第二章：Python环境搭建——Anaconda安装、Jupyter Notebook使用、虚拟环境管理、常用库安装
说实话，很多刚入行的朋友问我：「量化投资是不是很难？」我通常回答：「先把你电脑上的Python环境搞定再说。」
环境搭建这事儿，看着简单，但坑不少。我自己带过十几个实习生，至少有一半人卡在第一步——装库装到崩溃，版本冲突到想砸电脑。所以这一章，我带你走一遍我验证过无数次的「标准流程」。
2.1 为什么非要用Anaconda？
你可能会想：「我自己装个Python不行吗？」行，当然行。但量化投资需要一堆科学计算库，一个个手动装，你会疯的。
Anaconda是什么？说白了就是一个「Python全家桶」。它帮你预装了numpy、pandas、matplotlib等150多个常用库。你装一个Anaconda，相当于把半个量化工具箱搬回家了。
核心优势：
- 自带Python解释器，不用单独装
- 内置conda包管理器，装库像喝水一样简单
- 支持虚拟环境隔离，不同项目互不干扰
- 跨平台，Windows/Mac/Linux都能用
2.2 Anaconda安装实战
嗯，这里要注意：别去官网下最新版。我踩过这个坑——最新版有时候和旧项目不兼容。
我个人习惯用Anaconda 2023.07版本，稳定，兼容性好。你可以在清华镜像站下载，速度快很多。
Windows安装步骤：
- 双击安装包，选「Just Me」
- 安装路径不要有中文和空格（血的教训）
- 勾选「Add Anaconda to my PATH environment variable」
- 等进度条跑完，搞定
避坑指南：我曾经帮一个学员排查问题，搞了半小时才发现他安装路径里有「量化投资」四个中文字。conda遇到中文路径直接罢工。所以——路径全英文，切记。
2.3 Jupyter Notebook——量化分析的「草稿本」
装好Anaconda后，你会在开始菜单里找到Jupyter Notebook。这玩意儿是量化分析的神器。
为什么这么说？因为它支持「边写代码边看结果」。你写一行代码，按Shift+Enter，结果立刻显示在下方。写报告、做分析、画图表，一气呵成。
启动方式：
# 方式一：在Anaconda Navigator里点Launch
# 方式二：打开命令行，输入
jupyter notebook我个人习惯用命令行启动。为什么？因为可以指定工作目录。比如：
jupyter notebook D:\quant_course这样打开后，所有文件都在这个目录下，管理起来特别清爽。
小技巧：Jupyter Notebook支持Markdown单元格。你可以把分析思路写在Markdown里，代码写在Code单元格里。最终导出的.ipynb文件，就是一份完整的量化分析报告。
2.4 虚拟环境管理——别让项目「打架」
你想想看，你同时做两个量化项目：一个用pandas 1.5，另一个用pandas 2.0。如果装在一个环境里，迟早出问题。
虚拟环境就是解决这个问题的。每个项目有自己独立的环境，互不干扰。
创建虚拟环境：
# 创建一个名为quant_env的环境，指定Python版本
conda create -n quant_env python=3.9
# 激活环境
conda activate quant_env
# 退出环境
conda deactivate
# 查看所有环境
conda env list我一般这样命名：项目名_env。比如backtest_env、data_env。一目了然。
我的工作流：
- 每个量化策略项目，新建一个虚拟环境
- 在环境里装项目需要的库
- 用
conda list --export > requirements.txt导出依赖 - 换电脑时，用
conda create -n new_env --file requirements.txt一键重建
2.5 常用库安装——量化投资的「四件套」
量化投资离不开四个库：numpy、pandas、matplotlib、tushare。我管它们叫「四件套」。
| 库名 | 作用 | 安装命令 |
|---|---|---|
| numpy | 数值计算，处理数组和矩阵 | conda install numpy |
| pandas | 数据处理，类似Excel但更强大 | conda install pandas |
| matplotlib | 数据可视化，画K线图、折线图 | conda install matplotlib |
| tushare | 获取A股数据，免费又好用 | pip install tushare |
注意：tushare建议用pip安装，因为conda源里可能不是最新版。我遇到过用conda装tushare，结果接口报错，换成pip就好了。
验证安装：
# 在Python交互环境或Jupyter里运行
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tushare as ts
print("numpy版本:", np.__version__)
print("pandas版本:", pd.__version__)
print("tushare版本:", ts.__version__)如果没报错，恭喜你，环境搭好了。
避坑指南：我曾经在虚拟环境里装库，忘了激活环境，结果装到了base环境里。后来项目迁移时才发现依赖全乱了。所以——装库前，先确认你激活了正确的环境。
2.6 本章知识体系
下面这张图，是我梳理的环境搭建全流程。你可以把它当成「检查清单」：
2.7 写在最后
环境搭建是量化投资的第一步，也是最容易出问题的一步。但只要你按我上面说的来，基本不会翻车。
记住三个原则：
- 路径全英文——避免中文和空格
- 项目独立环境——每个项目一个虚拟环境
- 先激活再装库——装库前确认环境
做到这三点，你的Python环境就能稳定运行很久。接下来，我们就可以真正开始写量化代码了。