Primer Python for Quant D01： Python簡介

2021-04-19財經

Primer Python for Quant D01：

Python簡介

我之前沒怎麽想過，我會寫一個python教程，畢竟這類教程實在太多了，網上的絕大多數教程都會寫得比我好。今天高頓的老師找到我時，一開始我是拒絕的，但是人家非常誠懇地說：給錢。好吧好吧，看在這麽多年交情的份上，寫一個也行。

但問題是：如何讓讀者，特別是有誌於進入量化行業的人，能從滿街都是的python教程中獲得與眾不同收獲，是一個非常難的問題。為此，在大約十五節課的基礎教程中，我將雜糅進盡可能多的金融數據的範例。整個教程將以量化交易入門，或者說金融數據分析入門為導向。這份教程的目標學員是 完全沒有編程經驗的同學 ，因此在課程設計上，我會淺顯直白，乃至有些啰嗦的去解釋一些基礎性的東西。

閱讀該教程，建議已有如下的知識儲備：

· 識字

· 一台使用windows系統的電腦

· 恒心

1.1 課程安排

我將接下來的課程安排做一個簡單的介紹：

D1:課程&Python介紹

課程第一章，簡單介紹下編程及python，以及基於anaconda的環境安裝；

D2:Python基礎語法

以hello world程式為例，介紹python的基礎語法；

D3:基礎數據型別

介紹python的基礎數據型別；介紹python的基礎運算方法與規則；

D4:數據結構與字串

介紹常用的數據結構：列表、元組、字典、字串等，以及簡單操作；

D5:控制流程

基礎控制：if、迴圈、巢狀、跳出，以及三個小例子；

D6:函式

如何使用、建立一個函式，以及函式參數與返回；

D7:類與物件

主要介紹物件導向的編程範式，語法其次；

D8:模組

了解python的模組機制，建立使用模組、安裝第三方模組；

D9:常用內建方法和模組

常用內建函式與模組：sys、os、time、datetime，etc；

D10:模組：math

math庫的基本用法，以及簡單的數學運算；

D11:模組：numpy

numpy庫的基本用法；

D12:模組：pandas

pandas庫的基本用法；

D13:模組：TA

TA庫的基本用法；

D14:視覺化技術

不講matplotlib了，更新換代，講下plotly庫的基本用法，以及視覺化技巧；

D15:編碼規範與偵錯

程式的偵錯與執行；基於pep8的程式碼規範；

1.2 本教程試圖達到的特色

· 數據分析\量化交易指向：

這意味著常規教程中的很多東西我們不會講。比如，爬蟲，自動化運維，自動化辦公，以及互聯網技術等等。除了此類大型的框架之外，一些細節上我也做了相應的處理。最簡單的一句話：在我日常工作中沒有用到的東西我一定不會講；我用到的內容會以量化角度來做刪選性的講。因此，如果你準備從事數據分析或者量化交易工作，請忽略網上的眾多教程，因為你會浪費大量的時間在你不需要的知識上。

· 適用於完全的初學者：

在寫教程的過程中，我參(chao)考(xi)了眾多網上的優秀教程，比如，菜鳥和廖雪峰。我非常認可，絕大多數教程的品質都會超過這一份。然而，有些難以忽視的問題：其中之一就是假設了python的初學者已經掌握了某一門程式語言。因此，很多程式設計師認為的基本知識並沒有做進一步的解釋，導致了很多python的初學者對一些術語手足無措。

· 編程優先，python其次：

很多同學向我咨詢過一個問題：為什麽網上的教程我看不懂。後來我總結了一下，主要原因可能在於，很多教程講的是語言特性，而沒有解釋清楚什麽是編程。在這篇教程中，python的語言特性會盡可能的被弱化成一個載體，更多地，我希望大家能學會像程式設計師那樣思考。

1.3 Python簡介

python是一門電腦程式語言，而電腦程式語言，則是人與電腦都能讀懂的一種語言。簡單來講，當你希望你的電腦去做什麽事的時候，你必須使用電腦能理解的話來下指令，這個過程就是編程。Python是一種為提高開發速度而設計的高級語言。它擁有大量的庫，可用於幾乎任何可以想象的計算任務。很個人地講，當下社會，如果不會python的話，約等於二十年前你不會使用excel。

世界上已經有很多種程式語言了，已經超過了人類語言的數量。那麽，為什麽我們要選擇python呢？因為：

1.3.1 簡單

在我使用python很長一段時間，我都將其看作是一種「可執行的虛擬碼」。這是因為python應該是現有的程式語言中最為簡單的一門了。如果你像我一樣曾經使用C++來做數據分析的話，你會在第一時間愛上python。根據我的經驗，只要保證每天兩小時的學習時間，僅僅幾周後，一般同學就已經可以非常高效地使用python處理簡單問題了。

1.3.2 社群活躍

作為一名程式設計師，我發覺我很多時間都是用在百度\google上的。無論是新手還是有一定經驗的程式設計師，都不可避免的碰到一系列問題，而一個活躍的社群則為你的工作提供了強大的支持。使用Python的主要原因是它帶有一個數量驚人的library。比如：NumPy（向量化操作），SciPy（最佳化演算法），pandas（時間序列分析），statsmodel（統計建模），scikit-learn（統計/機器學習），IPython（互動式開發）和matplotlib（視覺化）。

1.3.3 數據友好

適合做數據分析，或者說量化的程式語言有很多種，但是從一個綜合的角度來看，python應該是最優選擇。在可以看見的幾年內，python有可能進一步擠占matlab、sas，包括R的空間，站穩數據科學程式語言的第一位置。在我目前的工作中，python大約承擔了100%的數據分析工作，並且在一些低頻交易中也有一定的使用。

對於初學者來講，很難透過縱向對比來了解python的優點。不過這不重要。但是，有兩句話我建議大家還是要記一下：

python是一門解釋型的程式語言。

用最通俗的話來講：解釋型語言是同聲轉譯，你的每一行都會即時的被機器所理解。對應的，編譯型語言(例如C++)則需要把整個程式碼檔完全轉譯後，機器才能知道自己要做什麽。

這為python帶來一個顯著的優點：即你可以準確的定位到自己的錯誤程式碼中，甚至一些錯誤無法被發覺而使得程式繼續執行。

但是，這也有問題：首先是速度，要慢了很多；其次是程式碼無法被加密，每個釋出的python指令碼，本質就是釋出原始碼。當然，這兩個小問題我們不在乎。

python是一門物件導向的程式語言。

在python中，很多基礎的語法元素都被抽象成一個類，或者說是物件。即使在眾多的高級語言之中，python的抽象程度之高也是數一數二的。

然而用python編程非常容易讓人困惑：很多教程依舊使用命令列來講解python，你會覺得python是種指令性的程式語言；python中的函式異常強大，你很容易把python當作一門程序式程式語言；然而，python是實打實的物件導向的。因此在學好python之前，我建議大家深刻記住一句話：萬物皆物件。這講使你的學習曲線更加的平滑，在學習後期的進展更快。

1.4 一些經驗性的建議

我沒有完整的帶過python的課，但是見證過有不少同學，包括公司的實習生，學習python的過程。因此，我想在前面，先給同學們一些學習建議：

· 程式碼逐字敲出來；程式碼逐字敲出來；程式碼逐字敲出來；

重要的事情說三遍。

請記住：編程屬於工科，不是理科也不是文科，不是你能看懂教材就能掌握的學科！面對編程第一時間，你要把自己想象成一個技術工，周而復始的從事著重復性的工作。因此逐字敲出程式碼，是我對眾多初學者的第一建議。

· 理解編程而非局限於python

python僅是程式語言的一種，在學會使用python的同時，我更建議大家學會編程思維，即從電腦角度來理解自己的程式碼是幹什麽用的。因為無論以後大家是否從事量化工作，或者數據分析工作，編程思維的重要性都要大於單一的程式語言。

· 學會偷懶

一個不爭的事實是：程式設計師都是懶的，能少寫程式碼就少寫。這裏牽扯到一個問題，就是程式的復用。每個人對編程的理解都不相同，我個人的一個認識是，程式的本質就是為了復用。為此，在個別情況下，我們會盡可能的讓程式碼變得簡單，並且，可以應對更多的情況，而非解決某一具體的問題。

其余的一些建議都不是很重要，但是會對你的學習過程中有幫助。例如，買一個好鍵盤和舒服的顯視器（曾經一位同學對我說，她寫程式死活寫不下去；我用了下她的膝上型電腦，發現我也寫不下去）；從若幹個教程交叉學習，互相印證；找個隊友，互相監督等等。這些建議對你的編程有很大的幫助，但不是決定性的。

1.5 基於Anaconda的環境設定

1.5.1 Anaconda的安裝

其實以上都是廢話，看不看無所謂。

下面咱們來安裝python。

請拋棄網上的一些稀奇古怪的python安裝教程。 能「雙擊-下一步」解決的問題，就不用自求麻煩了，純屬腦子有病。我們直接使用anaconda，來安裝python，並設定開發環境。

Anaconda是一個python的全家桶。裏麵包含了大量常用的python庫，以及寫程式碼用的編輯器。對於絕大多戶數人來說，安裝Anaconda就解決了你所面臨的python環境問題。Anaconda的官網連結如下：

Anaconda

我不是很確定，不科學上網的話這個網站是否打得開，所以為大家準備了百度網盤的下載：

連結：https:// pan.baidu.com/s/1MxNm5R IZO6SowKpL4VdTXw
提取碼：bgzn
復制這段內容後開啟百度網盤手機App，操作更方便哦

請註意這個版本是基於win10位的。下載完之後，請找到：

雙擊執行，一直下一步即可。

在安裝過程中，唯一需要註意的是，你會遇到是否添加環境變量的選擇。

環境變量是電腦作業系統使用的一些參數。如果你勾選了下圖中的第項個，安裝程式會跳出來一個警告，建議你不要自動添加anaconda的path。

但是我們不聽它的，勾選，繼續下一步。

最後，安裝完成。

這個時候，你的電腦的開始資料夾裏，會有anaconda出現，如下圖所示。

Anaconda安裝結束。

讓我們確定下python是否安裝成功。

點選開始->Anaconda3(64bit)->Anaconda Prompt(Anaconda3)，你將啟動了一個anaconda的命令列程式。

命令列是你給電腦下指令的最直白的方式，最常用的是cmd。prompt也是一個命令列程式，隨著python學習的不斷深入，我們會時不時的使用一下。在此，我們先混個臉熟，簡單熟悉下界面。

命令列程式有一個黑底白字的互動界面（當然你可以調成白底黑子），在這裏，你和你的電腦可以直接的對話。幾乎所有的電腦的行為都可以透過命令列來發出指令，比如，我們執行下python直譯器，請在命令列內輸入：

python

透過鍵入

python

我們等於告訴電腦：啟動python直譯器。

接著，電腦懂了你的指令，輸出了python的版本等資訊，接著進入了python。

這並不是我們寫程式的地方。雖然我們可以直接在命令列下寫程式碼，但是這太復雜，不方便，因此我們結束python，把命令列關掉即可。

無論如何，當你能從命令列成功執行python直譯器時，就說明我們的安裝沒有問題。

1.5.2 Jupyter Notebook初探

如上文所述，使用命令列來寫python是個糟糕的選擇。市面上流行的程式碼編輯器有很多，包括了：

· vscode

· spyder

· pycharm

等等，而且都不錯。但是我在這裏推薦給大家的是Jupyter Notebook。Jupyter Notebook是基於網頁的用於互動計算的應用程式。其可被套用於全過程計算：開發、文件編寫、執行程式碼和展示結果。對於從事數據工作的人來說，我認為jupyter有一個非常棒的優點，即可以將你的程式碼，以筆記的形式呈現出來，方便報告與以後的檢視。本系列教程的所有文件均為jupyter格式，即使是這一篇，沒有程式碼的文章。

Jupyter Notebook啟動

點選開始->Anaconda3(64bit)->jupyter Notebook(Anaconda3)，你將啟動Jupyter。

一個命令列視窗將被自動開啟，並且自動執行一些指令；同時，你的預設瀏覽器將跳轉到一個嶄新的界面，如下圖所示：