3、环境搭建：Python环境配置、虚拟环境管理、依赖库安装

说实话，很多同学学自动化流程，第一步就卡在环境搭建上。我见过太多人花了两天装包，最后发现版本冲突，心态直接崩了。其实这事儿没那么玄乎，咱们一步步来，我带你走一遍我自己的标准流程。

3.1 Python 版本选择与安装

我个人习惯用 Python 3.9 或 3.10。为什么？因为这两个版本对 pandas、jinja2 这些库的兼容性最好。3.11 以上有些老库还没跟上，容易踩坑。

安装步骤很简单：

• 去 Python 官网下载对应版本（Windows 记得勾选「Add Python to PATH」）
• Linux/Mac 用包管理器：brew install python@3.9 或 apt install python3.9
• 验证安装：打开终端输入 python --version

3.2 虚拟环境管理——这个真不能省

你想想看，如果所有项目都共用一套 Python 包，那不乱套了？A 项目要 pandas 1.3，B 项目要 pandas 2.0，冲突起来你哭都来不及。

虚拟环境就是给每个项目一个独立的「小房间」。我常用的工具有两个：

工具	命令示例	适用场景
venv（内置）	python -m venv myenv	轻量级，够用
conda	conda create -n myenv python=3.9	数据科学全家桶

我个人偏爱 venv，因为它轻、快、没那么多花里胡哨。创建完环境后，记得激活：

# Windows
myenv\Scripts\activate

# Mac/Linux
source myenv/bin/activate

激活后终端前面会出现 (myenv) 字样，说明你已经在虚拟环境里了。嗯，这里要注意：每次打开新终端都要重新激活，别嫌麻烦。

3.3 依赖库安装——核心三件套

咱们这个智能研报生成项目，核心依赖就三个：pandas、requests、jinja2。当然还有别的，但这三个是骨架。

3.4 pandas——数据处理的老大哥

说白了，pandas 就是 Python 里的 Excel。读取 CSV、清洗数据、做透视表，它全包了。安装命令：

pip install pandas

我一般还会装个 openpyxl，因为 pandas 读写 Excel 文件需要它做引擎。

3.5 requests——网络请求的瑞士军刀

你要从 API 拉数据、爬网页、下载文件，都靠它。安装：

pip install requests

记得有一次，我调一个金融数据接口，对方返回的是 gzip 压缩内容。requests 默认就帮你解压了，省了我不少事。

3.6 jinja2——模板引擎，生成报告的灵魂

jinja2 能把数据和 HTML 模板揉在一起，生成漂亮的报告。安装：

pip install jinja2

它的核心逻辑就一句话：模板里写 {{ 变量名 }}，然后传数据进去渲染。后面章节我会详细讲。

3.7 一键安装所有依赖

手动一个个装太累。我习惯把所有依赖写进 requirements.txt：

pandas==1.5.3
requests==2.31.0
jinja2==3.1.2
openpyxl==3.1.2

然后一行命令搞定：

pip install -r requirements.txt

3.8 验证环境是否正常

装完别急着走，跑个测试脚本验证一下：

import pandas as pd
import requests
import jinja2

print("pandas 版本:", pd.__version__)
print("requests 版本:", requests.__version__)
print("jinja2 版本:", jinja2.__version__)
print("✅ 环境搭建成功！")

如果三行都打印出版本号，没报错，那恭喜你，环境搭好了。如果报错，多半是版本冲突或没激活虚拟环境，回去检查一下。

好了，环境这块就到这儿。说白了就是三步：装 Python、建虚拟环境、装依赖库。别嫌基础，地基打牢了，后面盖楼才稳当。

---