4. 环境搭建与依赖安装：Python 3.10+ 环境配置、pandas/numpy/websocket-client/redis 安装、虚拟环境管理

在开始编写坏账率哨兵系统之前，必须建立一套干净、可复现的 Python 开发环境。本章将指导你完成从 Python 解释器安装到核心依赖库部署的全流程，并重点讲解虚拟环境管理策略，确保生产环境与开发环境严格隔离。

4.1 环境版本选型与兼容性矩阵

Level2 行情处理对数值计算和网络 I/O 有较高要求，推荐使用 Python 3.10 及以上版本。下表列出了核心依赖库的推荐版本及其在坏账率哨兵系统中的职责：

4.2 虚拟环境管理策略

虚拟环境是量化项目的“沙箱”，防止不同项目间的依赖冲突。本教程推荐两种方案：

• venv（Python 内置）： 零依赖，适合单机部署。
• conda（Anaconda/Miniconda）： 适合需要混合 Python/C 库的场景，如 TA-Lib。

以下为 venv 的标准操作流程：

# 1. 创建虚拟环境（在项目根目录执行）
python -m venv .venv

# 2. 激活虚拟环境
# Windows (CMD/PowerShell)
.venv\Scripts\activate
# macOS / Linux
source .venv/bin/activate

# 3. 验证环境隔离
which python   # 应指向 .venv/bin/python
python -m pip list  # 初始应为空或仅有 pip/setuptools

# 4. 退出虚拟环境
deactivate

4.3 依赖安装与版本锁定

激活虚拟环境后，执行以下命令批量安装核心依赖：

# 安装核心库
pip install pandas numpy websocket-client redis python-dotenv

# 可选：安装 Jupyter Lab 用于交互式调试
pip install jupyterlab

# 生成依赖锁定文件（用于生产环境复现）
pip freeze > requirements.txt

requirements.txt 文件内容示例：

numpy==1.26.4
pandas==2.2.1
redis==5.0.7
websocket-client==1.8.0
python-dotenv==1.0.1

4.4 环境验证脚本

安装完成后，执行以下脚本验证所有组件是否就绪：

import sys
import pandas as pd
import numpy as np
import websocket
import redis
from dotenv import load_dotenv

print(f"Python 版本: {sys.version}")
print(f"pandas 版本: {pd.__version__}")
print(f"numpy  版本: {np.__version__}")
print(f"websocket-client 版本: {websocket.__version__}")
print(f"redis  版本: {redis.__version__}")
print("✅ 所有核心依赖加载成功！")

预期输出应显示各库版本号，且无 ImportError 异常。

4.5 环境架构总览

下图展示了开发环境、虚拟环境与生产环境之间的数据流与隔离关系：

4.6 常见问题与排错