第3章 Python环境准备

第3章：Python环境准备——Anaconda安装、虚拟环境创建、必备库安装

说实话，很多做量化的人，最后都栽在了环境配置上。

代码写得好好的，换台机器就跑不起来了。库版本冲突、Python解释器不对、依赖缺失……这些坑我全踩过。所以这一章，咱们把环境彻底搞定。后面写策略、跑回测，才能心无旁骛。

3.1 为什么非要用Anaconda？

你可能会问：我直接用系统自带的Python不行吗？

嗯，理论上可以。但实际做量化金融，你会遇到一堆麻烦事：

numpy、pandas这些库，底层依赖C和Fortran编译器。手动装？够你折腾半天。
不同项目需要不同版本的Python。比如backtrader支持3.6+，但有些旧策略只认3.7。
pip安装有时会静默失败，你根本不知道少了哪个动态链接库。

Anaconda把这些全包了。它自带conda包管理器，能帮你隔离环境、管理依赖。我个人的习惯是：每个量化项目一个独立环境，互不干扰。

  核心优势： conda不仅能管理Python包，还能管理非Python的二进制依赖。比如你在Windows上装zipline，缺了libpython什么的，conda会自动补上。

3.2 Anaconda安装实战

去官网下载Anaconda Installer，选Python 3.9或3.10版本。别追新，3.11以上有些金融库还没适配好。

安装时注意两点：

勾选「Add Anaconda to my PATH environment variable」——虽然安装程序会警告，但我建议你勾上。省得后面每次都要手动找conda命令。
安装路径不要有中文和空格。 我见过有人装在「D:\程序\量化分析」下面，结果conda activate死活报错。

装完后打开终端（Windows用Anaconda Prompt，Mac/Linux用普通终端），输入：

conda --version

如果看到版本号，比如 conda 23.7.4，说明安装成功。

小技巧： 如果你在Mac上遇到「command not found」，试试 source ~/.bash_profile 刷新环境变量。我每次重装系统都忘这步。

3.3 创建虚拟环境——给每个项目一个「独立房间」

虚拟环境是什么？说白了，就是给每个项目一个独立的Python解释器和包目录。你在环境A里装backtrader 1.5，环境B里装1.8，互不影响。

我习惯用这种命名规则：项目名_python版本。比如：

conda create -n quant_env python=3.9

这条命令会创建一个叫 quant_env 的环境，Python版本锁定为3.9。

创建完成后，激活它：

conda activate quant_env

你会看到终端提示符前面多了 (quant_env)，说明你已经在虚拟环境里了。

注意： 每次打开新终端，都要手动 conda activate quant_env。我刚开始经常忘，结果pip install装到了base环境里，搞得一团糟。后来我养成了习惯：写代码前先看一眼终端提示符。

3.4 必备库安装——pandas、numpy、matplotlib

这三个是量化金融的「三件套」。安装命令很简单：

conda install pandas numpy matplotlib

用conda安装的好处是：它会自动解决依赖冲突。比如pandas依赖numpy的某个特定版本，conda会帮你算好。

验证安装是否成功：

python -c "import pandas; import numpy; import matplotlib; print('OK')"

如果输出 OK，说明一切正常。

  避坑指南： 我曾经在Windows上装pandas，结果import时报错说缺少 VCRUNTIME140.dll。后来发现是Visual C++ Redistributable没装。去微软官网下载安装就好了。如果你遇到类似问题，别慌，大概率是系统级依赖缺失。

3.5 回测框架安装——backtrader 和 zipline

这两个是回测的核心工具。backtrader轻量、灵活，适合快速验证策略。zipline功能更全，但安装稍复杂。

3.5.1 安装backtrader

pip install backtrader

注意：backtrader在PyPI上，所以用pip而不是conda。安装后测试：

python -c "import backtrader; print(backtrader.__version__)"

3.5.2 安装zipline

zipline的安装稍微麻烦一点。我推荐用conda-forge渠道：

conda install -c conda-forge zipline

如果你在Windows上，可能会遇到 Microsoft C++ Build Tools 的报错。解决方案：

下载安装 Visual C++ Build Tools
或者直接用 conda install -c conda-forge zipline，conda-forge通常已经预编译好了。

我的经验： 如果你只是做简单的策略回测，backtrader完全够用。zipline更适合需要完整事件驱动回测、且数据源复杂的场景。初学者我建议先玩backtrader，上手快。

3.6 本章知识体系总览

下面这张图，帮你理清整个环境搭建的逻辑：

3.7 验证环境——跑一个最小回测

装完所有库后，我习惯跑一个最小化的回测脚本，确认环境没问题：

import backtrader as bt
import pandas as pd

# 生成模拟数据
dates = pd.date_range('2020-01-01', '2020-12-31')
data = pd.DataFrame({
    'open': [100 + i*0.1 for i in range(len(dates))],
    'high': [101 + i*0.1 for i in range(len(dates))],
    'low': [99 + i*0.1 for i in range(len(dates))],
    'close': [100.5 + i*0.1 for i in range(len(dates))],
    'volume': [1000] * len(dates)
}, index=dates)

# 定义简单策略
class TestStrategy(bt.Strategy):
    def next(self):
        pass

# 运行回测
cerebro = bt.Cerebro()
data_feed = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data_feed)
cerebro.addstrategy(TestStrategy)
result = cerebro.run()

print("环境验证通过！回测引擎正常运行。")

如果这段代码能顺利跑完，恭喜你——环境搭建成功了。

常见报错： 如果你遇到 ModuleNotFoundError: No module named 'backtrader'，说明你忘记激活虚拟环境了。先 conda activate quant_env 再试。

3.8 本章小结

环境搭建是量化回测的「地基」。地基不稳，后面全是空中楼阁。

这一章我们做了三件事：

安装了Anaconda，解决了Python包管理的底层依赖问题
创建了独立的虚拟环境，让每个项目互不干扰
安装了pandas、numpy、matplotlib、backtrader、zipline这些必备库

我个人建议：把 conda create -n quant_env python=3.9 和 conda activate quant_env 这两个命令记在备忘录里。你以后每次开新项目，都会用到它们。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录