第2章：Python环境搭建——Anaconda安装、MNE库安装、Jupyter Notebook配置

说实话，很多初学者在神经信号处理这条路上栽的第一个跟头，往往不是算法太难，而是环境没搭好。我见过太多人花了两天装库，最后发现版本冲突，心态直接崩了。所以这一章，咱们就把地基打牢。

我会带着你一步步搞定三件事：Anaconda（Python的航母级发行版）、MNE（脑电/脑磁信号处理的王牌库）、Jupyter Notebook（交互式编程的瑞士军刀）。嗯，跟着我的节奏来，半小时内你就能跑起来。

2.1 为什么非要用Anaconda？

你可能会问：「我直接装个Python不行吗？」当然行。但做神经信号处理，你至少需要numpy、scipy、matplotlib、mne这几个库。手动一个个装，版本依赖能让你怀疑人生。

Anaconda 说白了就是一个「全家桶」——它自带Python核心、400多个常用科学计算库，还带了一个叫 conda 的包管理器。我个人习惯用conda来创建虚拟环境，每个项目一个环境，互不干扰。比如你同时做EEG和fMRI分析，库版本要求不同，用虚拟环境就能完美隔离。

2.2 Anaconda安装实战

去 Anaconda官网（anaconda.com）下载对应你操作系统的版本。我建议选 Python 3.9+ 的版本，太老的版本对MNE支持不好。

安装时注意两点：

• Windows用户：安装界面有个「Add Anaconda to PATH」的选项，一定要勾上。我曾经没勾，结果在命令行里死活找不到conda命令，折腾了半小时才发现是路径问题。
• macOS/Linux用户：建议装到用户目录下（默认路径就行），别用sudo装到系统目录，容易权限冲突。

装完后，打开终端（Windows叫Anaconda Prompt），输入：

conda --version

如果看到类似 conda 23.7.4 的输出，恭喜你，第一步完成。

2.3 创建虚拟环境——给MNE一个「专属房间」

我不建议直接在base环境里装MNE。为什么？因为base环境是你日常用的，万一装了个不兼容的库，整个Python就废了。我习惯为每个项目建一个独立环境。

打开终端，执行：

conda create -n mne_env python=3.9

这条命令会创建一个名叫 mne_env 的环境，Python版本指定为3.9。等它下载完，激活环境：

conda activate mne_env

看到命令行前面多了 (mne_env) 字样，说明你已经进入这个虚拟环境了。接下来所有操作都在这个「房间」里进行，不会影响外面的系统。

2.4 MNE库安装——核心步骤

MNE-Python 是处理脑电（EEG）、脑磁（MEG）数据的行业标准库。安装它有两种方式：

方式	命令	适用场景
conda安装（推荐）	conda install -c conda-forge mne	稳定版，依赖处理最省心
pip安装	pip install mne	想用最新特性时

我个人强烈推荐 conda安装。MNE底层依赖了很多C/C++库（比如用于滤波的libfftw），conda会自动帮你处理好这些二进制依赖。用pip的话，有时候会报「找不到libfftw3」之类的错，排查起来很头疼。

装完后验证一下：

python -c "import mne; print(mne.__version__)"

如果输出版本号（比如 1.6.0），说明安装成功。

2.5 安装常用依赖库

光有MNE还不够，我们还需要几个好搭档：

conda install numpy scipy matplotlib jupyter
conda install -c conda-forge scikit-learn

• numpy：所有数值计算的基础
• scipy：提供滤波、插值等信号处理函数
• matplotlib：画图必备，看脑电波形就靠它
• scikit-learn：做分类、聚类等机器学习任务时会用到

装完后，你可以一口气验证所有库是否正常：

python -c "import numpy, scipy, matplotlib, sklearn; print('All good!')"

2.6 Jupyter Notebook配置——交互式编程利器

Jupyter Notebook 是神经科学领域最流行的编程环境。你可以在里面写代码、看结果、加注释，甚至直接展示脑电波形图。它比纯脚本更直观，特别适合探索性分析。

安装很简单（上面已经装过了），启动方式：

jupyter notebook

终端会输出一串URL，比如 http://localhost:8888/tree。复制到浏览器打开，就能看到Jupyter的界面了。

我建议你做两件事来优化体验：

1. 安装jupyter_contrib_nbextensions：提供代码折叠、目录生成等插件
2. 配置默认工作目录：在终端里先cd到你的项目文件夹，再启动jupyter，这样文件管理更清爽

conda install -c conda-forge jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

2.7 知识体系总览

下面这张图帮你理清本章的核心逻辑：

2.8 快速验证——跑通你的第一个MNE代码

环境搭好了，咱们来点仪式感。在Jupyter里新建一个Notebook，输入以下代码：

import mne
import numpy as np
import matplotlib.pyplot as plt

# 生成一段模拟的脑电信号（10秒，采样率250Hz）
sfreq = 250  # 采样率
duration = 10  # 秒
n_samples = sfreq * duration
times = np.arange(n_samples) / sfreq

# 模拟一个10Hz的alpha节律 + 噪声
data = np.sin(2 * np.pi * 10 * times) + 0.5 * np.random.randn(n_samples)

# 创建MNE的Raw对象
info = mne.create_info(ch_names=['Fz'], sfreq=sfreq, ch_types='eeg')
raw = mne.io.RawArray(data.reshape(1, -1), info)

# 画图看看
raw.plot(duration=5, scalings='auto')
plt.show()

print("环境搭建成功！MNE版本:", mne.__version__)

如果能看到一条正弦波叠加噪声的波形图，说明你的环境已经完美就绪。嗯，这一步走通了，后面的预处理、特征提取、数据增强就都不是问题了。

---