1.6 量化沙盒搭建(2)：Jupyter Notebook与库配置 | 量化交易 Python 入门：从咖啡馆到华尔街

量化沙盒搭建(2)：Jupyter Notebook与库配置

小象量化极客小册 · 华尔街量化分析先锋系列

欢迎来到华尔街量化分析先锋：从咖啡销量到量化策略的第1章。作为一名在小象咖啡馆摸爬滚打的数据侦探，你即将迈出转型量化交易员的关键一步。本节我们将部署量化计算沙盒，并理解基础的数据分析科学模型。

小象量化极客小册 · 华尔街量化分析先锋系列 欢迎来到华尔街量化分析先锋：从咖啡销量到量化策略的第1章。作为一名在小象咖啡馆摸爬滚打的数据侦探，你即将迈出转型量化交易员的关键一步。本节我们将部署量化计算沙盒，并理解基础的数据分析科学模型。

💡 核心导读

本节将深入讲解数据分析环境的高级部署技巧，重点解决多版本Python环境管理、虚拟环境隔离、Jupyter Notebook扩展配置等实战问题。通过本小节学习，您将掌握：1) 使用conda创建多版本Python环境；2) 在Jupyter中配置不同内核；3) 安装常用数据分析扩展插件。所有操作均通过终端命令和Python代码演示，确保环境配置可复现。

多版本Python环境管理

conda环境配置

conda create -n da38 python=3.8 -y

conda activate da38
conda install numpy pandas matplotlib scikit-learn -y

conda env list

环境结构对比

+---------------+    +---------------+
|  base         |    |  da38         |
|  python=3.10  |    |  python=3.8   |
|  numpy=1.24   |    |  numpy=1.21   |
+---------------+    +---------------+

💡 概念小测：Jupyter 单元格执行

在 Jupyter Notebook 中编写并调试量化交易策略时，关于代码单元格（Cell）的运行机制，以下说法正确的是？

必须按照从上到下的顺序依次运行，否则 Jupyter 会拒绝执行。
单元格内的变量在执行完毕后会立刻被内存释放，不能供其他单元格使用。
单元格是以内存共享的方式交互执行的，左侧的数字（如 [3]）代表其执行的先后顺序。
一旦某个单元格陷入死循环，整个 Notebook 的文件就会损坏，无法挽回。

📝 选择题

💡 概念小测：Jupyter 单元格执行在 Jupyter Notebook 中编写并调试量化交易策略时，关于代码单元格（Cell）的运行机制，以下说法正确的是？

A. 必须按照从上到下的顺序依次运行，否则 Jupyter 会拒绝执行。
B. 单元格内的变量在执行完毕后会立刻被内存释放，不能供其他单元格使用。
C. 单元格是以内存共享的方式交互执行的，左侧的数字（如 [3]）代表其执行的先后顺序。
D. 一旦某个单元格陷入死循环，整个 Notebook 的文件就会损坏，无法挽回。

答案：C（单元格是以内存共享的方式交互执行的，左侧的数字（如 [3]）代表其执行的先后顺序。）

Jupyter内核管理

将conda环境加入Jupyter

!pip install ipykernel
!python -m ipykernel install --user --name da38 --display-name "Py38_DA"

!jupyter kernelspec list

内核切换演示

import sys
print(f"当前Python版本：{sys.version.split()[0]}")
print(f"工作目录：{!pwd}")  # Jupyter魔法命令

开发环境增强配置

必备Jupyter扩展

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

jupyter nbextension enable execute_time/ExecuteTime
jupyter nbextension enable codefolding/main

常用插件功能说明

| 插件名称       | 功能描述                     |
|----------------|----------------------------|
| ExecuteTime    | 显示单元格执行耗时           |
| Table of Contents | 自动生成文档目录          |
| Variable Inspector | 实时显示变量内存占用      |

💡 代码填空：测试依赖库

在 Jupyter 中，我们需要测试是否成功导入了科学计算和数据清洗所需的库。请补全以下导入别名：

import numpy as np
import pandas as {blank}

print("量化库加载成功！")

✏️ 填空题

💡 代码填空：测试依赖库在 Jupyter 中，我们需要测试是否成功导入了科学计算和数据清洗所需的库。请补全以下导入别名：

import numpy as np
import pandas as ___
print("量化库加载成功！")

答案：pd

本章小结

通过本节学习，您已经掌握了数据分析环境的进阶配置方法，包括多版本环境隔离、Jupyter内核管理和开发效率工具链的搭建。

行动清单

使用conda创建Python 3.7和3.9两个不同版本的环境，并在Jupyter中配置对应内核
在新建环境中安装Scrapy库，并验证scrapy version命令输出
启用Jupyter的ExecuteTime插件，记录某数据分析脚本各单元格执行时间

「小象量化教研组」