSV格式）
df = pd.read_csv('refinery_production.csv', parse_dates=['date'])
df.set_index('date', inplace=True)
# 计算滚动均值——做技术指标必备
df['MA_30'] = df['crude_throughput'].rolling(window=30).mean()
# 缺失值处理——真实数据永远不完美
df['yield_gasoline'].fillna(method='ffill', inplace=True) # 前向填充
# 我曾经踩过的坑：直接用dropna()会丢掉大量有效数据
# 对于化工装置数据，我更推荐用插值法注意：Pandas的inplace=True参数，很多人喜欢用。但我建议你谨慎——它直接修改原数据，一旦出错很难回溯。我现在的习惯是：除非内存实在不够，否则都返回新DataFrame。
3.3 Matplotlib & Plotly：让数据说话
数据算完了，不画出来等于白干。你想想看，给老板汇报时，你甩出一堆数字，他肯定一脸懵。但一张图，胜过千言万语。
Matplotlib是静态图的王者，适合做论文、报告里的精美图表。Plotly则是交互式图表的好手，适合做数据探索和Dashboard。
import matplotlib.pyplot as plt
import plotly.express as px
# Matplotlib：画一条原油价格曲线
plt.figure(figsize=(10, 5))
plt.plot(df.index, df['crude_price'], label='WTI Crude', color='#2E86AB')
plt.title('原油价格走势（2023-2024）')
plt.xlabel('日期')
plt.ylabel('美元/桶')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()
# Plotly：交互式散点图——鼠标悬停就能看数据
fig = px.scatter(df, x='crude_price', y='gasoline_price',
hover_data=['date'],
title='原油与汽油价格相关性')
fig.show()我的配色习惯：能源化工行业，我常用蓝色系（原油）、橙色系（成品油）、绿色系（化工品）。这样看图的人一眼就能区分品种。别用花里胡哨的颜色，专业感很重要。
3.4 Statsmodels：统计建模的利器
前面三个工具帮我们“看清”数据，而Statsmodels帮我们“解释”数据。它内置了各种统计模型——线性回归、时间序列分析、假设检验等等。
做能源化工量化，我最常用的是ARIMA模型和协整检验。比如判断石脑油和丙烷之间是否存在套利机会，协整检验就是关键。
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller
# 对某化工品价格序列做平稳性检验
result = adfuller(df['propylene_price'].dropna())
print(f'ADF统计量: {result[0]:.4f}')
print(f'p值: {result[1]:.4f}')
if result[1] < 0.05:
print('序列平稳，可以直接建模')
else:
print('序列非平稳，需要差分处理')
# 线性回归：分析原油价格对石脑油价格的影响
X = sm.add_constant(df['crude_price'])
y = df['naphtha_price']
model = sm.OLS(y, X).fit()
print(model.summary()) # 看R-squared和p-value避坑指南：我曾经在分析PTA加工利润时，直接用原始数据跑回归，结果R²高达0.95，兴奋得不行。后来发现——两个序列都是非平稳的，这是伪回归！记住：非平稳序列之间做回归，必须先检验协整关系。
3.5 四者协同：一个完整的分析流程
光讲单个工具没意思，咱们串起来看看。假设我要分析“原油→石脑油→PX→PTA”这条产业链的利润传导机制：
- NumPy：计算各环节的加工利润（价差），做标准化处理
- Pandas：合并四个品种的日度数据，处理缺失值，计算滚动相关系数
- Matplotlib：画出利润曲线的堆叠图，直观展示利润分配变化
- Statsmodels：做Granger因果检验，验证原油价格是否“引导”下游利润变化
你看，四个工具各司其职，缺一不可。没有NumPy，计算效率跟不上；没有Pandas，数据整理能累死人；没有可视化，分析结果说不清；没有统计模型，结论站不住脚。
嗯，这套工具栈，我用了快十年。每次遇到新问题，第一反应就是：这数据用Pandas怎么整理？这计算用NumPy怎么加速？这关系用Statsmodels怎么检验？
说白了，工具是死的，思路是活的。但前提是——你得先把这些工具练熟，练到它们成为你的肌肉记忆。