第3章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、虚拟环境管理、常用库安装
说实话，我见过太多初学者在环境搭建这一步就卡住了。
明明代码写对了，结果报错说「找不到模块」。或者今天能跑，明天换个电脑又不行了。
嗯，这其实不是你的问题。是环境没管好。
这一章，我就带你把这套东西彻底捋顺。以后不管换几台电脑，都能三分钟把环境搭起来。
本章核心目标：搭建一个稳定、可复现的Python数据可视化开发环境。说白了，就是让你以后不用再为「环境问题」浪费时间。
3.1 为什么非要用Anaconda？
你可能听说过「直接用Python官网装一个不就行了？」
嗯，理论上可以。但我在项目里吃过这个亏——
有一次，我同时做两个项目。一个需要Matplotlib 2.x，另一个需要3.x。结果呢？两个项目互相打架，装了这个那个就崩了。
从那以后，我再也不裸装Python做数据分析了。
Anaconda 解决了什么问题？
- 包管理：自带conda命令，比pip更擅长处理依赖冲突
- 环境隔离：每个项目一个独立环境，互不干扰
- 预装常用库：装完就有NumPy、Pandas、Matplotlib等150+数据科学库
- Jupyter集成：一键启动Notebook，不用额外配置
我的建议：如果你是做数据可视化、数据分析、机器学习，直接用Anaconda。如果你是做Web开发、写脚本工具，那用原生Python+virtualenv更轻量。
3.2 Anaconda安装实战
安装其实很简单。但我还是踩过坑——
我记得第一次装的时候，没勾选「Add Anaconda to PATH」。结果装完在命令行里打conda，系统说找不到命令。当时我还以为装坏了，折腾了半天。
安装步骤：
- 去官网下载对应系统的安装包（Windows/Mac/Linux）
- 双击安装，一路默认即可
- 关键一步：安装过程中，勾选「Add Anaconda to my PATH environment variable」
- 安装完成后，打开终端/命令行，输入
conda --version验证
# 验证安装
conda --version
# 输出示例：conda 23.7.4
# 更新conda到最新版
conda update conda
注意：Mac用户如果遇到「zsh: command not found: conda」，需要手动初始化shell。运行 conda init zsh 然后重启终端即可。
3.3 Jupyter Notebook配置
Jupyter Notebook 是我个人最常用的交互式编程工具。为什么？
你想想看，做数据可视化的时候，你经常需要「写一段代码 → 看结果 → 改参数 → 再看结果」。这种循环，用Jupyter最舒服。
启动Jupyter：
# 在终端输入
jupyter notebook
# 或者用Anaconda Navigator图形界面启动
启动后，浏览器会自动打开一个页面。你会看到文件目录，点「New」→「Python 3」就能新建一个Notebook了。
我常用的几个配置技巧：
- 修改默认目录：在终端先cd到目标文件夹，再启动Jupyter
- 安装插件：
conda install -c conda-forge jupyter_contrib_nbextensions，可以加代码折叠、目录生成等功能 - 暗黑主题：我个人喜欢用暗色背景，眼睛舒服。安装
jupyterthemes后运行jt -t monokai即可切换
一个小技巧：在Notebook里，按B键可以快速在下方插入新单元格，按A键在上方插入。按DD删除当前单元格。这些快捷键能让你效率翻倍。
3.4 虚拟环境管理——这才是核心
虚拟环境，说白了就是给你的每个项目一个「独立的小房间」。
我曾经接手过一个项目，里面用了TensorFlow 1.x。而我电脑上装的是2.x。如果不用虚拟环境，我根本没法同时维护这两个项目。
创建虚拟环境：
# 创建一个名为 env_visual 的环境，指定Python版本
conda create -n env_visual python=3.9
# 激活环境
conda activate env_visual
# 退出环境
conda deactivate
# 查看所有环境
conda env list
环境管理常用命令：
| 操作 | 命令 |
|---|---|
| 创建环境 | conda create -n 环境名 python=版本号 |
| 激活环境 | conda activate 环境名 |
| 退出环境 | conda deactivate |
| 删除环境 | conda remove -n 环境名 --all |
| 导出环境配置 | conda env export > environment.yml |
| 从配置恢复环境 | conda env create -f environment.yml |
避坑指南：我曾经有一次忘了激活环境，直接在base环境里装了一堆包。结果后来想清理，发现根本分不清哪些是项目需要的，哪些是测试时装的。所以——每个项目都新建一个环境，别偷懒。
3.5 常用可视化库安装
好，环境搭好了。现在来装我们这门课要用到的四个核心库。
安装命令：
# 先激活你的环境
conda activate env_visual
# 安装Matplotlib——最基础的绘图库
conda install matplotlib
# 安装Seaborn——基于Matplotlib的统计图表库
conda install seaborn
# 安装Plotly——交互式图表库
conda install -c plotly plotly
# 安装Folium——地图可视化库
conda install -c conda-forge folium
各库的定位：
| 库名 | 用途 | 特点 |
|---|---|---|
| Matplotlib | 基础图表 | 功能全面，但代码较繁琐 |
| Seaborn | 统计图表 | 代码简洁，默认样式好看 |
| Plotly | 交互式图表 | 支持缩放、悬停、动画 |
| Folium | 地图可视化 | 基于Leaflet.js，可叠加数据层 |
验证安装：在Python中分别导入这四个库，不报错就说明装好了。
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import folium
print("所有库安装成功！")3.6 本章知识体系
下面这张图，帮你把这一章的核心逻辑串起来——
嗯，这一章的内容就这些了。
环境搭建虽然看起来琐碎，但这是你后面所有可视化项目的地基。地基打牢了，后面画图、做交互、搞地图，才能顺风顺水。
我个人建议你跟着上面的步骤，亲手搭一遍。遇到问题别慌，大部分都能在搜索引擎里找到答案。实在搞不定，欢迎来交流。