📚 课程目录第2章开发环境搭建

2. 开发环境搭建：Anaconda安装、Jupyter Notebook与VS Code配置、虚拟环境管理

说实话，很多新手学Python绘图，第一步就卡在环境上。我记得刚带团队时，有个同事折腾了两天，最后发现是Anaconda版本装错了。嗯，这节课我帮你把这些坑全填上。

2.1 Anaconda安装——这事马虎不得

Anaconda是什么？说白了就是一个Python全家桶。它帮你把Python解释器、常用库、包管理工具conda全都打包好了。我个人的习惯是：不管做数据分析还是AI，首选Anaconda。为什么？依赖管理太省心了。

小贴士： 如果你只是写写脚本，用原生Python也行。但一旦要画图、调库、搞虚拟环境，Anaconda能帮你少掉一半头发。

安装步骤

去官网（anaconda.com）下载对应系统的安装包。Windows选64-Bit Graphical Installer，macOS选64-Bit (Apple Silicon)或64-Bit (Intel)看你芯片。
双击安装，一路默认。只有一个关键选项：一定要勾选“Add Anaconda to my PATH environment variable”。我见过太多人没勾，后面命令行找不到conda，又手动改PATH，麻烦死。
安装完打开终端（Windows用Anaconda Prompt或cmd），输入：

conda --version

如果能输出类似conda 24.1.2，就说明装好了。注意：Windows用户如果cmd里找不到，就用Anaconda Prompt，它自动配置了环境变量。

警告： 不要同时装Miniconda和Anaconda，会冲突。我曾经帮一个学员排查了一下午，最后发现他装了俩，conda路径乱套了。

2.2 Jupyter Notebook配置——交互式绘图利器

MA图绘制我强烈推荐用Jupyter Notebook。为什么？画完图直接显示在代码下方，调参数实时看效果，比用IDE一遍遍运行脚本爽太多了。

安装很简单：

conda install jupyter notebook

装完后启动：

jupyter notebook

浏览器会自动打开http://localhost:8888。你会看到文件目录，点New → Python 3就能新建笔记本。

我常用的几个小技巧

魔法命令：在单元格里输入%matplotlib inline，图片直接嵌入页面，不用弹窗。
快捷键：按B在下方插入新单元格，按D D删除当前单元格（按两次D）。
Markdown单元格：把单元格类型改成Markdown，可以写说明文档，图文并茂。

  📌 重点： 用Jupyter Notebook做MA图学习，每段代码都可以独立运行，改参数重跑就行，效率超高。我在做股票MA策略回测时，一天能调几十版参数，全靠Notebook。

2.3 VS Code配置——专业级开发环境

Jupyter Notebook虽好，但大型项目管理还是VS Code更顺手。我现在写生产代码全用VS Code，Notebook只用来做探索性分析。

安装VS Code

去code.visualstudio.com下载安装包，没什么特别。装完后需要装几个插件：

插件名	作用	必装？
Python	语法高亮、IntelliSense、调试	✅
Jupyter	在VS Code里运行.ipynb文件	✅
Pylance	类型检查、代码补全	✅
GitLens	Git历史（可选）	🔘

装好Python插件后，按Ctrl+Shift+P，输入Python: Select Interpreter，选你Anaconda环境里的Python。这样VS Code就知道用哪个解释器了。

配置launch.json（调试用）

要调试Python脚本，按下F5会提示你选调试配置。选Python File，VS Code会自动生成.vscode/launch.json。我一般会改个参数：

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: Current File",
            "type": "python",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "justMyCode": true
        }
    ]
}

提示： 把"console"改成"integratedTerminal"，这样调试时输出就能看到中文不乱码。之前我用默认的"internalConsole"，打印中文直接变方框，排查半天。

2.4 虚拟环境管理——防止库冲突的护身符

你想想看，如果你同时做两个项目：一个要求numpy 1.19，另一个要求numpy 1.26。不隔离的话，装一个就崩另一个。虚拟环境就是干这个的。

conda创建虚拟环境

基本命令：

conda create -n ma_plot python=3.10

这里-n ma_plot是环境名，你可以随便起。后面指定Python版本。我建议用3.9或3.10，稳定且兼容主流库。

激活环境：

conda activate ma_plot

激活后，命令行前面会出现(ma_plot)字样，表示你现在在这个虚拟环境里。然后安装库：

conda install matplotlib numpy pandas jupyter

这些库都装到ma_plot里，不会污染系统Python。

退出环境：

conda deactivate

查看所有环境：

conda info --envs

注意： 千万别在base环境里乱装库。base是Anaconda的根环境，搞坏了可能连conda本身都出问题。我有个同事把base里的numpy卸了重装低版本，结果pandas报错，最后重装Anaconda才解决。老老实实建虚拟环境吧。

导出与重建环境

当你把环境配好后，可以用一条命令导出依赖清单：

conda env export > environment.yml

别人拿到这个文件，一键重建你的环境：

conda env create -f environment.yml

这个在团队协作中超级好用。我做开源项目时都会附一个environment.yml，用户直接conda env create就完事。

2.5 本章知识体系

下面这张图帮你理清开发环境的全貌：

好了，环境搭好，后面我们直接上手写代码。记住：磨刀不误砍柴工，这一步花点时间，后面画MA图就会行云流水。