量化沙盒搭建(2)：Jupyter Notebook与库配置

小象实战讲义 · 量化交易Python入门：从咖啡馆到华尔街

上一节我们把独立的 Python 环境搭了起来，这一节让沙盒真正可用：安装 Jupyter Notebook、把新环境注册成 Kernel、配置常用扩展，让代码既能交互式调试又能留存完整记录。命令行适合一次性操作，Jupyter 才是量化分析的主战场——边写边看、图文混排、随时回溯。本节结束后，你的量化沙盒就具备了跑通本课程全部代码的条件。

💡 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 quant python=3.11 -y

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

conda env list

环境结构对比

+---------------+    +---------------+
|  base         |    |  quant         |
|  python=3.10  |    |  python=3.11   |
|  numpy=1.24   |    |  numpy=2.5   |
+---------------+    +---------------+

Jupyter内核管理

将conda环境加入Jupyter

import sys
import os
import subprocess
import json

# 模拟 pip install 和 kernel 安装的输出（不实际执行）
print("正在安装 ipykernel...")
print("Successfully installed ipykernel-6.29.4")
print()
print("正在安装内核 'Quant'...")
print("Installed kernelspec quant in /home/user/.local/share/jupyter/kernels/quant")
print()
print("可用内核列表：")
kernels = [
    "python3      /usr/local/share/jupyter/kernels/python3",
    "Quant      /home/user/.local/share/jupyter/kernels/quant"
]
for kernel in kernels:
    print(kernel)

正在安装 ipykernel...
Successfully installed ipykernel-6.29.4

正在安装内核 'Quant'...
Installed kernelspec quant in /home/user/.local/share/jupyter/kernels/quant

可用内核列表：
python3      /usr/local/share/jupyter/kernels/python3
Quant      /home/user/.local/share/jupyter/kernels/quant

内核切换演示

import sys
import os

print(f"当前Python版本：{sys.version.split()[0]}")
print(f"工作目录：{os.getcwd()}")
print()
print("标准库导入成功。")

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

注意：jupyter_contrib_nbextensions 仅支持经典 Jupyter Notebook（< 7.0），不兼容 Jupyter Lab。若使用 Jupyter Lab，请安装 Lab 原生扩展；若坚持使用 nbextensions，需在经典 Notebook 界面中操作。

常用插件功能说明

当前Python版本：3.14.5
工作目录：C:\Users\leing\AppData\Local\Temp

标准库导入成功。

📝 动手练一练

第 1 题 · 概念应用 你正在Jupyter Notebook中分析一只股票的日收益率序列。你已经在一个单元格中计算并存储了收益率数据到变量 returns。随后，你在下方新建了一个单元格，打算计算该收益率的年化波动率。但你不小心先运行了新建的单元格，此时会发生什么？

• A. Jupyter会报错 NameError，因为 returns 变量还未定义，必须从上到下按顺序运行。
• B. Jupyter会使用之前同一个Kernel中已定义过的 returns 变量进行计算，即使它来自上方未按顺序运行的单元格。
• C. Jupyter会自动搜索整个Notebook文件，找到 returns 变量的定义并执行，然后继续计算年化波动率。
• D. 新建的单元格会陷入等待状态，直到你手动运行上方的单元格后才会继续执行。

第 2 题 · 代码填空 你已经在名为 quant_env 的Conda环境中安装了Pandas。现在你想在Jupyter Notebook中使用这个环境作为内核。请补全以下在终端中执行的命令，将 quant_env 环境注册为Jupyter可识别的内核。

# 1. 激活目标Conda环境
conda activate quant_env

# 2. 在该环境中安装 ipykernel
pip install ipykernel

# 3. 将当前环境注册到Jupyter，内核显示名称为“Quant-Trading”
python -m ipykernel install --user --name quant_env --display-name ______

# 1. 激活目标Conda环境
conda activate quant_env

# 2. 在该环境中安装 ipykernel（使得该环境具备作为内核的能力）
pip install ipykernel

# 3. 将当前环境注册到Jupyter
# --user: 为当前用户安装内核规格
# --name: 指定内核的内部标识符（通常与环境名一致）
# --display-name: 指定在Jupyter界面中显示给用户的友好名称
python -m ipykernel install --user --name quant_env --display-name "Quant-Trading"

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 3.10和3.12两个不同版本的环境，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

—— 小象教研组