3、Python与虚拟环境：Python 3.10安装、Miniconda安装与配置、创建独立虚拟环境、环境导出与复制

说实话，做风电AI工具链这件事，第一步往往不是写代码，而是把环境搭好。我见过太多项目，算法写得漂漂亮亮，结果一部署就崩——十有八九是环境问题。Python版本不对、依赖包冲突、系统库缺失……这些坑，我几乎都踩过一遍。

所以这一章，咱们老老实实把地基打牢。我会带着你从Python 3.10安装开始，一步步把Miniconda配好，再创建独立的虚拟环境。最后，我还会教你如何把环境导出、复制到别的机器上。嗯，这些操作看起来简单，但细节不少。

核心目标： 搭建一个干净、可复现的Python开发环境，为后续的风电AI工具链安装铺平道路。

3.1 Python 3.10 安装

为什么选Python 3.10？我个人习惯用较新的稳定版本。3.10引入了不少好用的语法特性，比如结构模式匹配（match-case），而且大部分风电相关的库（比如numpy、pandas、scikit-learn）都已经完美支持。你想想看，如果选一个太老的版本，后面装新库时各种报错，多闹心。

Windows 安装步骤：

  1. 去Python官网下载3.10.x版本的安装包（注意选Windows installer）。
  2. 双击运行，一定要勾选「Add Python to PATH」。这一步我吃过亏，不勾选的话，后面在命令行里敲python会提示找不到命令。
  3. 选择「Customize installation」，确保pip被勾选上。
  4. 一路Next，安装完成。

Linux / macOS 安装步骤：

Linux用户可以用包管理器，比如Ubuntu上：

sudo apt update
sudo apt install python3.10 python3.10-venv python3.10-dev

macOS用户我建议用Homebrew：

brew install python@3.10

小提示： 安装完成后，在终端输入 python3.10 --version 验证一下。如果显示 Python 3.10.x，就说明装好了。

3.2 Miniconda 安装与配置

Python自带的虚拟环境工具（venv）其实够用，但为什么我还要推荐Miniconda？说白了，Conda在管理非Python依赖（比如C库、CUDA驱动）方面强太多了。做风电AI，经常要跟底层计算库打交道，Conda能帮你省掉很多编译的麻烦。

下载与安装：

  1. 去Miniconda官网下载对应操作系统的安装包（我建议选Python 3.10版本的那个）。
  2. Windows用户双击exe，一路默认即可。注意安装路径不要有中文或空格。
  3. Linux/macOS用户，在终端里运行：
bash Miniconda3-latest-Linux-x86_64.sh

然后按提示操作，最后问你是否要初始化Conda，选yes。

配置国内镜像源（可选但强烈推荐）：

我在国内项目上遇到过下载慢到崩溃的情况。后来改用清华镜像，速度快多了。配置方法如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

注意： 安装完成后，记得重启终端，或者执行 source ~/.bashrc（Linux/macOS）让环境变量生效。Windows用户直接关掉命令行再开一个就行。

3.3 创建独立虚拟环境

为什么要搞虚拟环境？我举个例子。你手头有两个风电项目，一个用TensorFlow 1.x，一个用PyTorch 2.x。如果装在同一套Python里，依赖包会打得你死我活。虚拟环境就是给每个项目一个独立的「小房间」，互不干扰。

创建环境：

conda create -n wind_ai python=3.10

这里 wind_ai 是环境名称，你可以自己起。我习惯用项目名或缩写，比如 wind_power、turbine_ai。

激活环境：

conda activate wind_ai

激活后，你会发现终端前面多了 (wind_ai) 字样。这说明你现在就在这个虚拟环境里了。所有用pip或conda安装的包，都会装到这个环境里，不会污染全局。

安装常用包：

环境建好了，先装几个基础库。我一般会装这些：

conda install numpy pandas matplotlib scikit-learn jupyter
pip install openpyxl  # 处理Excel文件，风电数据经常用

避坑指南： 我曾经在激活环境后，忘了自己还在虚拟环境里，直接 pip install 装了个全局包。结果项目跑起来报错，查了半天才发现是版本冲突。所以，养成好习惯——装包前看一眼终端前缀，确认是在正确的环境里。

3.4 环境导出与复制

环境搭好了，怎么分享给同事？或者换台电脑怎么快速恢复？这就需要导出环境配置了。

导出环境为YAML文件：

conda env export > environment.yaml

这个文件会记录当前环境里所有包的名称和版本号，包括通过pip安装的。你打开看看，内容大概长这样：

name: wind_ai
channels:
  - defaults
dependencies:
  - python=3.10
  - numpy=1.24.3
  - pandas=2.0.1
  - pip
  - pip:
    - openpyxl==3.1.2

从YAML文件重建环境：

把 environment.yaml 发给同事，或者拷到新机器上，然后执行：

conda env create -f environment.yaml

几分钟后，一模一样的虚拟环境就建好了。是不是很方便？

重要提醒： 导出的YAML文件里会包含一些系统相关的依赖（比如 libgcc），跨平台（比如从Windows导到Linux）时可能会报错。我建议你手动精简一下，只保留核心的Python包。或者用 conda env export --from-history，这个命令只导出你手动安装的包，更干净。

3.5 本章知识体系

下面这张图，帮你把这一章的核心逻辑串起来。从Python安装开始，到Miniconda配置，再到虚拟环境的创建、导出与复制，每一步都是环环相扣的。

Python与虚拟环境：知识体系 Python 3.10 安装 基础运行时环境 Miniconda 安装 包管理与环境管理 创建独立虚拟环境 conda create -n wind_ai python=3.10 环境导出与复制 conda env export → environment.yaml → conda env create 核心原则：隔离、可复现、跨平台迁移

嗯，这一章的内容就到这里。环境搭好了，后面装什么工具链都不怕。记住，好的开始是成功的一半——这句话在AI工程里尤其适用。

专注资料整理
← 上一章 📖 返回目录 下一章 →