第1章：Python环境搭建

各位同学好，我是你们这门课的老李。在纺织行业摸爬滚打了十几年，从最早的机械提花机到现在的电子提花，我算是亲眼见证了这场技术变革。

今天咱们要做的第一件事，就是搭好Python的开发环境。别小看这一步，我见过太多人因为环境问题卡在第一个程序上，一卡就是半天。说白了，磨刀不误砍柴工。

1.1 为什么选Python？

你可能要问：做提花编程，用C++或者Java不行吗？当然行。但我个人习惯用Python，原因有三：

• 上手快——语法简单，写起来像在写伪代码
• 库多——处理图像有Pillow，算矩阵有NumPy，画图有Matplotlib
• 调试方便——交互式环境，改一行就能看到效果

我在项目里遇到过用C++写提花图案解析的团队，改一次图案要重新编译半小时。换成Python后，改完直接跑，效率翻了好几倍。

1.2 安装Anaconda

Anaconda是什么？说白了就是一个Python的「全家桶」。它帮你装好了Python解释器、包管理器conda，还有一大堆常用库。

下载地址：https://www.anaconda.com/products/individual

选对应你系统的版本就行。Windows用户选64位图形安装包，Mac用户选pkg格式。

安装时注意两点：

• 勾选「Add Anaconda to my PATH environment variable」——这样你才能在命令行里直接用conda命令
• 安装路径不要有中文和空格——我见过有人装在「Program Files (x86)」下面，后面各种报错

1.3 配置虚拟环境

为什么要用虚拟环境？你想想看，不同的项目可能需要不同版本的库。比如项目A用NumPy 1.19，项目B用NumPy 1.24。如果全装在一个环境里，迟早会打架。

虚拟环境就是给每个项目一个独立的「小房间」，互不干扰。

打开终端（Windows用户打开Anaconda Prompt），执行以下命令：

# 创建一个名为 jacquard_env 的虚拟环境，Python版本指定为3.9
conda create -n jacquard_env python=3.9

# 激活环境
conda activate jacquard_env

# 退出环境
conda deactivate

激活后，你会看到命令行前面多了 (jacquard_env) 字样。这说明你现在就在虚拟环境里了。

1.4 安装必要的库

好，环境有了，接下来装三个核心库：

库名	用途	安装命令
Pillow	图像处理（打开、修改、保存提花图案）	conda install pillow
NumPy	数值计算（处理提花矩阵数据）	conda install numpy
Matplotlib	数据可视化（显示图案、绘制曲线）	conda install matplotlib

在激活的虚拟环境里，依次执行：

conda install pillow numpy matplotlib

等进度条跑完，就装好了。你可以验证一下：

python -c "import PIL; print(PIL.__version__)"
python -c "import numpy; print(numpy.__version__)"
python -c "import matplotlib; print(matplotlib.__version__)"

如果没报错，说明安装成功。

1.5 本章知识体系

下面这张图帮你理清今天的内容：

1.6 验证环境

最后，咱们写个小程序测试一下。新建一个文件 test_env.py，输入以下代码：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

# 创建一个100x100的红色图像
img = Image.new('RGB', (100, 100), 'red')
print("Pillow 工作正常")

# 创建一个3x3的矩阵
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("NumPy 工作正常")
print(arr)

# 显示图像
plt.imshow(img)
plt.title("测试图像")
plt.show()

运行：

python test_env.py

如果弹出一个红色方块，并且控制台打印了矩阵，恭喜你——环境搭建成功！

---