2、Python与数据分析环境搭建：Anaconda安装与配置、Jupyter Notebook使用、核心库安装、虚拟环境管理
说实话，很多刚入行的风电运维工程师，一听到「环境搭建」四个字就头大。我当年也一样，觉得装个软件嘛，下一步下一步就完了。结果呢？第一次装完库，跑个简单的风速分析，直接报错——库冲突了。嗯，从那以后，我再也不敢小看这一步。
这一章，咱们就把环境搭建这件事，掰开了揉碎了讲清楚。你跟着我走一遍，后面30章的路就顺了。
2.1 为什么非要用Anaconda？
你可能会问：「我直接装个Python不行吗？」当然行。但你在风电运维现场，面对的可不是一台干净的开发机。你手头可能有Windows笔记本、Linux工控机，甚至Mac。每台机器的Python版本、库的版本都不一样。
Anaconda 说白了就是一个「Python全家桶」。它帮你把Python解释器、常用库、包管理器（conda）都打包好了。我个人的习惯是：不管在哪个项目，第一件事就是装Anaconda。省心。
核心优势：
- 自带 1500+ 科学计算库，省去一个个 pip install 的麻烦
- conda 命令比 pip 更擅长处理底层依赖（比如 NumPy 的 BLAS 库）
- 内置 Jupyter Notebook，写代码和写文档可以同时进行
2.2 Anaconda 安装与配置
安装过程其实很简单，但我有几点要提醒你。
2.2.1 下载与安装
去官网（anaconda.com）下载对应系统的安装包。我建议选 Python 3.9 或 3.10 版本，太新的版本有些风电专用库可能还没适配。
安装时注意两个选项：
- 「Add Anaconda to my PATH environment variable」——我建议勾上。虽然安装提示说不推荐，但你不勾的话，后面在命令行里敲 conda 会找不到命令，还得手动配环境变量，麻烦。
- 「Register Anaconda as my default Python」——勾上。除非你电脑上已经装了其他Python版本。
我曾经踩过的坑： 有一次在工控机上装Anaconda，没勾PATH选项。结果后面用Jupyter时，内核一直找不到Python解释器。折腾了半小时才发现是环境变量没配。所以，嗯，直接勾上吧。
2.2.2 验证安装
打开终端（Windows用CMD或PowerShell，Mac/Linux用Terminal），输入：
conda --version如果看到类似 conda 23.7.4 的输出，说明安装成功。
再输入：
python --version确认Python版本是3.9或3.10。
2.3 Jupyter Notebook：你的交互式工作台
Jupyter Notebook 是我在风电数据分析中最常用的工具。为什么？因为风电数据探索是一个「试错」的过程——你画个图看看趋势，不对，再改改参数，再画。Jupyter 的单元格结构，让你可以一段一段地执行代码，随时看到结果。
2.3.1 启动Jupyter
在终端输入：
jupyter notebook浏览器会自动打开一个页面，地址是 http://localhost:8888。你看到的就是Jupyter的文件管理界面。
2.3.2 基本操作
- 新建笔记本： 点击右上角「New」→「Python 3」
- 单元格类型： 代码单元格（Code）写Python代码；Markdown单元格写说明文字
- 运行单元格： 按
Shift + Enter运行当前单元格并跳到下一个
小技巧： 我习惯在笔记本的第一个单元格里写项目名称和日期，用Markdown格式。这样过了一个月回头看，还能想起来当时在分析哪个风场的数据。
2.4 核心库安装：风电数据分析的「四件套」
做风电数据分析，有四个库你绕不开。我把它们称为「四件套」：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| NumPy | 数值计算、数组操作 | conda install numpy |
| Pandas | 数据清洗、表格处理 | conda install pandas |
| Matplotlib | 数据可视化、画图 | conda install matplotlib |
| Scikit-learn | 机器学习建模 | conda install scikit-learn |
安装命令很简单，在终端里逐条执行就行。我个人建议用 conda install 而不是 pip install，因为conda会自动处理库之间的依赖关系。比如安装Scikit-learn时，它会自动帮你装好NumPy和SciPy的兼容版本。
验证安装： 在Jupyter里新建一个笔记本，依次运行以下代码，没有报错就说明装好了。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import sklearn
print("所有库导入成功！")2.5 虚拟环境管理：避免「库打架」
你想想看，你手头可能有多个项目：一个在用Pandas 1.5做老旧风场的数据清洗，另一个在用Pandas 2.0做新项目的预测模型。如果都装在同一个环境里，迟早会出问题。
虚拟环境就是给每个项目一个独立的「小房间」。每个房间里的库版本互不影响。
2.5.1 创建虚拟环境
conda create -n wind_project python=3.9这条命令创建了一个名为 wind_project 的环境，Python版本指定为3.9。
2.5.2 激活与退出
- 激活：
conda activate wind_project - 退出：
conda deactivate
激活后，你在终端里安装的所有库，都只会装到这个环境里，不影响其他环境。
2.5.3 我的工作流
我一般会为每个风场项目创建一个独立环境。比如：
wind_farm_A—— 用于A风场的SCADA数据分析wind_farm_B—— 用于B风场的振动信号处理wind_ml_lab—— 用于算法实验，装最新版的库
注意： 虚拟环境的名字不要用中文，也不要用空格。我曾经用「风场项目」做环境名，结果conda报错说编码不支持。老老实实用英文加下划线吧。
2.6 本章知识体系
下面这张图，帮你把本章的核心逻辑串起来。你一看就明白：环境搭建不是孤立的一步，而是后续所有分析工作的地基。
你看，整个体系其实就四个模块。Anaconda是底座，Jupyter是工作台，核心库是工具，虚拟环境是隔离墙。把这四个搞定了，后面所有的数据分析、可视化、机器学习，你都能稳稳地跑起来。
好了，环境搭建就讲到这里。你跟着操作一遍，应该半小时内就能搞定。如果遇到报错，别慌——大概率是网络问题或者版本冲突。试试用 conda update conda 先更新一下conda本身，再重新安装。
下一章，咱们就开始真正接触风电数据了。你会看到，SCADA系统导出的那些密密麻麻的数字，其实藏着很多有趣的故事。