部分Python語言基礎
第1章準備工作/31.1為何選擇Python/3
1.1.1非專業軟件開發人員/3
1.1.2專業軟件開發人員/3
1.2下載安裝/4
1.3測試安裝是否成功/6
1.3.1使用Python解釋器/6
1.3.2使用IDLE/7
第2章初識Python編程/8
2.1Python簡單編程/8
2.1.1簡單計算/9
2.1.2使用變量/10
2.1.3print()函數/11
2.2特殊數據類型/12
2.2.1其他數值類型/12
2.2.2布爾(bool)類型/14
2.2.3空值(None)/14
2.3字符串/15
2.3.1字符串定義/15
2.3.2字符串的一般操作/16
2.3.3字符串的索引和切片/17
2.3.4字符串的修改/19
2.3.5鍵盤輸入/20
2.3.6將值轉換為字符串/21
2.3.7字符串的方法/21
2.3.8格式化輸出/24
2.4習題/26
第3章數據結構/28
3.1列表/28
3.1.1列表的索引和切片/28
3.1.2列表的修改/29
3.1.3列表排序/32
3.1.4堆棧和隊列/33
組/34
3.3字典/36
3.4集合/38
3.5Python集成開發環境/40
3.5.1集成開發環境介紹/40
3.5.2PyCharm的安裝與使用/41
3.6習題/44
第4章結構化編程/47
4.1條件表達式/47
4.1.1比較運算符/48
4.1.2比較序列和其他類型/50
4.1.3邏輯運算符/50
4.2if語句/52
4.3while語句/56
4.4for語句/57
4.4.1循環處理序素/57
4.4.2range()函數/58
4.4.3序列上的循環技巧/60
4.5循環控制/62
4.5.1循環中的else子句/62
4.5.2break語句/62
4.5.3continue語句/63
4.6習題/64
第5章函數/68
5.1定義函數/68
5.2返回值/69
5.2.1return語句/70
5.2.2多分支return/70
5.2.3返回值類型/70
5.3參數的傳遞方式/72
5.4參數類型/73
5.4.1位置參數/73
5.4.2默認值參數/74
5.4.3關鍵字參數/75
5.組參數的封裝與拆封/76
5.4.5字典參數的封裝與拆封/78
5.5變量的作用域/79
5.5.1局部變量/79
5.5.2全局變量/80
5.5.3nonlocal/82
5.6與函數有關的其他內容/83
5.6.1pass語句/83
5.6.2文檔字符串/83
5.6.3函數注解/84
5.6.4編碼風格/85
5.7錯誤和異常/85
5.7.1語法錯誤/86
5.7.2異常/86
5.7.3異常處理/87
5.7.4定義清理行為/89
5.8習題/91
第6章模塊和包/92
6.1模塊/92
6.1.1導入模塊/93
6.1.2執行模塊/94
6.1.3模塊的搜索路徑/95
6.1.4編譯的Python文件/96
6.2包/96
6.2.1包的概念/96
6.2.2包的一般導入/97
6.2.3包的導入/98
6.2.4包內引用/99
6.3標準庫/99
6.3.1繫統模塊/100
6.3.2操作繫統功能/100
6.3.3數學運算/101
6.3.4日期和時間/102
6.3.5多線程/105
6.4第三方包/109
6.5使用Anaconda/112
6.5.1Python基礎環境的問題/112
6.5.2Anaconda的下載安裝/112
6.5.3管理虛擬環境/114
6.6習題/116
第二部分Python編程進階
第7章面向對像編程/1197.1創建和使用類/119
7.1.1類的創建/120
7.1.2創建並使用實例/121
7.1.3屬性的默認值/122
7.2私有屬性和私有方法/123
7.3類屬性和類方法/124
7.3.1類屬性/124
7.3.2析構函數/125
7.3.3類方法/127
7.3.4靜態方法/127
7.4屬性再研究/129
7.4.1屬性的增加與刪除/129
7.4.2@property裝飾器/130
7.5繼承/131
7.5.1簡單的繼承/131
7.5.2重寫父類的方法/132
7.5.3重寫_ _init_ _方法/132
7.5.4為子類增加新的屬性和方法/133
7.5.5多重繼承/134
7.5.6抽像類和抽像方法/135
7.6導入類/136
7.6.1導入單個類/137
7.6.2在模塊中存儲多個類/137
7.6.3組織項目代碼/138
7.7習題/138
第8章數據分析與可視化/140
8.1數據分析概述/140
8.2NumPy/141
8.2.1創建NumPy數組/142
8.2.2NumPy特殊數組/142
8.2.3NumPy序列數組/143
8.2.4NumPy數組索引/144
8.2.5NumPy數組運算/144
8.2.6NumPy數組復制/145
8.2.7NumPy矩陣/145
8.3Pandas/146
8.3.1一維數組Series/146
8.3.2二維數組DataFrame/147
8.4數據可視化概述/157
8.5matplotlib/158
8.5.1繪制簡單的折線圖/158
8.5.2修改標簽文字和線條粗細/159
8.5.3校正圖表/160
8.6習題/162
第9章數據持久化/164
9.1一般文件操作/164
9.1.1文件的概念/165
9.1.2文件的打開與關閉/165
9.1.3從文件讀/167
9.1.4寫文件/169
9.1.5文件指針/169
9.1.6預定義清理行為/171
9.2CSV文件/171
9.2.1DataFrame與CSV/171
9.2.2讀CSV文件/173
9.2.3寫CSV文件/173
9.3JSON文件/174
9.4SQL數據庫操作/177
9.4.1SQLite介紹/177
9.4.2操作SQLite數據庫/178
9.5peewee/181
9.6習題/186
第三部分使用PyQt進行界面開發
第10章PyQt基礎/19110.1PyQt介紹/191
10.1.1PyQt5/191
10.1.2其他Python圖形界面包/192
10.2安裝PyQt5/193
第11章PyQt5界面編程/194
11.1PyQt5基本功能/194
11.1.1簡單的PyQt5程序/194
11.1.2PyQt5的坐標體繫/195
11.1.3關閉窗口/197
11.1.4自己解決問題/199
11.2布局管理/200
11.2.1定位/200
11.2.2盒布局BoxLayout/201
11.2.3網格布局 QGridLayout/203
11.3菜單欄、工具欄和狀態欄/204
11.3.1狀態欄/204
11.3.2菜單欄/205
11.3.3子菜單/207
11.3.4勾選菜單/208
11.3.5右鍵菜單/209
11.3.6工具欄/210
11.4事件處理/211
11.4.1信號與槽介紹/211
11.4.2信號與槽的簡單示例/212
11.4.3事件發送者/213
11.4.4內置信號與內置槽/213
11.4.5自定義信號/216
11.4.6事件對像/218
11.5標準對話框/219
11.5.1輸入對話框/220
11.5.2文件對話框/221
11.5.3顏色對話框/224
11.5.4字體對話框/226
11.6習題/228
第12章PyQt5控件/229
12.1按鈕QPushButton/230
12.2復選框QCheckBox/231
12.3列表框QListWidget/233
12.4行編輯QLineEdit/235
12.5下拉式列表框 QComboBox/236
12.6日歷控件 QCalendarWidget/238
12.7定時器與進度條QProgressBar/240
12.7.1QTimer和QBasicTimer定時器/240
12.7.2進度條QProgressBar/241
12.8樹狀列表QTreeWidget/242
12.9表格QTableWidget/246
12.10分割器QSplitter/248
12.11習題/250
第13章Qt Designer的使用/251
13.1本章教學目標/252
13.2Qt Designer基礎/254
13.2.1安裝PyQt5tools/254
13.2.2配置PyCharm開發環境/254
13.2.3Qt Designer初步接觸/256
13.2.4Qt Designer的編程機制/258
13.3控件及屬性/261
13.3.1Qt Designer的界面布局/261
13.3.2修改控件的屬性/262
13.4Qt Designer中的信號與槽/263
13.4.1直接連接信號與槽/263
13.4.2手工編程法實現信號與槽的連接/265
13.5菜單/266
13.6工作區設計/267
13.6.1創建主Tab Widget/267
13.6.2設計股票列表界面/268
13.7打開子窗口/269
13.8習題/271
第14章PyQt5繪圖/272
14.1圖片顯示/272
14.2基本繪圖類/274
14.3圖形視圖架構/275
14.4PyQtGraph基礎/281
14.4.1PyQtGraph介紹/282
14.4.2PyQtGraph的安裝與測試/282
14.5PyQtGraph折線圖/284
14.6PyQtGraph自定義繪圖/288
14.6.1K線圖繪制類/288
14.6.2K線圖表類/290
14.6.3嵌入到普吸金/294
14.6.4增加十字線顯示/295
14.7習題/297
第四部分vn.py量化交易平臺
第15章vn.py的使用/30115.1量化交易基礎/301
15.1.1量化交易概念/301
15.1.2量化交易平臺分類/302
15.1.3寬客/304
15.2vn.py的安裝與運行/304
15.2.1源碼下載與安裝/304
15.2.2vn.py的啟動/305
15.3VN Trader/306
15.4CTA回測/309
15.5CTA策略/311
第16章VN Trader分析/314
16.1程序主函數/314
16.2主引擎/315
16.2.1vn.py體繫結構/316
16.2.2初始化函數/316
16.2.3初始化功能引擎/318
16.2.4增加功能引擎/318
16.2.5增加底層接口/318
16.2.6增加上層應用/319
16.3主界面/319
16.3.1創建應用程序/320
16.3.2主窗口的初始化/320
16.4窗口組件/321
16.4格類/321
16.4.2監控組件類/323
16.4.3初始化懸浮窗口/325
16.5菜單/326
16.5.1底層接口加入菜單/327
16.5.2上層應用加入菜單/328
16.6習題/331
第17章數據庫操作/332
17.1vn.py支持的數據庫/332
17.2數據庫管理器/333
17.2.1數據庫管理器基類/334
17.2.2SQL數據庫管理器/334
17.2.3peewee模板類/335
17.2.4數據庫管理器的初始化/336
17.3數據管理/338
17.3.1數據管理應用類/339
17.3.2數據管理窗體類/339
17.3.3下載數據/340
17.3.4導入數據/340
17.4使用數據/341
17.5習題/344
第18章CTA回測/345
18.1事件引擎/345
18.1.1事件引擎的作用/345
18.1.2事件引擎類/346
18.2回測線程/350
18.2.1類結構/350
18.2.2執行流程/351
18.2.3存在問題/352
18.3回測執行/352
18.3.1“開始回測”按鈕的槽函數/352
18.3.2回測操作/354
18.3.3回測結束事件處理/355
18.4習題/357
參考文獻/358

作為vn.py的作者，非常高興能夠看到本書的出版。近十年，量化研究、大數據分析、機器學習等前沿技術越來越多地在金融和投資行業中得到實踐應用，而要使用這類技術不可避免地都要先具備編程能力，就像學習代數要先掌握加減乘除。
我本人是量化交易員出身，早年剛開始工作的時候主要使用一些商業量化軟件平臺。盡管能基本滿足工作需求，但也時常苦惱於某個想要研究的復雜策略無法回測，或者某個想要使用的執行算法無法實現。好在後來接觸到了Python這一功能強大又易學易用的編程語言，在工作中也慢慢摸索掌握了交易API對接、UI界面開發、事件驅動算法等和量化交易相關的Python應用技術。後來秉承Python社區“鼓勵分享，回饋社區”的開源精神，逐漸把自己積累的項目代碼開源分享出來(主要在Github)上，也就是現在的vn.py項目。
盡管量化交易在中國已經有了快10年的歷史，但目前整個金融市場對量化交易方面的需求依舊在飛速增長： 期權期貨的做市商業務、銀行間市場開放API接口、股票引入單次T 0制度等，都是目前全新的量化交易技術應用領域。
對於想要開始入門嘗試學習Python量化交易的讀者來說，學習本書是一個非常好的起點。從Python的語言基礎開始，一步步掌握量化相關模塊的使用方法，再到PyQt的圖形界面開發，後詳細講解vn.py的項目架構和使用方法。
後，對於所有圍繞編程語言的學習，我有一個建議，就是不要偷懶，把所有代碼都手敲一遍(不要復制、粘貼)，自己運行一遍，能夠幫助您更快地掌握編程語言的知識體繫。

陳曉優(vn.py作者，網名： 用Python的交易員)2020年12月Python是一門簡單易學且功能強大的編程語言。它擁有高效的數據結構，能夠用簡單而高效的方式進行面向對像編程。Python優雅的語法和動態類型，再結合它的解釋性，使其在大多數平臺的許多領域成為編寫腳本或開發應用程序的理想語言。使用Python很容易實現常用的金融算法和數學計算，使其在大數據的挖掘和處理、量化金融以及財務數據分析等領域有著得天獨厚的優勢。
Python廣受歡迎的一個重要原因是它的易學性，但再易學的編程語言也要方法適當纔能達到事半功倍的效果。學習曲線是一條表示“在一定時間內獲得技能或知識”的曲線，又稱練習曲線(practice curves)，反映了學習進程中努力與學習效果的關繫。按照不同的學習方法，會得到不同的學習曲線。學習曲線可能很復雜，可能多種多樣，抽像後有代表性的有3種，如圖1中的曲線（a）、（b）和（c）所示。
圖1學習曲線
學習曲線（a）是所謂的“一步一個腳印”，很多人認為學習就應該是這樣，其實不然。很多情況下，學習曲線是偏（b）或偏（c）的形式。（b）表示初期見效慢，而一旦過了瓶頸期，就會厚積薄發，努力終究會有回報。（c）表示初期見效快，快速掌握編程技巧，並盡快用它解決實際問題，後期的學習可以邊實踐邊進行。（b）和（c）隻是方法不同，可以根據學習目標選擇。按照本書的內容學習，可以達到曲線（c）的學習效果。順便說一下，這3個圖都是用Python的matplotlib包繪制的。
如果您是計算機專業人士，已經有多種編程語言的學習經歷，您會發現本書非常符合學習習慣。如果您還是計算機專業的在校學生，本書在幫助您快速打下Python編程基礎之後，用一個大型項目，讓您直接升級為編程高手，在有限的課時中達到的學習效果。
如果您是非專業軟件開發人員，學習編程是為了輔助本領域的研究工作，不需要達到專業軟件開發人員的水平。本書可以幫助您用短的時間，取得接近於的效果。您不再需要學習軟件開發的專業課程，甚至連Python本身都不需要全部學習，隻需要學習與自己任務相關的部分，就可以完成絕大多數編程任務，如曲線（c）所示，期望用專業軟件開發人員1/5甚至1/10的時間，達到60%到80%的效果。如果您是經濟領域的專業人士，本書涉及的數據分析方面的知識，已經足夠您應付工作中主要的數據分析工作，還能讓您的程序帶有漂亮的界面。如果您是金融領域的專業人士，或者您隻是量化交易愛好者，使用本書，在學習Python編程的同時，還能接觸到先進的量化交易技術。如果您還是經濟或金融專業的學生，掌握本書內容對您今後就業會有極大幫助。
足球隊的教練通常都有球員經歷而不是僅僅當過足球評論員。本書作者在多種平臺，使用多種編程語言，有長期從事編程工作的經驗，願意將此書作為團隊知識的凝練與升華。
本書選用vn.py作為教學實踐平臺。vn.py是著名國產開源軟件，在金融量化投資領域占據重要地位，大量從事金融和經濟領域專業應用開發的讀者，對此繫統會感到親切並有直接幫助。按照vn.py官網的介紹： “vn.py是一套基於Python的開源量化交易繫統開發框架，全功能量化交易平臺，整合了多種交易接口，並針對具體策略算法和功能開發提供了簡潔易用的API，用於快速構建交易員所需的量化交易應用。”vn.py的編程水平很高，軟件規模也是專業級的。作者對其進行深入分析，並有多方面優化的經驗。本書不希望用一個專業程序員看起來很不像樣的示例繫統作為“大型項目”，vn.py符合專業化、高水平的要求。
本書內容一脈相承。部分以淺顯的方法介紹Python語言基礎，即使是沒有任何編程基礎的讀者都可以輕松掌握，本書完全可以作為Python編程的入門書籍使用。但本書的目的決不僅僅是入門，從第二部分開始是Python編程進階，帶領讀者循序漸進地進入Python的專業編程實踐。第三部分介紹PyQt界面開發，第四部分介紹vn.py量化交易平臺，第四部分與前三部分是有機結合而不是割裂的。例如Python的數據分析和可視化工具有很多種，本書選擇的NumPy、Pandas、matplotlib和PyQtGraph本身就是其中常用的，也都在vn.py中確實得到了應用。雖然本書第四部分隻是vn.py代碼分析的基礎，但vn.py編程涉及的所有技術，在前三部分都有介紹。從另一方面來說，有些讀者，特別是編程的初學者，在學習新知識時，往往會困惑所學的知識是否有用。通過第四部分的驗證，讀者可以看到，本書的每個知識點，在實際編程中都是非常有用的。從編程初學者到專業程序員是一個成長的過程，第四部分的另一個作用是總結教學代碼與實際繫統的差別，培養真正程序員的編程習慣，而不是讓讀者自行摸索，幫助讀者順利完成這個成長與蛻變。
本書包含了大量真正的編程技巧，有vn.py這樣的大型專業量化交易繫統做支撐，Python量化交易的登堂入室，有此一本書足矣。但一本書畢竟篇幅有限，隻能選擇通用的技術。為了兌現“有此一本書足矣”的承諾，把一些很通用、很重要的內容放到附配資源中，讓讀者花一本比較薄的書的錢，買到一本非常“厚”的書。本書的附配資源包含以下內容：
●附加的教學內容，會隨著本書的使用以及技術的發展不斷擴充和更新。
●本書的所有源代碼。
●教學課件和部分習題的參考答案。
●vn.py代碼更全面、深入的分析，vn.py行情接口的擴充，vn.py行情顯示的擴充等，內容超過300頁。
●版本與本書內容相匹配，包含了部分注釋的vn.py源代碼。
全部附配資源可以與清華大學出版社聯繫獲取，僅與學習有關的資源也可以加入QQ群881645236下載。
在編寫過程中，南京郵電大學的李玲娟教授、陳志教授仔細閱讀了本書，提出了不少建設性的意見與建議；南京審計大學金審學院的劉力軍等老師對本書的編寫提出過很好的建議；感謝南京畢鷂信息科技有限公司的高屹老師跟我們一起深入分析vn.py量化交易平臺的代碼；感謝南京審計大學金審學院和南京郵電大學計算機學院對本書的大力支持！

張少嫻2020年12月於南京