2. Python财务环境搭建

在开始构建现金流预测模型与财务报表穿透查询之前，必须搭建一个稳定、可复现的 Python 财务分析环境。本章将引导你完成从零到一的完整环境配置，涵盖 Anaconda 发行版安装、Jupyter Notebook 交互式开发、pandas/numpy/matplotlib/finance 库的功能定位，以及虚拟环境与依赖管理的标准流程。

2.1 Anaconda 发行版安装与验证

Anaconda 是数据科学和财务建模领域最主流的 Python 发行版，内置了 conda 包管理器、Python 解释器以及超过 1500 个预装科学计算库。对于财务建模而言，使用 Anaconda 可以避免手动编译底层依赖（如 NumPy 的 BLAS 优化），显著降低环境配置成本。

2.2 Jupyter Notebook 与 JupyterLab 启动

Jupyter Notebook 是财务分析师最常用的交互式开发环境，支持代码、公式、可视化图表和说明文本混排，非常适合现金流模型参数调优的迭代探索。JupyterLab 是下一代界面，提供更强大的文件管理和多标签页支持。

# 启动 Jupyter Notebook（默认端口 8888）
jupyter notebook

# 启动 JupyterLab（推荐，界面更现代）
jupyter lab

启动后浏览器会自动打开 http://localhost:8888 或 http://localhost:8888/lab。在 Notebook 中，按 Shift + Enter 执行当前单元格，按 Esc + B 在下方插入新单元格。

2.3 核心财务分析库功能概览

以下四个库构成了财务建模与报表查询的技术基石。理解每个库的定位和适用场景，是高效开发的前提。

2.4 虚拟环境配置与依赖管理

财务项目通常涉及多个模型版本和不同的依赖组合。使用虚拟环境可以隔离每个项目的 Python 包，避免版本冲突。conda 虚拟环境是财务建模的最佳实践，因为它能同时管理 Python 版本和非 Python 的底层库（如 BLAS、OpenSSL）。

2.4.1 创建与激活虚拟环境

# 创建名为 cashflow_env 的环境，指定 Python 3.11
conda create -n cashflow_env python=3.11

# 激活环境（Windows）
conda activate cashflow_env

# 激活环境（macOS / Linux）
source activate cashflow_env

# 退出当前环境
conda deactivate

2.4.2 安装指定版本的财务库

# 在 cashflow_env 环境中安装核心库
conda install pandas=2.2 numpy=1.26 matplotlib=3.8

# 安装 yfinance（从 conda-forge 渠道）
conda install -c conda-forge yfinance

# 安装 openpyxl（用于读写 Excel 财务模型）
conda install openpyxl

2.4.3 依赖导出与重建

当需要将环境分享给团队成员或部署到服务器时，使用 environment.yml 文件实现完全可复现的环境配置。

# 导出当前环境的完整依赖列表
conda env export > environment.yml

# 从 environment.yml 重建完全相同的环境
conda env create -f environment.yml

2.5 财务环境架构总览

下图展示了从操作系统到财务模型应用层的完整技术栈，以及各组件之间的依赖关系。

2.6 环境验证脚本

完成上述安装后，在 Jupyter Notebook 中执行以下代码块，验证所有核心库是否可正常导入并打印版本信息：

import pandas as pd
import numpy as np
import matplotlib as mpl
import yfinance as yf

print("pandas 版本:", pd.__version__)
print("numpy  版本:", np.__version__)
print("matplotlib 版本:", mpl.__version__)
print("yfinance 版本:", yf.__version__)

# 测试 DataFrame 基本操作
df = pd.DataFrame({
    "年份": [2021, 2022, 2023],
    "自由现金流": [125.3, 148.7, 172.1]
})
print("\n现金流数据预览:")
print(df)