第3章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、必备库安装
说实话，很多做量化分析的朋友，最后都栽在了环境配置上。
代码写得好好的，换个电脑就跑不起来了。库版本冲突、路径不对、缺少依赖……这些坑我踩过太多次。所以这一章，咱们把地基打牢。
3.1 为什么选择Anaconda？
Python本身只是一个解释器。真正干活的是那些第三方库——pandas、numpy、matplotlib、tushare。而Anaconda，就是帮你管理这些库的「大管家」。
我个人习惯用Anaconda，原因有三：
- 自带150+常用库——装完就能用，省去一个个pip的麻烦
- 环境隔离——不同项目用不同Python版本，互不干扰
- 跨平台——Windows、macOS、Linux都能跑
核心观点：Anaconda不是必须的，但它是新手最友好的选择。我见过太多人因为手动装库装到崩溃，最后放弃了量化学习。别让环境配置成为你的拦路虎。
3.2 Anaconda安装步骤
嗯，这里要注意版本选择。我建议下载Python 3.9或3.10对应的Anaconda版本。太新的Python版本，有些量化库还没适配好。
3.2.1 下载与安装
- 访问Anaconda官网（anaconda.com），选择Individual Edition
- 根据操作系统下载对应安装包（Windows选64位）
- 安装时勾选「Add Anaconda to my PATH environment variable」
- 等待安装完成（约5-10分钟）
避坑指南：我曾经因为没勾选PATH选项，导致命令行里找不到conda命令。后来花了半小时排查，才发现是安装时漏了一步。所以，请务必勾选那个选项。
3.2.2 验证安装
打开终端（Windows用cmd或PowerShell），输入：
conda --version如果看到类似 conda 23.7.4 的输出，说明安装成功。
3.3 Jupyter Notebook配置
Jupyter Notebook是我做量化分析最常用的工具。它把代码、图表、文字说明整合在一个文档里，特别适合做探索性分析。
你想想看，传统的Python开发流程是：写代码 → 运行 → 看结果 → 改代码。而Jupyter让你边写边看，每一步的结果都实时展示。对于资金流向分析这种需要反复调试的工作，简直不要太方便。
3.3.1 启动Jupyter
在终端输入：
jupyter notebook浏览器会自动打开一个页面，默认地址是 http://localhost:8888。
3.3.2 常用快捷键
| 快捷键 | 功能 |
|---|---|
| Shift + Enter | 运行当前单元格，并选中下一个 |
| Ctrl + Enter | 运行当前单元格，不移动 |
| Esc + A | 在上方插入新单元格 |
| Esc + B | 在下方插入新单元格 |
| Esc + M | 切换为Markdown模式（写文字说明） |
个人经验：我习惯把代码和注释分开。代码放一个单元格，注释用Markdown写在另一个单元格。这样后期回看时，思路特别清晰。
3.4 必备库安装
做行业轮动分析，离不开这四个库。说白了，它们就是量化分析的「四件套」。
3.4.1 pandas——数据处理核心
pandas是Python里的Excel，但比Excel强大得多。它能处理时间序列、合并数据表、做分组统计……
conda install pandas验证安装：
import pandas as pd
print(pd.__version__)3.4.2 numpy——数值计算引擎
numpy提供高效的数组运算。pandas底层就是基于numpy的。
conda install numpy3.4.3 matplotlib——数据可视化
画图用的。行业轮动分析里，热力图、折线图、堆叠图都靠它。
conda install matplotlib记得在Jupyter里加上这行，让图表直接显示：
%matplotlib inline3.4.4 tushare——金融数据接口
这是国内最常用的免费股票数据接口。行业板块数据、个股行情、资金流向……都能拿到。
pip install tushare注意：tushare建议用pip安装，因为conda源里可能不是最新版。我曾经用conda装了个旧版，结果接口返回的数据格式都变了，排查了半天才发现是版本问题。
3.5 环境验证：跑一个完整示例
装完库之后，我建议你跑一遍这个示例。它能验证整个环境是否正常工作。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tushare as ts
# 设置matplotlib显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 获取行业板块数据（以2024年为例）
pro = ts.pro_api('你的token') # 需要注册tushare获取token
df = pro.index_daily(ts_code='399997.SZ', start_date='20240101', end_date='20241231')
# 简单可视化
df['close'].plot(figsize=(12, 6), title='申万电子行业指数走势')
plt.show()
print("环境搭建成功！数据条数：", len(df))小提示：第一次运行可能会报错，别慌。大概率是token没设置，或者网络问题。去tushare官网注册一下，免费token就能用。
3.6 本章知识体系
为了让你更直观地理解本章内容，我画了一张结构图。它展示了从零开始搭建量化分析环境的完整路径。
这张图把本章内容串起来了。从Anaconda开始，到Jupyter配置，再到四个必备库，最后用示例代码验证。每一步都是下一环的基础。
我的建议：别急着往下学。花半小时把环境搭好，跑通示例代码。后面做行业轮动分析时，你会发现这半小时花得太值了。