text
ModuleNotFoundError: No module named 'quantdash'如果你已经执行过 pip install quantdash，安装过程也没有明显报错，却在运行代码时遇到上述异常，先不要急着卸载 SDK。
最值得优先检查的，不是 QuantDash 是否安装成功，而是执行代码的 Python 能不能找到它。
在 Python 开发环境中，安装程序与代码运行时可能使用不同的解释器。这个问题在量化研究中并不少见：研究脚本运行于虚拟环境，Notebook 使用另一个内核，IDE 又配置了独立的 Python 路径。几个环境看起来都能正常运行 Python，却不一定共享同一套已安装的包。
下面从错误定位出发，逐步确认问题发生在哪一层。
先用三条命令确认环境是否一致
假设你原本通过以下命令安装 SDK：
bash
pip install quantdash现在请在运行程序的同一个终端中执行：
bash
python -c "import sys; print(sys.executable)"
python -m pip --version
python -m pip show quantdash这三条命令分别回答不同的问题。
第一条告诉你，当前 python 命令实际指向哪个解释器。
第二条显示与这个解释器关联的 pip 及其所在位置。
第三条检查这个 pip 所管理的环境能否识别 QuantDash 安装包。
如果 pip show quantdash 没有找到对应包，就需要进一步确认安装时使用的是不是另一个环境。
例如，你可能曾经执行：
bash
pip install quantdash但运行脚本时使用的是：
bash
python app.py当 pip 与 python 分别来自不同环境时，前者安装的包未必能被后者找到。
因此，更稳妥的安装方式是：
bash
python -m pip install quantdash它将安装动作明确交给当前 python 对应的 pip 执行。
如果项目使用虚拟环境，应先激活该环境，再运行这些命令。不要只根据终端提示符、IDE 项目名称或某个目录的名字判断当前环境是否正确。
一个容易忽略的细节：发行包名称不等于所有导入规则
安装命令使用的是：
bash
python -m pip install quantdash而代码中使用的是：
python
import quantdash这两个名称在本例中对应 QuantDash 的安装包与导入模块。
不过，在 Python 生态中，PyPI 发行包名称与实际导入名称并不总是相同。因此，遇到类似问题时，不能把"安装包叫什么"和"应该导入什么"当作两个必然一致的概念。
对于 QuantDash，应依据其官方文档确认对应版本的导入方式。如果已经按照文档使用 import quantdash，就可以继续检查安装路径和实际加载过程。
把问题缩小到一个最小测试
复杂的量化项目往往包含数据处理、策略计算、绘图和回测等多个模块。如果直接在完整项目中排查，很容易把无关的异常混在一起。
更有效的办法是单独创建一个文件，例如 test_import.py：
python
import sys
print("Python:", sys.executable)
import quantdash
print("Import succeeded.")
print("Module file:", getattr(quantdash, "__file__", None))执行：
bash
python test_import.py如果这段代码成功，而原有项目仍然失败，问题就不一定是安装本身。
接下来应检查原项目是否存在以下情况：
- 运行项目时使用了另一个 Python 解释器。
- 项目目录中有名为
quantdash.py的文件。 - 项目中存在名为
quantdash的目录，可能遮蔽预期导入的模块。 - 原项目的启动方式、工作目录或模块搜索路径与独立测试不同。
特别是本地文件同名问题：Python 导入模块时，会根据模块搜索规则寻找目标。如果当前目录中存在同名文件，可能导致加载到非预期对象。
此时可以查看成功导入时的 quantdash.__file__，并检查实际运行目录中的文件结构。需要注意，模块属性并非在所有加载机制下都会提供普通文件路径，因此应结合实际环境判断。
如果你使用 Jupyter Notebook，排查方法要换一下
Notebook 中最常见的误区，是把终端中的 Python 环境当作 Notebook 当前使用的环境。
假设你在终端中运行：
bash
python -m pip install quantdash随后打开 Notebook，执行：
python
import quantdash如果仍然报错，不要立刻在系统环境中再安装一次。先在 Notebook 单元格中运行：
python
import sys
print(sys.executable)然后将输出路径与终端中的解释器路径进行比较。
如果两者不同，就说明终端和 Notebook 可能运行在不同的 Python 环境中。
正确的处理方向是，让 Notebook 使用已安装 SDK 的目标环境，或者在 Notebook 实际使用的环境中安装所需包。
如果需要通过 Notebook 的方式执行安装，也应明确对应的解释器。例如，在支持 IPython 魔法命令的环境中，可以使用：
python
%pip install quantdash%pip 的目的，是让安装操作针对当前 Notebook 内核对应的 Python 环境，而不是盲目调用外部终端里的某个 pip。
安装后，必要时重新启动内核，再执行导入测试。
import 成功之后，还需要验证什么？
模块导入成功是一个重要节点，但它不是整条数据链路的终点。
对于量化研究环境，可以将验证过程拆成三个层次：
| 验证层次 | 需要确认的内容 | 能证明什么 |
|---|---|---|
| 包安装 | 当前环境可以识别 QuantDash 安装包 | 包管理层面能够找到该发行包 |
| 模块导入 | import quantdash 执行成功 |
当前解释器可以加载对应模块 |
| 数据访问 | 按实际接口文档发起请求并获得预期结果 | 在本次测试条件下，相关数据访问流程能够正常工作 |
这三个层次不能互相替代。
例如，模块导入成功后，如果调用远程接口仍然失败，就应该转向检查对应接口的使用方式、API Key、网络连接和服务端返回信息，而不是继续反复安装 SDK。
QuantDash 提供 Python SDK 与 REST API，适用于金融数据获取和后续研究处理。若准备将 SDK 接入行情分析脚本，建议先独立验证导入，再使用官方文档中的实际示例验证数据访问。这样可以将本地环境问题与远程服务问题分开处理。
最后一个判断原则
如果安装成功，但 import quantdash 失败，优先核对解释器、pip 路径和实际导入位置；如果最小导入测试成功，而项目依然失败，再检查项目目录、启动方式和运行环境。
这比反复卸载、重装或修改系统环境变量更有针对性，也更容易保留清晰的排错证据。
QuantDash 官方文档
- QuantDash 技术文档 --- 查看 Python SDK、REST API 和数据接口说明。