QuantEcon.py：一个专注经济学的 Python 计算库

QuantEcon.py 在 GitHub 上已经拿到 2,344 Star。

这个库由 QuantEcon 组织维护，核心定位是给经济学研究和教学提供一组常用的数值计算工具。Markov 决策过程、动态规划、线性代数运算，这些在经济学建模里反复出现的计算，都被封装成了可以直接调用的 Python 接口。

1、 这玩意儿是干嘛的

本质上是一个经济学专用工具箱。它不做通用科学计算，而是把经济学里那些特定的算法和模型抽象出来，写成模块化的代码。

典型用法比如离散动态规划：先定义回报矩阵 R 和转移概率矩阵 Q，再用 DiscreteDP 对象调用 policy_iteration 求解。几行代码就能跑完一个 Aiyagari 模型的核心计算。

from quantecon.markov import DiscreteDP
aiyagari_ddp = DiscreteDP(R, Q, beta)
results = aiyagari_ddp.solve(method='policy_iteration')

安装只需要一行：

pip install quantecon

或者用 conda：

conda install -c conda-forge quantecon

导入方式和大多数 Python 库一样：

import quantecon as qe

版本检查：

print(qe.__version__)

如果版本落后于 PyPI 上的最新版，可以直接升级：

pip install --upgrade quantecon

2、 里面有什么

库的内容覆盖经济学计算的几个核心领域：

Markov 链与离散决策。这是这个库最有特色的部分。DiscreteDP 类封装了标准的动态规划求解流程，支持 policy iteration 和 value iteration 两种方法。

数值方法。包括线性插值、求根算法、优化工具等，这些都是求解均衡模型时绕不开的基础运算。

随机过程模拟。生成各类随机序列，用于蒙特卡洛模拟。

绘图和统计辅助。一些高频使用的可视化函数和统计量计算，减少重复代码。

文档做了 stable 和 latest 两个版本，适合不同需求的用户。配套还有一个 notebook gallery，收集了大量可运行的示例，涵盖宏观经济学、博弈论、金融等多个方向。如果要做计算经济学的编程教学，这些素材可以直接拿来用。

3、 背景与社区

这个项目由 Alfred P. Sloan Foundation 资助。核心开发者和维护者名单里能看到 Thomas J. Sargent 的名字。Sargent 是宏观经济学和计量经济学领域的知名学者，2011 年诺贝尔经济学奖得主之一。有这样的人参与项目设计和代码审查，库的算法可靠性有一定保障。

代码采用 MIT 协议开源，可以免费用在商业或学术场景。如果用在论文里，项目方提供了标准的 BibTeX 引用格式。也欢迎用户把改进提交回去。

4、 适合什么人用

• 做宏观经济学、劳动经济学建模的研究者，尤其是经常碰动态均衡模型的
• 开设计算经济学课程的老师，需要给学生准备可复现的代码示例
• 学习量化经济学的学生，想找一个比手写循环更可靠的实现
• 在做经济学模拟或政策评估的数据分析师

找一个比手写循环更可靠的实现

• 在做经济学模拟或政策评估的数据分析师

[外链图片转存中…(img-hGcXiPqR-1780897198964)]