2.1 为什么要学习Python

量化交易离不开数据分析，而Python有很多以数据分析和处理为主的第三方库，如talib、pandas、numpy和matplotlib，因此Python成为量化交易策略开发的首选编程语言。从数据获取到策略回测，再到实盘交易，Python可以覆盖整个量化交易应用链。

2.1.1 Python的特点

完整的量化交易流程包括获取数据、分析数据、处理数据、下单交易等步骤。在数据分析方面，Python既精于计算，又能保持较好的性能，尤其在时间序列数据（K线数据）处理方面，Python有更加简洁、高效的优势。

与其他编程语言相比，Python的语法更简单，不需要大量的计算机系统理论知识，学习曲线比较平缓，即使是非专业的初学者，也可以轻松掌握。此外，Python代码与英语区别不大，具有极高的可读性。

Python在量化交易领域是一门比较全面且平衡的编程语言，既可以提高量化交易策略程序运行时的性能，又可以轻松完成各种复杂的数学运算、建模分析、统计分析、机器学习等数据处理任务，并且有众多的工具库（包）支持，可以满足量化交易策略开发过程中的各种需求。

市面上的大部分量化交易平台都支持Python编程语言，在这些量化交易平台上编写的策略很容易学习、研究、迁移、二次开发。

在量化交易领域，Python的特点可以归纳如下：

● 语法简单，不需要考虑计算机底层细节问题，初学者更容易入门。

● 生态丰富，大量成熟的第三方库，具有无与伦比的便利性。

● 应用广泛，大部分量化交易平台支持Python编程语言，方便学习、研究、迁移、二次开发。

● 在跨平台、多线程、数据库等方面都有很好的支持。

● 扩展性强，代码通俗易懂，易于维护。

● 学习资料十分丰富，有众多活跃的社区可以进行学习、讨论、研究。

2.1.2 Python的版本

Python分为Python 2和Python 3两个版本，并且这两个版本不兼容，如果同时安装了Python 2和Python 3，则可以通过在策略中编写“#!python3”或“#!python2”设置当前使用的Python版本。由于Python官方宣布2020年1月1日停止对Python 2的更新，因此本书代码以Python 3为主。

注意：如果不在代码中指定Python版本，则默认使用Python 3执行策略代码。