Anaconda 教程

Anaconda 是一个面向数据科学和机器学习的 Python 发行版，它打包了常用的工具和库，让你能够更轻松地进行编程、分析数据和构建模型。

Anaconda 包及其依赖项的管理工具为 conda 命令，本篇后面会详细介绍。

与传统的 Python pip 相比，conda 可以更方便地在不同环境之间切换，环境管理更简单。

为什么选择 Anaconda

对量化学习来说，Anaconda 解决了三个痛点：

优势 说明
开箱即用 像安装普通软件一样安装，NumPy、Pandas、Matplotlib、SciPy、Scikit-learn 等量化必备库已预装
环境隔离 可以创建多个独立的 Python 环境（比如一个装量化库、一个装 Web 框架），避免库版本冲突
集成工具 内置 Jupyter Notebook 交互式编程环境和 Spyder 开发环境，特别适合数据分析
跨平台 支持 Windows、macOS 和 Linux

其中 Jupyter Notebook 值得单独一提：它允许在浏览器里一段一段地运行代码，并即时看到图表输出，是量化研究最常用的工作方式。

Anaconda 安装

Anaconda 安装包下载地址：https://www.anaconda.com/download。

根据你的操作系统下载对应安装包：

macOS 平台

双击打开下载的安装包，选择 Install for me only：

点击 Install 按钮开始安装：

安装完成后，点击 Continue 按钮，即可看到安装完成的界面：

macOS 平台安装的更多细节可以参考官网文档：https://docs.anaconda.com/free/anaconda/install/mac-os/

Windows 平台

Windows 平台与 macOS 类似，双击安装包，同意协议后按默认设置一步步点击 Next 即可。

选择安装目录：

在 Advanced Installation Options 中，不要勾选 Add Anaconda to my PATH environment variable（添加 Anaconda 至环境变量）。

勾选这个选项会影响其他程序对系统 PATH 的使用，安装完成后通过 Anaconda 自带的命令行工具操作即可。

点击 Install 按钮进行安装，安装成功后出现如下界面：

点击 Next 按钮完成安装：

Windows 平台安装的更多细节可以参考官网文档：https://docs.anaconda.com/free/anaconda/install/windows/

Linux 平台

Linux 平台通过命令行安装，可以替换命令中的版本号：

# 下载安装脚本（版本号可替换为官网最新版本）
curl -O https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh

# 运行安装脚本
bash Anaconda3-2023.09-0-Linux-x86_64.sh

Linux 平台安装的更多细节可以参考官网文档：https://docs.anaconda.com/free/anaconda/install/linux/

Anaconda 图形界面

安装完成后，可以打开 Anaconda 图形管理界面查看和管理不同的环境：

点击 Environments 可以查看已安装的环境：

界面底部有创建与删除环境的按钮，可以自由操作。

图形界面适合初学者浏览，但日常开发更推荐使用下面的 conda 命令行方式，速度更快，也便于写脚本自动化。

conda 常用命令

conda 是 Anaconda 的包管理器，用于安装、更新、卸载软件包，以及创建和管理不同的 Python 环境。

环境管理

创建一个名为 myenv 的新环境：

# 创建默认版本的环境
conda create --name myenv

创建环境时指定 Python 版本：

# 创建名为 myenv 的环境，并指定 Python 版本为 3.11
conda create --name myenv python=3.11

激活环境：

# 激活名为 myenv 的环境
conda activate myenv

退出当前环境：

conda deactivate

查看所有已创建的环境：

# 当前激活的环境会标记 * 号
conda env list

通过克隆已有环境创建新环境：

# 复制 myenv 环境为 myclone
conda create --name myclone --clone myenv

删除环境：

conda env remove --name myenv

包管理

conda 的包管理命令与 pip 类似：

命令 功能
conda install package_name 安装指定包
conda install package_name=1.2.3 安装指定版本的包
conda update package_name 更新已安装的包
conda remove package_name 卸载包
conda list 查看当前环境已安装的所有包及版本
conda search package_name 在 conda 仓库中搜索包

其他常用命令

# 查看帮助
conda --help

# 查看 conda 版本
conda --version

# 清理缓存与不再需要的包
conda clean --all

实战：创建量化专用环境

学完上面的命令，我们来完成本教程后续章节要用的环境：创建一个独立的 quant 环境，并装好量化所需的库。

把环境和项目隔离开，之后即使随意升级其他库，也不会破坏量化环境。

实例

# 1. 创建名为 quant 的环境，指定 Python 3.11
conda create --name quant python=3.11

# 2. 激活 quant 环境
conda activate quant

# 3. 安装量化基础三件套：数据处理、数值计算、可视化
conda install pandas numpy matplotlib

# 4. 安装金融数据获取库（后续章节会用到，此处先装好）
pip install yfinance akshare

# 5. 安装交互式图表库（K 线图章节使用）
pip install pyecharts

# 6. 验证安装是否成功
python -c "import pandas, numpy, matplotlib, yfinance; print('环境就绪')"

输出结果如下所示：

环境就绪

看到 环境就绪 四个字，说明量化环境搭建完成。

Jupyter Notebook

量化研究强烈推荐使用 Jupyter Notebook，它可以把代码、图表和笔记放在同一个文档里，一段一段地执行，非常适合策略研究的迭代过程。

# 在 quant 环境中安装 Jupyter Notebook（可选）
conda install jupyter

# 启动 Jupyter Notebook
jupyter notebook

执行后会自动打开浏览器，新建 Notebook 即可开始编写代码。

注意：一定要先激活 quant 环境再启动 Jupyter，否则 Notebook 会运行在 base 环境中，找不到你安装的量化库。