第二讲：环境搭建——Python与Pandas安装、Jupyter Notebook配置、投研数据源模拟

各位同学，欢迎来到实战环节的第一步。

说实话，很多做投研的朋友，一开始都卡在环境搭建上。不是装不上，就是版本冲突。我见过太多人花了两天装环境，最后心态崩了。其实没那么复杂，今天我就带你一步步搞定。

2.1 Python与Pandas安装：别小看这一步

Python 是咱们这行的基本功。我个人习惯用 Python 3.9 以上版本，太老的版本有些库不支持。你想想看，如果因为版本问题跑不了代码，多冤啊。

安装步骤其实就三步：

1. 去官网下载 Python 安装包（记得勾选“Add Python to PATH”）
2. 打开终端，输入 python --version 确认安装成功
3. 用 pip 安装 Pandas：pip install pandas

# 安装 Python 后，打开命令行执行
pip install pandas
pip install numpy
pip install jupyter

# 验证安装
python -c "import pandas; print(pandas.__version__)"

我在项目中遇到过一个问题：公司内网环境没法直接 pip 安装。怎么办？我当时是下载 whl 文件手动安装的。嗯，这里要注意，whl 文件版本必须和你的 Python 版本匹配，否则装不上。

2.2 Jupyter Notebook配置：交互式分析的利器

Jupyter Notebook 这东西，说白了就是一个能写代码、能记笔记、还能画图的网页工具。做投研分析时，我特别喜欢用它——一边写代码，一边看结果，还能随时加注释。

安装和启动：

# 安装
pip install jupyter

# 启动
jupyter notebook

启动后，浏览器会自动打开一个页面。你点“New”就能新建一个 notebook 文件。我个人习惯把每个分析任务单独建一个 notebook，这样好管理。

为什么会推荐 Jupyter？因为投研分析经常要反复调整参数。你想想看，如果用传统 IDE，改一次参数跑一次脚本，多麻烦。Jupyter 可以让你分步执行，随时查看中间结果，特别适合数据清洗这种需要反复试错的场景。

2.3 投研数据源模拟：CSV/Excel/API

真实项目中，数据源五花八门。有从数据库导出的 CSV，有分析师整理的 Excel，还有从 Wind、Bloomberg 这类终端拉取的 API 数据。咱们先模拟一下，让你熟悉各种格式的处理方式。

2.3.1 CSV 数据模拟

CSV 是最常见的格式。我习惯用 Pandas 的 to_csv 方法生成模拟数据：

import pandas as pd
import numpy as np

# 生成模拟的股票交易数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='D')
data = {
    '日期': dates,
    '股票代码': ['000001.SZ'] * 100,
    '收盘价': np.random.uniform(10, 20, 100).round(2),
    '成交量': np.random.randint(1000000, 5000000, 100)
}
df = pd.DataFrame(data)
df.to_csv('stock_data.csv', index=False, encoding='utf-8-sig')
print('CSV 文件已生成')

2.3.2 Excel 数据模拟

Excel 在投研圈用得特别多。很多研究员喜欢把数据整理在 Excel 里，还带格式、带颜色。咱们模拟一个带多 sheet 的 Excel 文件：

# 创建多个 sheet 的 Excel 文件
with pd.ExcelWriter('research_data.xlsx', engine='openpyxl') as writer:
    df.to_excel(writer, sheet_name='日频数据', index=False)
    
    # 第二个 sheet：财务指标
    fin_data = {
        '股票代码': ['000001.SZ', '000002.SZ', '000003.SZ'],
        'PE': [15.2, 22.1, 18.5],
        'PB': [1.8, 2.3, 1.5],
        'ROE': [12.5, 15.3, 10.8]
    }
    pd.DataFrame(fin_data).to_excel(writer, sheet_name='财务指标', index=False)

print('Excel 文件已生成，包含两个 sheet')

嗯，这里要注意，写 Excel 需要安装 openpyxl 库。如果你没装，运行 pip install openpyxl 就行。

2.3.3 API 数据模拟

真实场景中，API 数据往往是最头疼的。格式乱、字段名不规范、还有缺失值。咱们模拟一个简单的 API 返回：

# 模拟从 Wind 或 Tushare 获取的数据
import json
from datetime import datetime, timedelta

def mock_api_data(stock_code, start_date, end_date):
    """模拟 API 返回的 JSON 数据"""
    records = []
    current = start_date
    while current <= end_date:
        records.append({
            'ts_code': stock_code,
            'trade_date': current.strftime('%Y%m%d'),
            'open': round(np.random.uniform(10, 20), 2),
            'high': round(np.random.uniform(11, 22), 2),
            'low': round(np.random.uniform(9, 19), 2),
            'close': round(np.random.uniform(10, 20), 2),
            'vol': np.random.randint(1000000, 5000000)
        })
        current += timedelta(days=1)
    return records

# 调用模拟 API
api_result = mock_api_data('000001.SZ', datetime(2024, 1, 1), datetime(2024, 1, 10))
df_api = pd.DataFrame(api_result)
print(df_api.head())

2.4 本章知识体系总览

为了让你更直观地理解本章内容，我画了一张图。它展示了从环境搭建到数据源模拟的完整链路：

这张图把今天的内容串起来了。从底层的 Python 环境，到 Pandas 和 Jupyter 这两个核心工具，再到三种常见的数据源模拟方式。每一步都是后面实战的基础。

好了，环境搭好了，数据也有了。下一章咱们就开始真正的数据清洗实战。到时候你会发现，今天这些准备工作，每一分钟都没白花。