2. 环境搭建：Python环境、Jupyter Notebook、关键库安装

说实话，做数据标注可视化这件事，环境搭得好不好，直接决定了你后面干活的心情。我见过太多人卡在第一步——装个库报错，换个版本冲突，最后连个图表都画不出来。嗯，今天咱们就把这事一次性搞定。

2.1 Python环境：选对版本，少走弯路

我个人习惯用 Python 3.8 到 3.11 之间的版本。为什么？因为太新的版本（比如 3.12、3.13）有些库还没完全适配，你装的时候会碰到一些莫名其妙的坑。太老的版本呢，又缺一些新特性。

怎么装？去官网下载安装包就行。记得安装时勾选「Add Python to PATH」——这个选项不勾，后面你在命令行里敲 python 会找不到命令。我在项目中遇到过好几次，同事说「我装了啊怎么跑不了」，过去一看，好家伙，PATH 没加。

2.2 虚拟环境：别把所有东西混在一起

你想想看，一个项目用 Matplotlib 3.5，另一个项目用 Matplotlib 3.8，要是装在一个环境里，迟早要打架。所以我建议每个项目都建一个独立的虚拟环境。

创建虚拟环境很简单：

# 创建虚拟环境
python -m venv label_vis_env

# 激活（Windows）
label_vis_env\Scripts\activate

# 激活（Mac/Linux）
source label_vis_env/bin/activate

激活后，你会在命令行前面看到环境名字，比如 (label_vis_env)。这时候你装的所有库，都只在这个环境里生效。

2.3 Jupyter Notebook：交互式分析的利器

做数据可视化，Jupyter Notebook 几乎是标配。为什么？因为它能让你边写代码边看结果，图表直接嵌在文档里，特别适合做探索性分析。

安装方式：

pip install jupyter notebook

启动：

jupyter notebook

浏览器会自动打开一个页面，你点「New」→「Python 3」就能新建一个笔记本了。

我个人习惯用 Jupyter Lab，它是 Notebook 的升级版，界面更现代，支持多标签页、文件浏览器、终端集成。装它：

pip install jupyterlab

启动命令一样：jupyter lab。你试试看，用惯了就不想回去了。

2.4 关键库安装：Matplotlib, Seaborn, Plotly

这三个库是我们课程的主力。简单说下各自定位：

库名	定位	适合场景
Matplotlib	基础绘图库，底层控制力强	折线图、柱状图、散点图、自定义图表
Seaborn	基于 Matplotlib，统计图表更美观	热力图、箱线图、分布图、分类数据
Plotly	交互式图表，支持缩放、悬停、动画	大数据量、需要交互、Web 展示

安装命令：

pip install matplotlib seaborn plotly

如果你用的是 Jupyter Notebook，建议再装一个 ipywidgets，这样 Plotly 的交互效果能直接在笔记本里显示：

pip install ipywidgets

装完之后，验证一下：

import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px

print("所有库导入成功！")

没有报错，说明环境搭好了。

2.5 知识体系总览

下面这张图，把咱们这章的核心逻辑串起来了。你一看就明白：

2.6 验证环境：跑一个简单的例子

环境搭好了，咱们跑个例子试试手。在 Jupyter Notebook 里新建一个单元格，输入：

import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import pandas as pd
import numpy as np

# 生成示例数据
np.random.seed(42)
data = pd.DataFrame({
    '类别': ['A', 'B', 'C', 'D', 'E'],
    '数量': np.random.randint(10, 100, 5)
})

# Matplotlib 柱状图
plt.figure(figsize=(8, 4))
plt.bar(data['类别'], data['数量'], color='skyblue')
plt.title('Matplotlib 柱状图')
plt.show()

# Seaborn 柱状图（更美观）
sns.barplot(x='类别', y='数量', data=data, palette='viridis')
plt.title('Seaborn 柱状图')
plt.show()

# Plotly 交互式柱状图
fig = px.bar(data, x='类别', y='数量', title='Plotly 交互式柱状图')
fig.show()

如果三个图表都能正常显示，恭喜你，环境搭建成功了！

好了，环境搭好了，后面咱们就可以安心做标注结果的可视化了。记住，环境问题是最不值得花时间的——一次搭好，后面全是享受。

---

公众号:蓝海资料掘金营，微信deep3321