2. 开发环境搭建：安装Python、Pip、Jupyter Notebook，以及Pandas、Matplotlib、Seaborn、Plotly等核心库
说实话，做数据可视化这件事，最磨人的往往不是写代码本身，而是环境搭建。我见过太多同学卡在第一步——装了半天，最后跑起来报一堆红字，心态直接崩了。
这一章，我带你一步步把坑填平。咱们的目标很明确：装好Python、配好Pip、启动Jupyter Notebook，再把Pandas、Matplotlib、Seaborn、Plotly这几个核心库全部就位。搞完这些，后面画图就是水到渠成的事。
2.1 为什么选Python？
你可能会问：做可视化，用Excel不也挺好？嗯，Excel做简单图表确实快，但一旦数据量上了万行，或者你想做交互式仪表盘，Excel就力不从心了。
Python的优势在于：
- 免费开源——不用掏钱买许可证
- 生态丰富——数据分析、可视化、机器学习一条龙
- 社区强大——遇到问题，搜一下基本都有答案
- 可重复性——写一次脚本，换台机器照样跑
我个人习惯用Python 3.9以上版本。为什么？因为新版本对类型提示和性能都有优化，而且大部分库已经全面适配了。
2.2 安装Python
先别急着去官网下载。我建议你直接用Anaconda，它自带Python和一大堆常用库，省心不少。
步骤一：下载Anaconda
- 访问
https://www.anaconda.com/products/individual - 选择对应你操作系统的版本（Windows/macOS/Linux）
- 建议下载Python 3.9+的版本
步骤二：安装
- Windows用户：一路点Next，记得勾选「Add Anaconda to my PATH environment variable」
- macOS用户：双击pkg安装包，按提示操作
- Linux用户：用命令行
bash Anaconda3-xxx-Linux-x86_64.sh
步骤三：验证安装
打开终端（Windows下是cmd或PowerShell），输入：
python --version如果看到类似 Python 3.9.13 的输出，说明安装成功。
2.3 配置Pip
Pip是Python的包管理工具，说白了就是帮你下载和安装第三方库的。Anaconda自带Pip，但有时候版本比较老，建议先升级一下。
pip install --upgrade pip升级完成后，可以用 pip --version 确认版本。
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
2.4 安装Jupyter Notebook
Jupyter Notebook是我做数据分析时最常用的工具。它让你可以在浏览器里写代码、看结果、加注释，一气呵成。
如果你用的是Anaconda，Jupyter已经预装了。验证一下：
jupyter --version如果没装，或者你想用最新版，可以手动安装：
pip install jupyter启动Jupyter Notebook：
jupyter notebook这时候浏览器会自动打开一个页面，默认地址是 http://localhost:8888。如果没自动打开，手动复制这个地址到浏览器也行。
2.5 安装核心库
好，现在Python和Jupyter都就位了。接下来装咱们做可视化要用到的几个库。
一次性安装所有库：
pip install pandas matplotlib seaborn plotly等进度条跑完，就全部装好了。如果你用的是Anaconda，Pandas和Matplotlib可能已经预装了，但Seaborn和Plotly通常需要手动装。
各库的作用：
| 库名 | 作用 | 适用场景 |
|---|---|---|
| Pandas | 数据处理与分析 | 读取CSV、Excel，数据清洗、聚合 |
| Matplotlib | 基础绘图库 | 折线图、柱状图、散点图等静态图表 |
| Seaborn | 统计可视化 | 热力图、箱线图、分布图，颜值高 |
| Plotly | 交互式可视化 | 可缩放、可悬停的仪表盘、动态图表 |
你想想看，这四个库配合起来，基本覆盖了从数据清洗到最终呈现的全流程。我在项目中通常先用Pandas把数据整理好，然后用Matplotlib或Seaborn做探索性分析，最后用Plotly做交互式仪表盘给客户看。
2.6 验证安装是否成功
装完别急着走，咱们跑个小脚本验证一下。打开Jupyter Notebook，新建一个Python 3笔记本，输入以下代码：
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
print("Pandas版本:", pd.__version__)
print("Matplotlib版本:", plt.matplotlib.__version__)
print("Seaborn版本:", sns.__version__)
print("Plotly版本:", px.__version__)如果每个库都输出了版本号，没有报错，恭喜你——环境搭建完成！
pip install ipywidgetsjupyter nbextension enable --py widgetsnbextension然后重启Jupyter就好了。
2.7 知识体系总览
为了让你对整个开发环境有个全局认识，我画了一张图，把各组件之间的关系理清楚：
这张图展示了从底层到顶层的完整链路。说白了，Python是地基，Pandas是工具间，Matplotlib、Seaborn、Plotly是不同风格的画笔，最终输出你想要的仪表盘。
2.8 本章小结
到这，开发环境就全部搭好了。你可能会觉得步骤有点多，但相信我——一次配好，后面几百行代码跑起来都顺风顺水。如果安装过程中遇到任何报错，别硬扛，把错误信息复制到搜索引擎里，十有八九能找到答案。
下一章，咱们就开始拿真实数据练手了。到时候你会发现，今天花在环境搭建上的时间，绝对值回票价。