第二章：Python环境搭建——Anaconda与Jupyter配置、pandas/numpy安装、数据库连接配置

做固收量化，第一步不是写策略，而是搭环境。

我见过太多人，策略逻辑想得挺漂亮，结果一跑代码报错，卡在环境配置上大半天。说白了，环境搭得稳，后面才能安心搞数据清洗和特征工程。这一章，咱们就把地基打牢。

2.1 为什么选Anaconda？

你想想看，固收量化涉及的数据源多——中债登、上清所、Wind、QB，每个数据格式都不一样。如果每个项目都手动装包，版本冲突能让你崩溃。

Anaconda 的好处就是：环境隔离 + 包管理。我个人的习惯是，每个项目建一个独立的虚拟环境。比如固收信用债分析一个环境，利率债策略另一个环境，互不干扰。

2.2 安装与配置Jupyter

安装Anaconda很简单，去官网下载对应版本，一路默认就行。但我提醒一句：安装路径不要有中文，否则后面各种玄学报错。

装完之后，打开终端（Windows 用 Anaconda Prompt），输入：

conda create -n fixed_income python=3.9
conda activate fixed_income
conda install jupyter notebook

为什么要用 Python 3.9？因为 3.10 以上有些旧版数据库驱动不兼容。我在项目中踩过这个坑，后来统一用 3.9，稳得很。

启动 Jupyter：

jupyter notebook

浏览器会自动打开。如果你习惯用 VS Code，也可以直接在 VS Code 里连 Jupyter，我个人更推荐这种方式——写代码和看数据都在一个界面里。

2.3 pandas 与 numpy 安装

这两个库是固收量化的左膀右臂。pandas 处理表格数据，numpy 做数值计算。

安装命令：

conda install pandas numpy

或者用 pip：

pip install pandas numpy

我个人习惯用 conda 安装，因为 conda 会自动处理依赖关系，不容易出现版本冲突。曾经有一次我用 pip 装 pandas，结果把 numpy 版本搞乱了，导致后面所有数值计算都报错，排查了半天。

验证安装：

import pandas as pd
import numpy as np
print(pd.__version__)
print(np.__version__)

如果输出版本号，说明安装成功。

2.4 数据库连接配置

固收量化离不开数据库。MySQL 存交易流水，ClickHouse 存高频行情。怎么连？我一步步说。

2.4.1 连接 MySQL

首先安装驱动：

pip install pymysql sqlalchemy

然后写连接代码：

from sqlalchemy import create_engine
import pandas as pd

# 连接配置
host = 'localhost'
user = 'root'
password = 'your_password'
database = 'bond_db'

# 创建引擎
engine = create_engine(f'mysql+pymysql://{user}:{password}@{host}/{database}')

# 读取数据
df = pd.read_sql('SELECT * FROM bond_trade LIMIT 100', engine)
print(df.head())

2.4.2 连接 ClickHouse

ClickHouse 是列式存储，适合做聚合查询。固收的日频估值数据、成交明细，用 ClickHouse 查起来飞快。

安装驱动：

pip install clickhouse-driver

连接代码：

from clickhouse_driver import Client

client = Client(host='localhost', port=9000, user='default', password='', database='bond')

# 查询
result = client.execute('SELECT * FROM bond_valuation LIMIT 10')
for row in result:
    print(row)

或者用 pandas 直接读：

import pandas as pd
from clickhouse_driver import Client

client = Client(host='localhost')
df = pd.DataFrame(client.execute('SELECT * FROM bond_valuation LIMIT 1000'))
print(df.head())

2.5 本章知识体系

下面这张图，帮你理清整个环境搭建的脉络：

2.6 避坑指南

• 路径问题：Anaconda 和项目路径都不要有中文或空格。我曾经因为用户名是中文，导致 Jupyter 内核启动失败，折腾了两小时。
• 版本锁定：团队协作时，用 conda env export > environment.yml 导出环境配置，别人直接 conda env create -f environment.yml 就能复现。
• 数据库密码：用 os.getenv('DB_PASSWORD') 从环境变量读取，别写死在代码里。
• ClickHouse 端口：默认 HTTP 端口是 8123，原生 TCP 端口是 9000。连接时别搞混了。

好了，环境搭好了。下一章咱们就开始真正处理数据——从 Wind 和 QB 导出的原始数据，怎么清洗成能用的格式。到时候你就知道，今天搭的环境有多重要。

---

公众号:蓝海资料掘金营，微信deep3321