第1章：Python科学计算环境搭建
说实话，每次带新人做神经信号项目，我最怕听到的一句话就是：「老师，我环境装好了，但跑不起来。」
嗯，这其实不是你的问题。Python科学计算环境，尤其是涉及神经信号处理的，坑确实不少。我自己入行那会儿，光装MNE就折腾了两天——后来发现是Python版本不对。
所以这一章，咱们把地基打牢。你跟着我的习惯来，后面30章会顺畅很多。
1.1 为什么选Anaconda？
你可能听说过「用pip装包就行」。没错，pip确实能装。但做神经信号项目，你面对的不是一两个库，而是几十个互相依赖的包。NumPy、SciPy、Matplotlib、MNE、Scikit-learn、TensorFlow……版本一乱，整个项目就崩了。
Anaconda解决的就是这个痛点。
它自带Python解释器，还集成了conda包管理器。conda比pip强在哪？它能管理非Python的依赖，比如底层C库、BLAS加速库。说白了，你装MNE时，conda会自动帮你把底层信号处理库也配好。
核心优势：
- 环境隔离：每个项目独立，互不干扰
- 依赖管理：自动解决版本冲突
- 跨平台：Windows/macOS/Linux 统一体验
1.2 安装Anaconda
去官网下载对应系统的安装包。我个人建议选Python 3.9或3.10版本——太新的Python（比如3.12）有些神经信号库还没适配好。
安装时注意两点：
- Windows用户：勾选「Add Anaconda to my PATH environment variable」——虽然安装程序会警告，但相信我，勾上省事
- macOS/Linux用户：安装到默认路径，别用sudo
我曾经踩过的坑： 装完Anaconda后，又装了系统自带的Python。结果终端里python命令指向了系统Python，conda命令找不到。解决方案：把Anaconda的bin目录加到PATH最前面。
1.3 创建虚拟环境
你想想看，一个项目用MNE 1.6，另一个项目用MNE 1.8。如果装在同一环境里，迟早出问题。
虚拟环境就是干这个的。我习惯按项目建环境，命名规则是「项目名_版本号」。
# 创建环境（指定Python版本）
conda create -n neural_signal python=3.9
# 激活环境
conda activate neural_signal
# 退出环境
conda deactivate
# 查看所有环境
conda env list小技巧： 创建环境时加上 -y 参数，可以跳过确认步骤。比如 conda create -n myenv python=3.9 -y
1.4 核心库安装
环境激活后，就可以装核心库了。我按安装顺序列出来，这个顺序能避免很多依赖冲突。
| 库名 | 用途 | 安装命令 |
|---|---|---|
| NumPy | 多维数组运算 | conda install numpy |
| SciPy | 科学计算（滤波、优化） | conda install scipy |
| Matplotlib | 数据可视化 | conda install matplotlib |
| MNE | 神经信号处理 | conda install -c conda-forge mne |
实际执行时，你可以一次性装完：
conda install numpy scipy matplotlib
conda install -c conda-forge mne为什么MNE要单独从conda-forge装？因为MNE的官方频道就是conda-forge，那里版本最新。我在项目中遇到过，用默认频道装MNE，结果装了个1.0的老版本，很多新功能用不了。
1.5 验证安装
装完别急着走。花两分钟验证一下，后面省得排查问题。
# 验证NumPy
python -c "import numpy; print(numpy.__version__)"
# 验证SciPy
python -c "import scipy; print(scipy.__version__)"
# 验证Matplotlib
python -c "import matplotlib; print(matplotlib.__version__)"
# 验证MNE
python -c "import mne; print(mne.__version__)"如果都能正常输出版本号，恭喜你，环境搭好了。
常见问题排查：
- ImportError: No module named 'numpy' → 检查是否激活了正确的环境
- 版本过低 → 用 conda update numpy 升级
- MNE报错缺少依赖 → conda install -c conda-forge mne 重新装
1.6 本章知识体系
下面这张图，是我自己总结的环境搭建流程。你照着走，基本不会出问题。
1.7 避坑指南
最后，分享几个我这些年攒下来的经验：
- 别用root/base环境做项目——我见过有人把所有包都装在base里，最后想回退版本，整个环境废了
- 装包时优先用conda——conda没有的再用pip。混用时，先装conda包，再装pip包
- 定期更新环境——conda update --all 能避免很多「莫名其妙」的报错
- 导出环境配置——conda env export > environment.yml，换机器时直接 conda env create -f environment.yml
我的习惯： 每个项目根目录下放一个 environment.yml 文件。这样团队成员或未来的你，都能一键复现环境。
好了，环境搭好了。下一章咱们就开始真正接触神经信号数据了——你会看到MNE读取原始脑电数据有多方便。