4、Python环境搭建：Anaconda安装、虚拟环境创建、Jupyter Notebook配置、常用光学库安装
说实话，光学测量数据处理这块，Python环境搭得好不好，直接决定了你后面干活顺不顺手。我见过太多同事，代码写得挺好，结果环境一团糟，最后浪费大量时间在「找包冲突」上。今天我就把这一整套流程掰开揉碎讲清楚。
4.1 为什么非得用Anaconda？
你可能想问：直接装个Python不行吗？嗯，当然可以。但做光学数据处理，你迟早会碰到各种库的版本依赖问题。比如numpy 1.20和1.24在某些函数上行为不一样，scipy的某个模块在新版里被移除了……这些坑我全踩过。
Anaconda的好处在于：它自带了一个包管理器conda，能帮你隔离不同项目的环境。说白了，就是给每个项目一个「独立的小房间」，互不干扰。
核心优势：
- 预装150+科学计算包，省去手动安装的麻烦
- conda能处理二进制依赖，比pip更稳
- 虚拟环境管理，项目间互不污染
4.2 Anaconda安装实战
我个人习惯从清华镜像站下载，速度快很多。去 mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 找到对应系统的安装包。Windows选exe，macOS选pkg，Linux选sh。
安装时注意两点：
- 不要勾选「Add Anaconda to my PATH environment variable」—— 我建议用Anaconda Prompt来操作，避免和系统Python冲突
- 安装路径不要有中文和空格
小技巧：安装完成后，打开终端或Anaconda Prompt，输入 conda --version 验证。如果显示版本号，说明装好了。
4.3 虚拟环境创建——给每个项目一个家
我在项目中遇到过最头疼的事：一个项目需要numpy 1.19，另一个需要1.24，硬装在一起直接崩。虚拟环境就是解决这个问题的。
创建环境很简单：
# 创建一个名为 optics_env 的环境，指定Python版本
conda create -n optics_env python=3.9
# 激活环境
conda activate optics_env
# 退出环境
conda deactivate为什么选Python 3.9？嗯，这是我个人的经验：3.9对大多数光学库兼容性最好，3.10以上有些老库还没适配。你想想看，要是装个库发现不支持当前Python版本，多耽误事。
避坑指南：我曾经在Windows上创建环境时，因为路径里有空格导致conda报错。解决办法：把用户文件夹名改成英文，或者用 conda create --prefix D:\envs\optics_env 指定绝对路径。
4.4 Jupyter Notebook配置
Jupyter Notebook是我做光学数据探索时的首选工具。它能把代码、图表、说明文字放在一起，特别适合边分析边记录。
安装和配置步骤：
# 在 optics_env 环境中安装
conda install jupyter notebook
# 生成配置文件
jupyter notebook --generate-config
# 启动
jupyter notebook启动后浏览器会自动打开，默认端口是8888。我个人习惯修改两个配置：
- 设置密码：
jupyter notebook password，防止别人乱连 - 修改工作目录：在配置文件中找到
c.NotebookApp.notebook_dir，改成你的项目文件夹
为什么用Jupyter？ 做光学测量时，经常需要反复调整参数看效果。比如改个滤波器的截止频率，马上就能看到频谱变化。这种交互式体验，传统IDE给不了。
4.5 常用光学库安装
光学数据处理离不开这几个库。我把它们称为「光学四件套」：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| numpy | 数组运算、矩阵操作 | conda install numpy |
| scipy | 信号处理、傅里叶变换、插值 | conda install scipy |
| matplotlib | 数据可视化、图表绘制 | conda install matplotlib |
| pandas | 数据读取、清洗、结构化存储 | conda install pandas |
安装时有个小细节：用 conda install 而不是 pip install。为什么？因为conda会自动处理底层依赖，比如numpy依赖的BLAS库。用pip的话，有时候装完numpy发现性能不对劲，就是因为底层库没配好。
验证安装是否成功：
# 在Python交互环境或Jupyter中运行
import numpy as np
import scipy
import matplotlib.pyplot as plt
import pandas as pd
print(f"numpy版本: {np.__version__}")
print(f"scipy版本: {scipy.__version__}")
print(f"pandas版本: {pd.__version__}")如果没报错，说明环境搭好了。我记得第一次搭好环境时，看到这四行输出，心里特别踏实——后面就可以专心处理光学数据了。
4.6 知识体系总览
下面这张图，是我自己总结的Python光学环境搭建全流程。你跟着走一遍，基本不会出问题。
我的建议：环境搭好后，把常用的安装命令记在一个文本文件里。下次重装系统或换电脑时，直接复制粘贴，省得再查一遍。
好了，环境搭好，后面就可以正式开始处理光学测量数据了。记住：环境是基础，基础打牢了，后面写代码才顺手。
公众号:蓝海资料掘金营，微信deep3321