第二章：开发环境搭建——工欲善其事，必先利其器
做量化交易，说白了就是跟数据打交道、跟代码较劲。环境搭不好，后面全是坑。我见过太多人花了两周写策略，结果因为库版本冲突，又花了两周去debug。嗯，咱们别走那条弯路。
这一章，我会带你一步步把Python、Anaconda、VS Code、Jupyter Notebook这些家伙安排得明明白白。顺便把pandas、numpy、backtrader这些常用库也一并装好。你跟着走一遍，后面30章基本不用再为环境发愁。
2.1 Python与Anaconda安装
Python版本怎么选？我个人习惯用Python 3.9或3.10。3.11虽然新，但有些量化库还没完全适配。你想想看，万一backtrader报个兼容性错误，排查起来多闹心。
Anaconda这东西，说白了就是个Python的“全家桶”。它自带包管理器conda，还有一大堆数据科学库。我建议你直接去官网下个Anaconda Individual Edition，一路默认安装就行。
装完之后，打开终端（Windows用cmd或PowerShell，Mac/Linux用bash），输入：
python --version
conda --version能看到版本号，就说明装好了。我记得第一次装的时候，python命令死活找不到，后来发现是环境变量没配好。嗯，如果你也遇到这问题，去系统环境变量里手动加一下Anaconda的路径就行。
2.2 VS Code配置
编辑器这块，我强烈推荐VS Code。免费、轻量、插件生态丰富。做量化开发，你需要的功能它基本都有。
安装好VS Code后，打开扩展市场（Ctrl+Shift+X），装这几个插件：
- Python（微软官方出品，必装）
- Jupyter（让你在VS Code里直接跑Notebook）
- Pylance（代码补全和类型检查，写代码快一倍）
- GitLens（版本管理，做策略迭代时特别有用）
装完之后，按Ctrl+Shift+P，输入“Python: Select Interpreter”，选你Anaconda安装的那个Python解释器。这一步很重要，不然VS Code可能用系统自带的Python，库都找不到。
2.3 Jupyter Notebook使用
Jupyter Notebook这东西，做量化分析简直神器。你可以一段一段地跑代码，边跑边看结果。比如你拉了一堆行情数据，想看看长什么样，直接print一下，图表就出来了。
启动方式很简单，终端输入：
jupyter notebook浏览器会自动打开一个页面，点“New” -> “Python 3”就能新建一个Notebook。我个人习惯在VS Code里直接写Notebook，因为代码补全和调试更方便。你可以在VS Code里新建一个.ipynb文件，效果一样。
这里有个小技巧：Notebook里写代码，尽量把每个cell控制在10行以内。太长的话，出错了不好定位。我刚开始做回测时，一个cell写了50行，结果报错找半天。后来学乖了，数据加载一个cell，清洗一个cell，策略逻辑一个cell，清清楚楚。
2.4 虚拟环境管理
虚拟环境这东西，说白了就是给你的每个项目一个独立的“小房间”。房间里的Python版本、库版本都是独立的，互不干扰。
举个例子：你项目A需要pandas 1.3，项目B需要pandas 2.0。如果没有虚拟环境，你只能二选一。有了虚拟环境，两个版本可以共存，各用各的。
用conda创建虚拟环境很简单：
conda create -n quant_env python=3.9
conda activate quant_envquant_env是环境名字，你可以随便起。激活之后，终端前面会显示(quant_env)，说明你已经在虚拟环境里了。这时候安装的所有库，都只在这个环境里生效。
a_share_env，做加密货币用crypto_env。这样不同项目的依赖不会打架，而且换电脑时只要导出一个environment.yml文件，到新电脑上一键重建环境。
退出虚拟环境用：
conda deactivate如果你不想用conda，也可以用Python自带的venv：
python -m venv quant_env
# Windows激活
quant_env\Scripts\activate
# Mac/Linux激活
source quant_env/bin/activate两种方式都行，我个人更推荐conda，因为它还能管理Python版本，venv只能管理库。
2.5 常用量化库安装
环境搭好了，接下来装库。这些库是量化交易的“工具箱”，后面每一章都会用到。
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理，行情数据清洗、合并、统计 | conda install pandas |
| numpy | 数值计算，矩阵运算、数学函数 | conda install numpy |
| matplotlib | 数据可视化，画K线图、回测曲线 | conda install matplotlib |
| backtrader | 策略回测框架，写策略、跑回测 | pip install backtrader |
| ccxt | 加密货币交易所API封装，获取行情、下单 | pip install ccxt |
| ta-lib | 技术指标计算，MACD、RSI、布林带等 | conda install -c conda-forge ta-lib |
| scikit-learn | 机器学习，用于预测模型、因子挖掘 | conda install scikit-learn |
安装时注意顺序：先装pandas和numpy，因为它们很多库的依赖。我一般这样操作：
conda activate quant_env
conda install pandas numpy matplotlib
pip install backtrader ccxt
conda install -c conda-forge ta-lib
conda install scikit-learn为什么要混着用conda和pip？因为backtrader和ccxt在conda源里更新不及时，用pip装能拿到最新版。而pandas、numpy这些用conda装，依赖关系处理得更好，不容易出问题。
import xxx能不能成功，别等写代码时才发现。
装完之后，验证一下：
python -c "import pandas; import numpy; import matplotlib; import backtrader; import ccxt; print('All good!')"如果没报错，恭喜你，环境搭好了。后面就可以安心写策略了。