第4章 Python环境搭建

第4章：Python环境搭建——Anaconda安装、虚拟环境管理与常用库安装

说实话，搞光刻机数据采集，第一步不是写代码，而是把Python环境整明白。我见过太多新手，一上来就pip install，结果项目做到一半，依赖冲突到想砸电脑。嗯，咱们今天就把这事一次性说清楚。

4.1 为什么非得用Anaconda？

你可能觉得，装个Python不就行了？我刚开始也这么想。直到有一次，我在一个项目里同时用了pyvisa和pymodbus，两个库对numpy的版本要求不一样，折腾了我整整一个下午。

Anaconda的好处，说白了就是三点：

自带科学计算全家桶——numpy、pandas、matplotlib这些，装好就有
环境隔离——每个项目一个虚拟环境，互不干扰
包管理省心——conda命令比pip更智能，能自动处理依赖

我的建议：别用系统自带的Python，也别用官网那个最小安装包。直接上Anaconda，省下的时间够你喝好几杯咖啡。

4.2 Anaconda安装实战

去Anaconda官网下载对应系统的安装包。我建议选Python 3.9或3.10版本，太新的版本有些工业库还没适配好。

安装时注意两点：

勾选“Add Anaconda to my PATH environment variable”——虽然安装程序会警告，但相信我，勾上它，后面省事很多
安装路径不要有中文和空格——C:\Anaconda3 就挺好

装完后，打开终端（Windows用cmd或PowerShell，Mac/Linux用bash），输入：

conda --version

如果看到版本号，恭喜你，成了。如果提示“不是内部或外部命令”，别慌，重启一下终端，或者手动把Anaconda的Scripts目录加到环境变量里。

我曾经踩过的坑：有一次装完Anaconda，发现pip命令还是系统自带的那个。后来一查，原来是PATH顺序问题。解决办法：把Anaconda的路径放在系统Python前面。

4.3 虚拟环境管理——你的项目隔离舱

虚拟环境这东西，说白了就是给每个项目一个独立的Python小世界。你在A项目里装pyvisa 1.11，在B项目里装pyvisa 1.12，互不打架。

我习惯这样管理：

# 创建虚拟环境（名字叫litho_env，Python版本3.9）
conda create -n litho_env python=3.9

# 激活环境
conda activate litho_env

# 退出环境
conda deactivate

# 查看所有环境
conda env list

# 删除环境
conda remove -n litho_env --all

你想想看，一个光刻机数据采集项目，可能同时用到OPC UA、Modbus、VISA三种协议。每种协议的库版本要求都不一样。没有虚拟环境，你根本玩不转。

小技巧：我习惯在项目根目录放一个environment.yml文件，记录所有依赖。这样换电脑或者给同事部署时，一行命令就能复现环境：

conda env create -f environment.yml

4.4 常用库安装——光刻机数据采集的武器库

好，环境搭好了，现在来装我们真正干活要用的库。我按使用场景给你列出来：

库名	用途	安装命令
numpy	数值计算，处理传感器数据数组	conda install numpy
pandas	数据清洗、结构化存储、CSV/Excel读写	conda install pandas
matplotlib	数据可视化，画趋势图、散点图	conda install matplotlib
pyvisa	通过GPIB/USB/以太网控制仪器	pip install pyvisa
pymodbus	Modbus协议通信，PLC数据采集	pip install pymodbus
opcua-asyncio	OPC UA协议客户端/服务器，工业互联	pip install opcua-asyncio

注意看，前三个我用conda装，后三个用pip装。为什么？因为numpy、pandas、matplotlib在conda仓库里是预编译好的二进制包，安装快、兼容性好。而pyvisa、pymodbus、opcua-asyncio这些工业库，conda仓库更新慢，用pip直接从PyPI拿最新版更靠谱。

激活你的虚拟环境后，一条条执行：

conda activate litho_env

conda install numpy pandas matplotlib
pip install pyvisa pymodbus opcua-asyncio

装完后验证一下：

python -c "import numpy; import pandas; import matplotlib; import pyvisa; import pymodbus; import opcua; print('All good!')"

如果没报错，说明所有库都装好了。

避坑指南：我曾经在Windows上装pyvisa时，死活连不上安捷伦的信号源。后来发现是没装NI-VISA驱动。记住，pyvisa只是Python层的接口，底层还需要VISA驱动（NI-VISA或PyVISA-py）。建议装NI-VISA，兼容性最好。

4.5 知识体系总览

为了让你对整个环境搭建有个全局认识，我画了张图：

这张图把整个环境搭建的逻辑串起来了。底层是Anaconda，中间是虚拟环境做隔离，上层是三大类库各司其职。你照着这个结构来，不会乱。

4.6 验证环境是否可用

最后，咱们写个简单的测试脚本，确保所有库都能正常调用：

# test_env.py
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pyvisa
import pymodbus
import opcua

print("numpy version:", np.__version__)
print("pandas version:", pd.__version__)
print("All libraries imported successfully!")

# 简单测试：生成一组随机数据并画图
data = np.random.randn(100)
df = pd.DataFrame(data, columns=['value'])
plt.plot(df['value'])
plt.title('Environment Test')
plt.savefig('test_plot.png')
print("Test plot saved as test_plot.png")

运行：

python test_env.py

如果看到版本号，并且生成了test_plot.png文件，说明环境搭建完美收官。

我的习惯：每次新建项目，我都会先跑一遍这个测试脚本。别嫌麻烦，这能帮你提前发现环境问题，而不是在调试设备时才发现库没装对。

好了，环境搭好了，武器库也备齐了。接下来就可以真正开始写光刻机的数据采集代码了。记住，环境搭建是地基，地基稳了，楼才能盖得高。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录