3、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。

不是代码写不出来，而是库装不上、版本冲突、路径不对。我见过太多人花三天搭环境，最后心态崩了。所以这一章，咱们把基础打牢。

3.1 为什么选择Anaconda？

我个人习惯用Anaconda来管理Python环境。原因很简单——它把Python解释器、包管理器、以及常用的数据科学库打包在一起了。你不需要一个个去pip install，省心很多。

我记得刚入行那会儿，还在用原生Python。每次换项目都要重新装一堆库，版本冲突搞得头大。后来用了Anaconda，嗯，真香。

3.2 Anaconda安装步骤

安装其实很简单，但有几个坑要注意。我踩过，所以帮你标出来。

3.2.1 下载安装包

• 去官网 https://www.anaconda.com/products/individual 下载
• 选Python 3.9+版本（别选2.7，已经过时了）
• 根据系统选：Windows选exe，Mac选pkg，Linux选sh

3.2.2 安装注意事项

• Windows用户：安装时勾选「Add Anaconda to my PATH environment variable」——我曾经没勾，结果命令行找不到conda，折腾了半天
• Mac/Linux用户：建议装到用户目录下，别用sudo，避免权限问题
• 安装路径不要有中文和空格

3.3 Jupyter Notebook配置

Jupyter Notebook是我们写量化分析代码的主战场。它支持交互式编程，写一段跑一段，非常适合探索性数据分析。

3.3.1 启动Jupyter

安装完Anaconda后，打开终端（或Anaconda Prompt），输入：

jupyter notebook

浏览器会自动打开一个页面，默认地址是 http://localhost:8888。如果没自动打开，手动复制这个地址到浏览器就行。

3.3.2 配置工作目录

我个人习惯把项目文件放在一个专门的文件夹里。比如 D:\quant_analysis。修改默认目录的方法：

1. 在终端生成配置文件：jupyter notebook --generate-config
2. 找到配置文件（一般在用户目录下的 .jupyter/jupyter_notebook_config.py）
3. 搜索 c.NotebookApp.notebook_dir，改成你的路径

c.NotebookApp.notebook_dir = 'D:/quant_analysis'

3.4 必备库安装

做机构持仓集中度分析，三个库是标配：Pandas处理表格数据，NumPy做数值计算，Matplotlib画图。

3.4.1 安装命令

打开终端，输入以下命令（Anaconda已经预装了这些库，但建议更新到最新版）：

conda install pandas numpy matplotlib
# 或者用pip
pip install pandas numpy matplotlib

你想想看，这三个库加起来不到100MB，但能搞定90%的量化分析任务。

3.4.2 验证安装

打开Jupyter Notebook，新建一个Python文件，输入：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

print("Pandas版本:", pd.__version__)
print("NumPy版本:", np.__version__)
print("Matplotlib版本:", plt.__version__)

如果没报错，说明环境搭好了。我一般还会加一句 %matplotlib inline，让图表直接显示在Notebook里。

3.5 常见问题与解决

问题	原因	解决方法
conda命令找不到	没有添加到PATH	重新安装，勾选添加PATH选项
Jupyter无法启动	端口被占用	用 jupyter notebook --port=8889 换端口
导入库报错	版本冲突	用 conda update --all 更新所有包
中文乱码	Matplotlib默认字体不支持中文	设置中文字体：plt.rcParams['font.sans-serif']=['SimHei']

3.6 环境测试

最后，咱们跑一个完整的测试脚本，确保所有组件都能正常工作：

# 环境测试脚本
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1. 创建数据
data = {
    '机构名称': ['华夏基金', '易方达', '嘉实基金', '南方基金'],
    '持仓市值(亿)': [125.3, 98.7, 76.2, 65.8],
    '持仓占比(%)': [18.5, 14.6, 11.3, 9.7]
}
df = pd.DataFrame(data)

# 2. 数据分析
print("=== 机构持仓数据 ===")
print(df)
print("\n平均持仓市值:", np.mean(df['持仓市值(亿)']))

# 3. 可视化
plt.figure(figsize=(8, 5))
plt.bar(df['机构名称'], df['持仓市值(亿)'], color=['#667eea', '#764ba2', '#f093fb', '#f5576c'])
plt.title('机构持仓市值分布')
plt.xlabel('机构名称')
plt.ylabel('持仓市值(亿)')
plt.show()

print("\n✅ 环境测试通过！")

如果能看到柱状图，说明你的Python量化环境已经搭建成功。嗯，就是这么简单。

---

好了，环境搭好了，接下来就可以正式进入机构持仓集中度分析的实战了。记住，环境是基础，基础打牢了，后面写代码才顺手。