第2章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、必备库安装

说实话，搞风电数据清洗，第一步不是写代码，而是把环境搭好。我见过太多新手一上来就pip install，结果装到一半报错，心态直接崩了。嗯，咱们稳一点，先把地基打牢。

2.1 为什么选择Anaconda？

你想想看，风电数据清洗要用到pandas、numpy、scikit-learn这些库，一个个手动装，版本冲突能让你怀疑人生。Anaconda说白了就是一个全家桶——它把Python解释器、常用科学计算库、包管理器都打包好了。

我个人习惯用Anaconda，原因有三：

• 环境隔离：每个项目一个独立环境，互不干扰。我在项目中遇到过，两个风电项目用的pandas版本不一样，一个要0.25，一个要1.2，用conda环境轻松搞定。
• 预装常用库：装完就有pandas、numpy、matplotlib，省去大量配置时间。
• Jupyter集成：自带Jupyter Notebook，开箱即用。

2.2 Anaconda安装步骤

安装其实很简单，但有几个坑我得提前说。

1. 下载：去Anaconda官网，选Python 3.9+版本。别下最新的3.12，有些库还没适配。我建议用3.9或3.10，稳得很。
2. 安装：Windows用户记得勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会警告，但勾上省事。Mac和Linux用户直接终端运行bash脚本。
3. 验证：打开终端，输入conda --version，看到版本号就对了。

2.3 Jupyter Notebook配置

Jupyter Notebook是我做风电数据清洗的主力工具。为什么？因为它能边写代码边看结果，特别适合探索性数据分析。

配置步骤：

1. 打开Anaconda Prompt（Windows）或终端（Mac/Linux）
2. 输入jupyter notebook，浏览器会自动打开
3. 如果想改默认目录，执行jupyter notebook --generate-config，然后修改配置文件中的c.NotebookApp.notebook_dir

2.4 必备库安装

风电数据清洗，说白了就靠这几个库吃饭。我按重要性排个序：

库名	用途	安装命令
pandas	数据读取、清洗、转换、合并	conda install pandas
numpy	数值计算、数组操作	conda install numpy
matplotlib	数据可视化、趋势图绘制	conda install matplotlib
scikit-learn	数据预处理、缺失值插补、异常检测	conda install scikit-learn
scipy	信号处理、插值、统计检验	conda install scipy

安装命令很简单，打开终端，一行一行执行就行：

conda install pandas numpy matplotlib scikit-learn scipy

为什么要用conda而不是pip？我在项目中遇到过，pip安装scipy时经常因为缺少Fortran编译器而失败，conda直接下载预编译好的二进制包，省心多了。

2.5 验证环境是否成功

装完别急着关终端，咱们跑个简单脚本验证一下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import preprocessing
from scipy import stats

print("所有库导入成功！")
print(f"pandas版本: {pd.__version__}")
print(f"numpy版本: {np.__version__}")

如果没报错，恭喜你，环境搭好了。如果报错，多半是版本冲突，用conda list看看已安装的包，然后conda update --all更新一下。

2.6 本章知识体系

下面这张图，是我自己画的，把本章的核心逻辑串起来了：

从Anaconda安装开始，到Jupyter配置，再到五个核心库的安装，最后落地到风电数据的实际应用场景。每一步都是环环相扣的，跳不过去。