2、Python环境与工具链：Anaconda、Jupyter Notebook、VS Code 的另类配置与插件

说实话，很多人在Python环境搭建这一步就栽了跟头。我见过太多同事，装了一堆包，最后环境乱成一锅粥，连自己都分不清哪个项目用了哪个版本。今天我就聊聊，怎么把这几个工具玩出花来。

2.1 Anaconda：不只是包管理器

很多人觉得Anaconda就是个装Python的，其实不然。它真正的威力在于环境隔离。我习惯给每个项目单独建一个环境，这样哪怕某个项目把依赖搞崩了，也不影响其他项目。

举个例子，你同时做两个项目：一个用 TensorFlow 1.x，一个用 PyTorch 2.x。如果装在同一个环境里，迟早会出问题。我的做法是：

# 创建环境
conda create -n tf_project python=3.8
conda activate tf_project
pip install tensorflow==1.15

# 另一个项目
conda create -n torch_project python=3.10
conda activate torch_project
pip install torch torchvision

嗯，这里要注意：千万别用 pip 往 base 环境里装东西。我曾经手贱，把 base 环境搞坏了，结果重装了三次 Anaconda，那叫一个酸爽。

2.2 Jupyter Notebook：数据可视化的利器

Jupyter Notebook 做数据探索和可视化，简直是绝配。但默认配置太简陋了，我推荐几个必装的插件：

插件名	作用	安装方式
jupyter_contrib_nbextensions	代码折叠、目录生成、变量查看	pip install jupyter_contrib_nbextensions
jupyter-resource-usage	显示 CPU、内存占用	pip install jupyter-resource-usage
ipywidgets	交互式控件（滑块、按钮）	pip install ipywidgets

我个人最常用的是 ipywidgets。做数据可视化时，加个滑块调参数，比改代码再运行快多了。比如这样：

import ipywidgets as widgets
from IPython.display import display
import matplotlib.pyplot as plt
import numpy as np

# 创建一个滑块
slider = widgets.FloatSlider(value=1.0, min=0.1, max=5.0, step=0.1, description='频率:')

def plot_sine(freq):
    x = np.linspace(0, 2*np.pi, 100)
    y = np.sin(freq * x)
    plt.plot(x, y)
    plt.show()

# 绑定事件
widgets.interact(plot_sine, freq=slider)

你想想看，以前调参数要改代码、重新运行，现在拖个滑块就搞定了。效率提升不是一星半点。

2.3 VS Code：从编辑器到 IDE 的蜕变

VS Code 默认就是个文本编辑器，但配上插件，它就是最强 Python IDE。我推荐几个「另类」配置：

• Python 插件：必装，提供代码补全、调试、测试
• Jupyter 插件：直接在 VS Code 里运行 .ipynb 文件，不用开浏览器
• GitLens：看代码是谁写的、什么时候改的，团队协作必备
• Rainbow CSV：用不同颜色区分 CSV 列，数据清洗时特别好用

我重点说说 Jupyter 插件。很多人不知道，VS Code 里可以直接打开 .ipynb 文件，而且支持代码补全、变量查看。比浏览器里的 Jupyter 好用多了。

# 在 VS Code 里新建一个 .ipynb 文件
# 然后直接写代码，按 Shift+Enter 运行
import pandas as pd
import numpy as np

# 生成测试数据
df = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100) * 2 + 1
})
df.head()

为什么会这样？因为 VS Code 的 Jupyter 插件底层调用了 Jupyter 内核，但界面更现代、功能更丰富。说白了，就是给 Jupyter 换了个皮肤，但内核还是那个内核。

2.4 知识体系总览

下面这张图，是我自己总结的 Python 数据可视化工具链。你看一眼，就知道每个工具该用在哪个环节：

说白了，这套工具链就是：Anaconda 管环境，VS Code 写代码，Jupyter 做探索，最后输出报告。每一步都有对应的工具，各司其职。

2.5 我的个人配置清单

最后，分享一份我用了两年的配置清单。你照着配，基本不会踩坑：

1. 安装 Anaconda：选 Python 3.9 版本，别追新
2. 创建环境：每个项目一个 conda 环境，命名规则：项目名_py版本
3. 安装 VS Code：必装 Python、Jupyter、GitLens 三个插件
4. 配置 Jupyter：装 nbextensions 和 ipywidgets，开启代码折叠
5. 测试环境：跑一个简单的 matplotlib 图表，确保所有组件正常

---