第二章：Python基础与开发环境搭建
说实话，很多做风电投资的朋友一听到「编程」两个字就头大。我完全理解。当年我刚入行时也觉得，搞搞Excel不就够了？直到有一次，我需要处理一个风电场十年的测风数据——整整87600行记录，用Excel打开直接卡死。那天晚上我边等Excel恢复边想：不行，得换个路子。
后来我选了Python。为什么？因为它在数据分析和工程计算领域太强了。而且，对于咱们风电投资来说，你不需要成为程序员，你只需要会用工具。这一章，我就带你搭好这个工具。
2.1 为什么是Python？
你可能要问：那么多编程语言，为什么偏偏是Python？
我个人的体会是三点：
- 上手快——语法接近自然语言，没那么多弯弯绕绕
- 生态好——做风电分析需要的库，几乎都有现成的
- 社区强——遇到问题，搜一下基本都有答案
我在做风资源评估时，经常需要处理几十个测风塔的数据。用Python写个脚本，几分钟就跑完了。换成Excel？嗯，我试过，折腾一下午还容易出错。
核心观点：Python不是用来替代你的专业判断的，它是帮你从重复劳动中解放出来的工具。把时间花在分析上，而不是数据搬运上。
2.2 Anaconda安装——一步到位
我个人习惯用Anaconda来管理Python环境。为什么？因为它把Python解释器、常用库、还有Jupyter Notebook都打包好了。你装一个，就全有了。
安装步骤其实很简单：
- 去Anaconda官网下载对应操作系统的安装包
- 双击安装，一路默认就行
- 有个选项问「是否添加到PATH」，我建议勾上
注意：我曾经遇到过一位同事，安装时没勾选「添加到PATH」，结果后面每次用命令行都要找半天路径。虽然也能用，但太折腾了。所以，这一步别省。
装完之后，怎么验证？打开命令行（Windows是cmd，Mac是终端），输入：
conda --version如果能看到版本号，比如 conda 23.7.4，那就说明装好了。
小技巧：如果你在公司内网，下载速度慢，可以换成清华镜像源。命令是：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
2.3 Jupyter Notebook配置
Jupyter Notebook是我最常用的工具。它就像一个「活页笔记本」，你可以把代码、图表、文字说明都写在一起。做风电投资分析时，我经常用它来写报告——代码跑完，结果直接展示，领导看了都说好。
启动方式：
打开命令行，输入：
jupyter notebook浏览器会自动打开一个页面。点击右上角的「New」→「Python 3」，就新建了一个笔记本。
我第一次用的时候，觉得这玩意儿太神奇了。你想想看，以前做分析，代码在IDE里，图表在Excel里，报告在Word里。现在全在一个地方，多清爽。
我的习惯：每个风电项目建一个单独的文件夹，里面放一个Jupyter Notebook文件。所有分析过程、中间结果、最终结论，都写在一起。这样复盘时特别方便。
2.4 Python基础语法速览
好了，环境搭好了，咱们快速过一遍Python的基础语法。别怕，真的不难。
2.4.1 变量与数据类型
Python里，变量不需要声明类型。直接赋值就行：
# 数值
风速 = 8.5 # 单位：m/s
发电量 = 1200 # 单位：kWh
# 字符串
项目名称 = "山东某风电场"
# 列表——可以存多个值
测风塔数据 = [6.2, 7.1, 8.3, 5.9, 7.8]
# 字典——键值对
项目信息 = {"名称": "山东某风电场", "容量": 50, "风速": 8.5}你看，是不是很直观？我在项目中经常用字典来存风电场的基本参数，用列表存时序数据。这样后面处理起来特别顺手。
2.4.2 条件判断
做投资决策时，经常需要根据条件做判断。比如：
风速 = 8.5
if 风速 >= 7:
print("风速条件满足，建议进一步评估")
else:
print("风速偏低，需谨慎投资")输出结果：风速条件满足，建议进一步评估
这个逻辑很简单，对吧？你想想看，如果风速低于7m/s，项目的经济性通常就不太行了。这个判断逻辑，用Python写出来，一目了然。
2.4.3 循环
处理批量数据时，循环就派上用场了。比如，你有多个测风塔的数据：
测风塔风速 = [6.2, 7.1, 8.3, 5.9, 7.8]
for 风速 in 测风塔风速:
if 风速 >= 7:
print(f"该测风塔风速{风速}m/s，合格")
else:
print(f"该测风塔风速{风速}m/s，不合格")输出结果：
该测风塔风速6.2m/s，不合格
该测风塔风速7.1m/s，合格
该测风塔风速8.3m/s，合格
该测风塔风速5.9m/s，不合格
该测风塔风速7.8m/s，合格你看，几行代码就把所有测风塔的数据筛了一遍。要是用手工做，得花多少时间？
2.4.4 函数
函数就是把一段逻辑封装起来，方便重复使用。比如，计算风功率密度：
def 计算风功率密度(风速, 空气密度=1.225):
"""
计算风功率密度
风速单位：m/s
空气密度单位：kg/m³
"""
风功率密度 = 0.5 * 空气密度 * 风速 ** 3
return 风功率密度
# 调用函数
结果 = 计算风功率密度(8.5)
print(f"风功率密度为：{结果:.2f} W/m²")输出结果：风功率密度为：376.28 W/m²
这个函数，我在做风资源评估时几乎天天用。你把它写好，后面直接调用就行，不用每次都重新写公式。
避坑指南：我曾经在写函数时，忘了加 return 语句。结果调用函数后，返回的是 None。排查了半天才发现。所以，写函数时一定要记得加 return。
2.5 本章知识体系
为了让你更直观地理解本章的内容结构，我画了一张图：
这张图把本章的核心内容串起来了。你跟着这个脉络走，就不会乱。
2.6 写在最后
嗯，这一章的内容就到这里。说实话，环境搭建这一步，很多人觉得枯燥，但它就像盖房子的地基。地基打好了，后面才能盖高楼。
我建议你花一个下午的时间，把Anaconda装好，把Jupyter Notebook跑起来，再把上面的代码示例敲一遍。别复制粘贴，亲手敲一遍，感觉完全不一样。
等你把这些都搞定了，下一章我们就可以开始真正做风电投资分析了。到时候，你会发现自己打开了一扇新的大门。