第2章环境搭建

第2章：环境搭建——Python环境配置、Jupyter Notebook安装、必备库安装与验证

好，咱们正式开始动手了。这一章说白了就是「把家伙事儿备齐」。我见过太多人卡在环境搭建这一步，明明代码逻辑没问题，结果跑起来全是红字报错。嗯，咱们今天就把这事一次性搞定。

2.1 Python环境配置

我个人习惯用 Python 3.8 以上的版本。为什么？因为 Tweepy 和 TextBlob 这些库在 3.8 以上跑得最稳。我在项目中遇到过用 Python 3.6 装 VADER 死活装不上的情况，后来发现是版本兼容问题，折腾了我一下午。

具体步骤很简单：

去 python.org 下载对应系统的安装包
安装时记得勾选「Add Python to PATH」——这个坑我踩过，不勾选的话后面命令行里打 python 会提示找不到命令
打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用 terminal），输入 python --version 验证

验证命令：

python --version
# 输出示例：Python 3.9.7

看到版本号就说明环境配好了。如果提示「python 不是内部或外部命令」，别慌，去检查一下环境变量，把 Python 的安装路径加进去就行。

2.2 Jupyter Notebook 安装

Jupyter Notebook 这东西，说白了就是交互式编程的利器。你写一行代码，立刻看到结果，特别适合做数据分析这种需要反复调试的工作。

安装方式有两种：

方式一（推荐）： 直接用 pip 装
方式二： 装 Anaconda，它自带 Jupyter，但体积比较大

我的建议： 如果你只是做这个课程的项目，用 pip 装就够了。Anaconda 适合那种需要管理多个 Python 版本和数据科学全家桶的场景。

pip install jupyter

装完之后，在终端输入 jupyter notebook，浏览器会自动弹出来。如果没弹，手动打开浏览器访问 http://localhost:8888 就行。

注意： 我曾经在 Windows 上遇到过 Jupyter 启动后浏览器白屏的问题。原因是默认浏览器不兼容。解决办法：换个浏览器，或者用 jupyter notebook --no-browser 启动，然后手动复制链接到 Chrome 或 Edge 里打开。

2.3 必备库安装与验证

咱们这个课程要用到五个核心库。我按安装顺序列出来：

库名	用途	安装命令
Tweepy	连接 Twitter API，获取实时推文	`pip install tweepy`
TextBlob	文本情感分析（基于词典）	`pip install textblob`
VADER	社交媒体专用情感分析工具	`pip install vaderSentiment`
Pandas	数据处理与清洗	`pip install pandas`
Matplotlib	数据可视化，画图用的	`pip install matplotlib`

你可以一次性装完：

pip install tweepy textblob vaderSentiment pandas matplotlib

装完之后，咱们得验证一下。打开 Jupyter Notebook，新建一个 Python 3 文件，依次导入这些库：

import tweepy
import textblob
from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
import pandas as pd
import matplotlib.pyplot as plt

print("所有库导入成功！")

如果没报错，恭喜你，环境搭建完成。如果报错说「No module named xxx」，那就重新 pip install 一下那个库。我遇到过 TextBlob 装完后还需要额外下载语料库的情况，命令是：

python -m textblob.download_corpora

避坑指南： 我曾经在 Mac 上遇到 VADER 安装后导入报错，原因是系统默认的 Python 版本和 pip 安装的版本不一致。解决办法是用 python3 -m pip install vaderSentiment 来指定 Python 3 的环境。

2.4 知识体系总览

为了让你对整个环境搭建有个全局认识，我画了一张图。你看一眼就明白各个组件之间的关系了：

你看，整个架构分四层：底层是 Python 和 Jupyter，往上走是 Tweepy 抓数据，再往上是用 TextBlob 和 VADER 做情感分析，最上层用 Pandas 和 Matplotlib 做处理和展示。每一层都依赖下一层，缺一不可。

2.5 验证脚本：一键检查环境

为了让你省心，我写了个验证脚本。复制到 Jupyter Notebook 里跑一下，所有库的状态一目了然：

# 环境验证脚本
import sys
import importlib

libraries = ['tweepy', 'textblob', 'vaderSentiment', 'pandas', 'matplotlib']
print(f"Python 版本: {sys.version}\n")
print("=" * 40)
print("库安装状态检查")
print("=" * 40)

for lib in libraries:
    try:
        importlib.import_module(lib)
        print(f"✅ {lib} - 已安装")
    except ImportError:
        print(f"❌ {lib} - 未安装，请运行 pip install {lib}")

print("\n环境检查完成！")

如果所有库都显示绿色对勾，那就可以放心进入下一章了。如果哪个红了，别急，按提示重新装一下就行。

小技巧： 我习惯在项目根目录建一个 requirements.txt 文件，把用到的库和版本号写进去。这样换电脑或者给别人部署时，一行 pip install -r requirements.txt 就全搞定了。内容大概长这样：

tweepy==4.12.1
textblob==0.17.1
vaderSentiment==3.3.2
pandas==1.5.3
matplotlib==3.7.1

好了，环境搭建就到这里。你想想看，其实就三步：装 Python、装 Jupyter、装五个库。我当年刚开始学的时候，光装环境就折腾了两天，现在你跟着这个流程走，半小时应该就能搞定。

📚 课程目录