3、环境搭建：Python 环境配置、Jupyter Notebook 安装、Web3.py 库安装与基础调用
好，咱们正式开始动手了。做链上数据分析，说白了就是跟区块链节点打交道。你得先有一把趁手的「扳手」——也就是开发环境。这一章，我带你一步步把 Python、Jupyter Notebook 和 Web3.py 装好，并跑通第一个调用。
核心逻辑：Python 是语言，Jupyter 是笔记本，Web3.py 是连接链的桥梁。三者缺一不可。
3.1 Python 环境配置
我个人习惯用 Python 3.9 或 3.10。为什么？因为 Web3.py 对这两个版本支持最稳。你如果装 3.12，有些老包可能报错。嗯，这里要注意：别追新版本，稳定第一。
安装步骤：
- 去
python.org下载对应系统的安装包 - 安装时记得勾选「Add Python to PATH」
- 打开终端（CMD 或 Terminal），输入
python --version验证
我的小技巧：我在项目中遇到过好几次 PATH 没配好导致「python 不是内部命令」的尴尬。所以安装时一定勾选那个选项，省得后面折腾。
# 验证 Python 是否安装成功
python --version
# 输出示例：Python 3.10.11
# 检查 pip 包管理器
pip --version
# 输出示例：pip 23.2.1 from ...3.2 Jupyter Notebook 安装
Jupyter Notebook 这东西，说白了就是一个能写代码、能记笔记、还能画图的「超级记事本」。我刚开始做链上分析时，全靠它一边查数据一边写注释，效率翻倍。
安装命令：
# 用 pip 安装 Jupyter
pip install jupyter
# 启动 Jupyter Notebook
jupyter notebook启动后，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。你想想看，这比在终端里一行行敲代码舒服多了。
避坑指南：我曾经在 Windows 上遇到 Jupyter 启动后浏览器不自动打开的情况。解决办法很简单：复制终端里显示的 URL（比如 http://localhost:8888/tree），手动粘贴到浏览器地址栏就行。
3.3 Web3.py 库安装
Web3.py 是咱们连接以太坊节点的核心工具。它就像一根「数据水管」，一头接区块链，一头接你的 Python 代码。
# 安装 Web3.py
pip install web3
# 验证安装
python -c "import web3; print(web3.__version__)"
# 输出示例：6.15.1重要提醒：Web3.py 版本迭代很快。我建议你安装时指定版本，比如 pip install web3==6.15.1，这样能保证和教程里的代码完全兼容。
3.4 基础调用：连接以太坊节点
装好了，咱们试试能不能连上链。这里我用的是公共 RPC 节点——Infura。你如果没有自己的节点，用这个最方便。
from web3 import Web3
# 连接以太坊主网（公共节点）
infura_url = "https://mainnet.infura.io/v3/YOUR_PROJECT_ID"
w3 = Web3(Web3.HTTPProvider(infura_url))
# 检查是否连接成功
if w3.is_connected():
print("✅ 连接成功！")
print(f"当前区块高度：{w3.eth.block_number}")
else:
print("❌ 连接失败，请检查网络或 RPC 地址")运行后如果看到「连接成功」和区块高度，恭喜你，环境搭建完成！
我的经验：第一次跑这个代码时，我忘了替换 YOUR_PROJECT_ID，结果一直报错。你记得去 Infura 官网注册一个免费账号，拿到 Project ID 再填进去。
3.5 常用 RPC 节点对比
| 节点服务商 | 免费额度 | 适用场景 | 备注 |
|---|---|---|---|
| Infura | 10 万请求/天 | 主网、测试网 | 最常用，稳定 |
| Alchemy | 3 亿计算单元/月 | 主网、L2 | 功能更丰富 |
| QuickNode | 有限免费 | 高性能需求 | 付费后更快 |
| 本地节点（Geth） | 无限制 | 深度分析 | 需要同步全链数据 |
我个人建议：刚开始用 Infura 就够了。等你要做高频查询或大规模分析时，再考虑 Alchemy 或本地节点。
3.6 虚拟环境（强烈推荐）
你想想看，如果每个项目都用全局 Python，包版本冲突是迟早的事。我踩过这个坑——一个项目要 Web3.py 5.x，另一个要 6.x，结果全局装了一个版本，另一个项目直接崩了。
# 创建虚拟环境
python -m venv chain_analysis_env
# 激活（Windows）
chain_analysis_env\Scripts\activate
# 激活（Mac/Linux）
source chain_analysis_env/bin/activate
# 在虚拟环境中安装依赖
pip install web3 jupyter曾经踩过的坑：我试过在虚拟环境外直接装包，结果搞乱了系统 Python。后来每次新项目都新建虚拟环境，再也没出过问题。记住：虚拟环境是你的「隔离沙箱」，用起来。
3.7 快速验证：完整测试脚本
最后，给你一个完整的测试脚本。跑通它，说明你的环境完全就绪。
# test_env.py
from web3 import Web3
# 1. 连接节点
w3 = Web3(Web3.HTTPProvider("https://mainnet.infura.io/v3/YOUR_PROJECT_ID"))
# 2. 检查连接
assert w3.is_connected(), "连接失败"
# 3. 获取基本信息
block = w3.eth.get_block('latest')
print(f"最新区块：{block['number']}")
print(f"区块时间：{block['timestamp']}")
print(f"交易数量：{len(block['transactions'])}")
# 4. 获取 ETH 价格（通过 Uniswap 池子）
# 这里只是示意，实际需要合约 ABI
print("环境搭建完成，可以开始链上分析！")嗯，到这里环境就搭好了。你可能会问：「为什么不用 Anaconda？」其实也可以，但我个人更喜欢轻量级的 pip + 虚拟环境组合，更灵活，也更容易排查问题。