第一章：环境准备与工具链

说实话，搭建开发环境这事儿，看着简单，但坑是真不少。我见过太多人卡在第一步——Python版本冲突、包装不上、代码丢了找不回来。嗯，咱们先把地基打牢。

1.1 Python环境搭建

Python版本怎么选？我个人习惯用3.9或3.10。为什么？因为很多量化库对3.11以上的支持还不够稳定。我在项目中遇到过，用Python 3.12跑一个老项目，结果某个依赖库直接报错，折腾了半天才发现是版本问题。

下载地址：python.org

安装时记得勾选「Add Python to PATH」。这个选项默认没勾，我第一次装的时候就忘了，结果在命令行里敲python没反应，还以为电脑坏了。

1.2 Anaconda与虚拟环境管理

为什么要用虚拟环境？说白了，就是隔离。你想想看，项目A需要pandas 1.3，项目B需要pandas 2.0，要是装在一个环境里，那不乱套了？

Anaconda是我最推荐的方式。它自带conda命令，管理环境特别方便。

# 创建虚拟环境
conda create -n quant_agent python=3.9

# 激活环境
conda activate quant_agent

# 退出环境
conda deactivate

# 查看所有环境
conda env list

我曾经有个项目，需要同时维护三个不同依赖版本的环境。用conda管理，切换起来就跟换衣服一样简单。

1.3 Jupyter Notebook配置

Jupyter Notebook是量化研究的标配。为什么？因为它支持交互式编程，写一段代码跑一段，立马看到结果。做数据分析时特别爽。

安装很简单：

pip install jupyter notebook

启动：

jupyter notebook

但默认配置有几个痛点。比如，默认端口是8888，如果同时开多个notebook就会冲突。我习惯改一下配置：

# 生成配置文件
jupyter notebook --generate-config

# 编辑配置文件，找到下面这行
# c.NotebookApp.port = 8888
# 改成
c.NotebookApp.port = 9999

还有一个坑：notebook默认只能从本地访问。如果你在服务器上跑，需要加个参数：

jupyter notebook --ip=0.0.0.0 --no-browser

1.4 Git版本控制基础

Git这东西，刚开始觉得麻烦，用习惯了就离不开。我见过有人写代码从来不备份，电脑一坏，几个月的心血全没了。那叫一个惨。

基本流程就这几步：

# 初始化仓库
git init

# 添加文件到暂存区
git add .

# 提交到本地仓库
git commit -m "第一次提交"

# 关联远程仓库（比如GitHub）
git remote add origin https://github.com/你的用户名/quant_agent.git

# 推送到远程
git push -u origin main

日常开发中，我最常用的就三个命令：

• git status — 看看改了哪些文件
• git diff — 看看具体改了啥
• git log — 看看提交历史

1.5 必备Python库安装

做量化投研，有几个库是绕不开的。我列个清单：

库名	用途	安装命令
numpy	数值计算	pip install numpy
pandas	数据处理	pip install pandas
matplotlib	数据可视化	pip install matplotlib
scikit-learn	机器学习	pip install scikit-learn
requests	网络请求	pip install requests
tushare	A股数据接口	pip install tushare
backtrader	回测框架	pip install backtrader

安装时有个小技巧：用pip install -r requirements.txt批量安装。我习惯把项目依赖都写进这个文件里，换环境时一键搞定。

# requirements.txt 示例
numpy==1.24.3
pandas==2.0.3
matplotlib==3.7.1
scikit-learn==1.3.0
requests==2.31.0
tushare==1.4.1
backtrader==1.9.78.123

1.6 知识体系总览

这一章的内容，说白了就围绕一个核心：让开发环境稳定、可复现、好管理。下面这张图能帮你快速理清思路：

环境搭好了，后面的事就顺了。别急，咱们一步一步来。

---