第4章 Python环境搭建：Anaconda安装、Jupyter Notebook配置、必备库安装
说实话，很多初学者一上来就纠结「该用哪个Python版本」「库装不上怎么办」。我当年也踩过这些坑，浪费了不少时间。后来我总结出一套标准流程，今天分享给你。
咱们做供应链数据挖掘，说白了就是跟表格、网页、数学公式打交道。Python环境搭好了，后面90%的问题都能避免。嗯，这里要注意：千万别自己手动装Python，直接用Anaconda全家桶，省心。
4.1 为什么选Anaconda？
Anaconda是什么？它就是一个Python的「瑞士军刀」——自带Python解释器、包管理器conda、还有Jupyter Notebook等工具。你想想看，如果一个个手动装，光是解决依赖冲突就能让你怀疑人生。
核心优势：
- 预装200+常用科学计算库（pandas、numpy都在里面）
- conda包管理器能自动处理依赖关系
- 支持创建虚拟环境，不同项目互不干扰
我在项目中遇到过最头疼的事：一个项目需要pandas 0.25，另一个需要1.0。如果没有虚拟环境，你只能二选一。Anaconda的虚拟环境完美解决了这个问题。
4.2 Anaconda安装实战
安装过程其实很简单，但我还是想提醒几个关键点。
4.2.1 下载与安装
- 访问Anaconda官网（anaconda.com），下载对应系统的安装包
- 双击安装，一路默认即可
- 关键步骤：安装时勾选「Add Anaconda to my PATH environment variable」
避坑指南：我曾经因为没勾选PATH选项，导致在命令行里找不到conda命令。后来花了半小时才排查出来。所以这一步千万别省。
4.2.2 验证安装
打开终端（Windows用cmd或PowerShell，Mac/Linux用Terminal），输入：
conda --version
python --version如果看到版本号，说明安装成功。我习惯用conda 4.10+版本，Python 3.8或3.9都行。
4.3 Jupyter Notebook配置
Jupyter Notebook是我最常用的交互式编程环境。做数据挖掘时，你可以边写代码边看结果，还能加注释说明，特别适合探索性分析。
4.3.1 启动Jupyter
在终端输入：
jupyter notebook浏览器会自动打开一个页面，默认地址是 http://localhost:8888。如果没自动打开，手动复制这个地址到浏览器也行。
4.3.2 常用配置优化
我个人习惯做几个小调整：
- 修改默认工作目录：在终端输入
jupyter notebook --generate-config，找到配置文件，修改c.NotebookApp.notebook_dir为你想要的路径 - 设置密码：防止别人访问你的Notebook，输入
jupyter notebook password - 安装扩展插件：
pip install jupyter_contrib_nbextensions，可以添加代码折叠、目录生成等功能
小技巧：我习惯在Jupyter里用%matplotlib inline这个魔法命令，这样图表直接显示在单元格下方，不用弹窗。做供应链数据可视化时特别方便。
4.4 必备库安装
做供应链数据挖掘，有几个库是绕不开的。我按使用频率排序，给你列出来。
| 库名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理与分析（表格操作） | conda install pandas |
| numpy | 数值计算（矩阵运算、数学函数） | conda install numpy |
| requests | 网络请求（爬取网页数据） | pip install requests |
| beautifulsoup4 | HTML解析（提取网页信息） | pip install beautifulsoup4 |
4.4.1 安装命令详解
打开终端，依次执行：
conda install pandas numpy
pip install requests beautifulsoup4为什么有的用conda，有的用pip？说白了，pandas和numpy是科学计算库，conda源里就有，安装快且稳定。requests和beautifulsoup4是纯Python库，pip更方便。
验证安装：在Python交互环境或Jupyter里输入：
import pandas as pd
import numpy as np
import requests
from bs4 import BeautifulSoup
print("所有库安装成功！")如果没有报错，恭喜你，环境搭建完成。
4.4.2 避坑指南
我曾经遇到过一个经典问题：用pip安装beautifulsoup4时，提示「找不到匹配的版本」。后来发现是网络问题，换成国内镜像源就好了：
pip install beautifulsoup4 -i https://pypi.tuna.tsinghua.edu.cn/simple另外，如果你用的是Python 3，记得装beautifulsoup4而不是BeautifulSoup（那是Python 2的版本）。
4.5 知识体系总览
为了让你更直观地理解本章的知识结构，我画了一张流程图。
这张图把整个流程串起来了：从Anaconda安装开始，到Jupyter配置，最后装好四个核心库。每一步都是下一步的基础，缺一不可。
4.6 写在最后
环境搭建看起来琐碎，但这是所有数据挖掘工作的地基。我见过太多人因为环境问题卡在第一步，最后放弃了整个项目。其实你只要按这个流程走一遍，后面就顺了。
嗯，如果你在安装过程中遇到任何报错，别慌。99%的问题都可以通过搜索引擎解决。实在不行，把错误信息复制到群里，大家一起帮你看看。
我的建议：装好环境后，先跑一个简单的pandas代码试试，比如pd.DataFrame({'A': [1,2,3]})。看到输出结果的那一刻，你会觉得一切都值得。
公众号:蓝海资料掘金营，微信deep3321