4. 编程基础（Python）：从零搭好你的量化工作台

说实话，我见过太多人一上来就啃语法书，结果写了三个月还在打印“Hello World”。做量化研究，Python 就是个工具。你的目标是快速上手，能处理数据、能画图、能验证想法。这一章，我就带你走一遍我最顺手的 Python 环境搭建流程，以及三个最核心的库——NumPy、Pandas、Matplotlib。

4.1 环境搭建：为什么我死磕 Anaconda

刚入行那会儿，我也试过自己手动装 Python、配 pip、一个个库去装。结果呢？版本冲突搞了我一整天。后来我学乖了，直接用 Anaconda。说白了，它就是一个大礼包——Python 解释器 + 常用科学计算库 + 包管理器 conda，一次装完，省心省力。

安装步骤（我自己的标准流程）：

1. 去 Anaconda 官网下载对应系统的安装包（选 Python 3.9+ 版本）。
2. 安装时记得勾选“Add Anaconda to my PATH environment variable”。
3. 装完后打开终端，输入 conda --version，看到版本号就说明成了。
4. 创建一个独立的量化环境：conda create -n quant python=3.9。
5. 激活环境：conda activate quant。

环境激活后，用 conda 安装三大件：

conda install numpy pandas matplotlib
conda install jupyter notebook  # 顺手装上，写代码方便

嗯，到这里你的工作台就搭好了。接下来我们看看这三个库到底能干什么。

4.2 NumPy：所有数据的“地基”

NumPy 的核心就是 ndarray（N维数组）。你想想看，股票价格序列、因子暴露矩阵、收益率向量……在底层都是用 ndarray 存的。Pandas 也是建立在它之上的。

我常用的几个操作：

import numpy as np

# 创建一个数组
prices = np.array([100.5, 101.2, 102.8, 103.1])
print(prices.shape)  # (4,)

# 向量化运算——不用写循环
returns = (prices[1:] - prices[:-1]) / prices[:-1]
print(returns)  # [0.00697 0.01581 0.00292]

# 生成随机数（模拟收益率）
np.random.seed(42)
sim_returns = np.random.randn(1000) * 0.02 + 0.001

4.3 Pandas：量化研究员的第一把交椅

Pandas 有两个核心数据结构：Series（一维）和 DataFrame（二维）。做量化，你天天跟 DataFrame 打交道——它就像 Excel 表格，但比 Excel 强大一百倍。

数据读取与预览：

import pandas as pd

# 读取CSV（假设你有一份股票日线数据）
df = pd.read_csv('stock_data.csv', parse_dates=['date'], index_col='date')
print(df.head())  # 看前5行
print(df.info())  # 看数据类型、缺失值

数据清洗——我踩过的坑：

真实数据从来不是干净的。缺失值、异常值、重复值……我曾经因为没处理缺失值，算出来的夏普比率直接爆表，差点以为自己发现了“无敌策略”。

# 检查缺失值
print(df.isnull().sum())

# 填充缺失值（用前一天的收盘价填充）
df['close'].fillna(method='ffill', inplace=True)

# 删除重复行
df.drop_duplicates(inplace=True)

# 过滤异常值（比如涨跌幅超过20%的，大概率是数据错误）
df = df[df['pct_chg'].abs() < 0.2]

数据聚合——分组计算的核心：

# 按股票代码分组，计算每只股票的月均收益率
monthly_returns = df.groupby('stock_id')['return'].resample('M').mean()

# 多列聚合：同时算均值、标准差、计数
agg_stats = df.groupby('stock_id').agg({
    'return': ['mean', 'std', 'count'],
    'volume': 'sum'
})

4.4 Matplotlib：让数据说话

你算了一堆统计量，但光看数字很难发现问题。画个图，一眼就能看出趋势、异常、分布。我个人习惯用 Matplotlib 做基础绘图，配合 Seaborn 做统计图。

画一条价格曲线：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(df.index, df['close'], label='Close Price', color='#3498db')
plt.title('Stock Price Over Time')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

多子图——对比不同指标：

fig, axes = plt.subplots(2, 1, figsize=(12, 8))

# 上子图：价格
axes[0].plot(df.index, df['close'], color='#2ecc71')
axes[0].set_title('Price')

# 下子图：成交量
axes[1].bar(df.index, df['volume'], color='#e74c3c', alpha=0.6)
axes[1].set_title('Volume')

plt.tight_layout()
plt.show()

4.5 知识体系总览

下面这张图，是我自己梳理的本章知识结构。你跟着这个脉络走，就不会乱。

4.6 实战：完整的数据处理流水线

光说不练假把式。下面我给你一个完整的实战案例，把清洗、聚合、可视化串起来。这是我当年做因子分析时用的标准流程。

场景：你拿到了一份 A 股日线数据，包含多只股票的价格和成交量。你要清洗数据，计算每只股票的月度收益率，然后画图对比。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1. 读取数据
df = pd.read_csv('a_stock_daily.csv', parse_dates=['date'])
print(f'原始数据量：{len(df)}')

# 2. 清洗
# 删除缺失值
df.dropna(subset=['close', 'volume'], inplace=True)
# 删除涨跌幅超过20%的异常值
df = df[df['pct_chg'].abs() < 0.2]
# 按日期排序
df.sort_values(['stock_id', 'date'], inplace=True)

# 3. 计算日收益率
df['daily_ret'] = df.groupby('stock_id')['close'].pct_change()

# 4. 聚合：按月计算每只股票的收益率和波动率
monthly = df.groupby(['stock_id', pd.Grouper(key='date', freq='M')]).agg({
    'daily_ret': ['mean', 'std', 'count'],
    'volume': 'sum'
})
monthly.columns = ['monthly_ret', 'monthly_vol', 'trading_days', 'total_volume']
monthly.reset_index(inplace=True)

# 5. 可视化：画前5只股票的月度收益率对比
top5 = monthly[monthly['stock_id'].isin(monthly['stock_id'].unique()[:5])]
pivot = top5.pivot_table(index='date', columns='stock_id', values='monthly_ret')

plt.figure(figsize=(14, 7))
for col in pivot.columns:
    plt.plot(pivot.index, pivot[col], label=col, linewidth=1.5)
plt.title('Top 5 Stocks Monthly Returns Comparison')
plt.xlabel('Date')
plt.ylabel('Monthly Return')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

print('流水线跑完！清洗、聚合、可视化一步到位。')

4.7 本章小结

这一章我们走完了量化编程的“三板斧”：

• Anaconda 帮你一键搭好环境，省去配置烦恼。
• NumPy 提供高性能数组运算，是所有计算的底层引擎。
• Pandas 是数据处理的核心，清洗、聚合、时间序列一把抓。
• Matplotlib 让数据可视化，帮你快速发现规律和异常。

说实话，这三个库我用了快十年，每次遇到新问题，第一反应还是回到它们身上。你只要把这一章的内容练熟，后面做因子分析、回测系统、风险模型，都会顺手很多。