Primer Python for Quant D01： Python简介

2021-04-19财经

Primer Python for Quant D01：

Python简介

我之前没怎么想过，我会写一个python教程，毕竟这类教程实在太多了，网上的绝大多数教程都会写得比我好。今天高顿的老师找到我时，一开始我是拒绝的，但是人家非常诚恳地说：给钱。好吧好吧，看在这么多年交情的份上，写一个也行。

但问题是：如何让读者，特别是有志于进入量化行业的人，能从满街都是的python教程中获得与众不同收获，是一个非常难的问题。为此，在大约十五节课的基础教程中，我将杂糅进尽可能多的金融数据的示例。整个教程将以量化交易入门，或者说金融数据分析入门为导向。这份教程的目标学员是 完全没有编程经验的同学 ，因此在课程设计上，我会浅显直白，乃至有些啰嗦的去解释一些基础性的东西。

阅读该教程，建议已有如下的知识储备：

· 识字

· 一台使用windows系统的电脑

· 恒心

1.1 课程安排

我将接下来的课程安排做一个简单的介绍：

D1:课程&Python介绍

课程第一章，简单介绍下编程及python，以及基于anaconda的环境安装；

D2:Python基础语法

以hello world程序为例，介绍python的基础语法；

D3:基础数据类型

介绍python的基础数据类型；介绍python的基础运算方法与规则；

D4:数据结构与字符串

介绍常用的数据结构：列表、元组、字典、字符串等，以及简单操作；

D5:控制流程

基础控制：if、循环、嵌套、跳出，以及三个小例子；

D6:函数

如何使用、创建一个函数，以及函数参数与返回；

D7:类与对象

主要介绍面向对象的编程范式，语法其次；

D8:模块

了解python的模块机制，创建使用模块、安装第三方模块；

D9:常用内置方法和模块

常用内置函数与模块：sys、os、time、datetime，etc；

D10:模块：math

math库的基本用法，以及简单的数学运算；

D11:模块：numpy

numpy库的基本用法；

D12:模块：pandas

pandas库的基本用法；

D13:模块：TA

TA库的基本用法；

D14:可视化技术

不讲matplotlib了，更新换代，讲下plotly库的基本用法，以及可视化技巧；

D15:编码规范与调试

程序的调试与运行；基于pep8的代码规范；

1.2 本教程试图达到的特色

· 数据分析\量化交易指向：

这意味着常规教程中的很多东西我们不会讲。比如，爬虫，自动化运维，自动化办公，以及互联网技术等等。除了此类大型的框架之外，一些细节上我也做了相应的处理。最简单的一句话：在我日常工作中没有用到的东西我一定不会讲；我用到的内容会以量化角度来做删选性的讲。因此，如果你准备从事数据分析或者量化交易工作，请忽略网上的众多教程，因为你会浪费大量的时间在你不需要的知识上。

· 适用于完全的初学者：

在写教程的过程中，我参(chao)考(xi)了众多网上的优秀教程，比如，菜鸟和廖雪峰。我非常认可，绝大多数教程的质量都会超过这一份。然而，有些难以忽视的问题：其中之一就是假设了python的初学者已经掌握了某一门编程语言。因此，很多程序员认为的基本知识并没有做进一步的解释，导致了很多python的初学者对一些术语手足无措。

· 编程优先，python其次：

很多同学向我咨询过一个问题：为什么网上的教程我看不懂。后来我总结了一下，主要原因可能在于，很多教程讲的是语言特性，而没有解释清楚什么是编程。在这篇教程中，python的语言特性会尽可能的被弱化成一个载体，更多地，我希望大家能学会像程序员那样思考。

1.3 Python简介

python是一门计算机编程语言，而计算机编程语言，则是人与电脑都能读懂的一种语言。简单来讲，当你希望你的电脑去做什么事的时候，你必须使用电脑能理解的话来下指令，这个过程就是编程。Python是一种为提高开发速度而设计的高级语言。它拥有大量的库，可用于几乎任何可以想象的计算任务。很个人地讲，当下社会，如果不会python的话，约等于二十年前你不会使用excel。

世界上已经有很多种编程语言了，已经超过了人类语言的数量。那么，为什么我们要选择python呢？因为：

1.3.1 简单

在我使用python很长一段时间，我都将其看作是一种「可执行的伪代码」。这是因为python应该是现有的编程语言中最为简单的一门了。如果你像我一样曾经使用C++来做数据分析的话，你会在第一时间爱上python。根据我的经验，只要保证每天两小时的学习时间，仅仅几周后，一般同学就已经可以非常高效地使用python处理简单问题了。

1.3.2 社群活跃

作为一名程序员，我发觉我很多时间都是用在百度\google上的。无论是新手还是有一定经验的程序员，都不可避免的碰到一系列问题，而一个活跃的社群则为你的工作提供了强大的支持。使用Python的主要原因是它带有一个数量惊人的library。比如：NumPy（向量化操作），SciPy（优化算法），pandas（时间序列分析），statsmodel（统计建模），scikit-learn（统计/机器学习），IPython（交互式开发）和matplotlib（可视化）。

1.3.3 数据友好

适合做数据分析，或者说量化的编程语言有很多种，但是从一个综合的角度来看，python应该是最优选择。在可以看见的几年内，python有可能进一步挤占matlab、sas，包括R的空间，站稳数据科学编程语言的第一位置。在我目前的工作中，python大约承担了100%的数据分析工作，并且在一些低频交易中也有一定的使用。

对于初学者来讲，很难通过纵向对比来了解python的优点。不过这不重要。但是，有两句话我建议大家还是要记一下：

python是一门解释型的编程语言。

用最通俗的话来讲：解释型语言是同声翻译，你的每一行都会实时的被机器所理解。对应的，编译型语言(例如C++)则需要把整个代码文件完全翻译后，机器才能知道自己要做什么。

这为python带来一个显著的优点：即你可以准确的定位到自己的错误代码中，甚至一些错误无法被发觉而使得程序继续运行。

但是，这也有问题：首先是速度，要慢了很多；其次是代码无法被加密，每个发布的python脚本，本质就是发布源代码。当然，这两个小问题我们不在乎。

python是一门面向对象的编程语言。

在python中，很多基础的语法元素都被抽象成一个类，或者说是对象。即使在众多的高级语言之中，python的抽象程度之高也是数一数二的。

然而用python编程非常容易让人困惑：很多教程依旧使用命令行来讲解python，你会觉得python是种指令性的编程语言；python中的函数异常强大，你很容易把python当作一门过程式编程语言；然而，python是实打实的面向对象的。因此在学好python之前，我建议大家深刻记住一句话：万物皆对象。这讲使你的学习曲线更加的平滑，在学习后期的进展更快。

1.4 一些经验性的建议

我没有完整的带过python的课，但是见证过有不少同学，包括公司的实习生，学习python的过程。因此，我想在前面，先给同学们一些学习建议：

· 代码逐字敲出来；代码逐字敲出来；代码逐字敲出来；

重要的事情说三遍。

请记住：编程属于工科，不是理科也不是文科，不是你能看懂教材就能掌握的学科！面对编程第一时间，你要把自己想象成一个技术工，周而复始的从事着重复性的工作。因此逐字敲出代码，是我对众多初学者的第一建议。

· 理解编程而非局限于python

python仅是编程语言的一种，在学会使用python的同时，我更建议大家学会编程思维，即从计算机角度来理解自己的代码是干什么用的。因为无论以后大家是否从事量化工作，或者数据分析工作，编程思维的重要性都要大于单一的编程语言。

· 学会偷懒

一个不争的事实是：程序员都是懒的，能少写代码就少写。这里牵扯到一个问题，就是程序的复用。每个人对编程的理解都不相同，我个人的一个认识是，程序的本质就是为了复用。为此，在个别情况下，我们会尽可能的让代码变得简单，并且，可以应对更多的情况，而非解决某一具体的问题。

其余的一些建议都不是很重要，但是会对你的学习过程中有帮助。例如，买一个好键盘和舒服的显示器（曾经一位同学对我说，她写程序死活写不下去；我用了下她的笔记本电脑，发现我也写不下去）；从若干个教程交叉学习，互相印证；找个队友，互相监督等等。这些建议对你的编程有很大的帮助，但不是决定性的。

1.5 基于Anaconda的环境设置

1.5.1 Anaconda的安装

其实以上都是废话，看不看无所谓。

下面咱们来安装python。

请抛弃网上的一些稀奇古怪的python安装教程。 能「双击-下一步」解决的问题，就不用自求麻烦了，纯属脑子有病。我们直接使用anaconda，来安装python，并设置开发环境。

Anaconda是一个python的全家桶。里面包含了大量常用的python库，以及写代码用的编辑器。对于绝大多户数人来说，安装Anaconda就解决了你所面临的python环境问题。Anaconda的官网链接如下：

Anaconda

我不是很确定，不科学上网的话这个网站是否打得开，所以为大家准备了百度网盘的下载：

链接：https:// pan.baidu.com/s/1MxNm5R IZO6SowKpL4VdTXw
提取码：bgzn
复制这段内容后打开百度网盘手机App，操作更方便哦

请注意这个版本是基于win10位的。下载完之后，请找到：

双击运行，一直下一步即可。

在安装过程中，唯一需要注意的是，你会遇到是否添加环境变量的选择。

环境变量是电脑操作系统使用的一些参数。如果你勾选了下图中的第项个，安装程序会跳出来一个警告，建议你不要自动添加anaconda的path。

但是我们不听它的，勾选，继续下一步。

最后，安装完成。

这个时候，你的电脑的开始文件夹里，会有anaconda出现，如下图所示。

Anaconda安装结束。

让我们确定下python是否安装成功。

点击开始->Anaconda3(64bit)->Anaconda Prompt(Anaconda3)，你将启动了一个anaconda的命令行程序。

命令行是你给电脑下指令的最直白的方式，最常用的是cmd。prompt也是一个命令行程序，随着python学习的不断深入，我们会时不时的使用一下。在此，我们先混个脸熟，简单熟悉下界面。

命令行程序有一个黑底白字的交互界面（当然你可以调成白底黑子），在这里，你和你的电脑可以直接的对话。几乎所有的电脑的行为都可以通过命令行来发出指令，比如，我们运行下python解释器，请在命令行内输入：

python

通过键入

python

我们等于告诉电脑：启动python解释器。

接着，电脑懂了你的指令，输出了python的版本等信息，接着进入了python。

这并不是我们写程序的地方。虽然我们可以直接在命令行下写代码，但是这太复杂，不方便，因此我们退出python，把命令行关掉即可。

无论如何，当你能从命令行成功运行python解释器时，就说明我们的安装没有问题。

1.5.2 Jupyter Notebook初探

如上文所述，使用命令行来写python是个糟糕的选择。市面上流行的代码编辑器有很多，包括了：

· vscode

· spyder

· pycharm

等等，而且都不错。但是我在这里推荐给大家的是Jupyter Notebook。Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。对于从事数据工作的人来说，我认为jupyter有一个非常棒的优点，即可以将你的代码，以笔记的形式呈现出来，方便报告与以后的查看。本系列教程的所有文档均为jupyter格式，即使是这一篇，没有代码的文章。

Jupyter Notebook启动

点击开始->Anaconda3(64bit)->jupyter Notebook(Anaconda3)，你将启动Jupyter。

一个命令行窗口将被自动打开，并且自动执行一些指令；同时，你的默认浏览器将跳转到一个崭新的界面，如下图所示：