第3章 Python环境搭建

第3章：Python环境搭建——Anaconda安装、Jupyter Notebook配置、必备库安装

说实话，很多初学者一上来就急着写代码，结果卡在环境配置上。我见过太多人因为库版本冲突、路径不对，折腾一整天还没跑通第一个程序。所以这一章，咱们把地基打牢。

Python环境搭建，说白了就是给你的电脑装上「翻译官」和「工具箱」。翻译官负责把代码转成机器能懂的语言，工具箱里装着各种现成的函数库，让你不用重复造轮子。

3.1 为什么选择Anaconda？

你可能听说过「Python环境」这个词。说白了，就是一套完整的Python运行体系。Anaconda是什么？它是一个打包好的Python发行版，自带200多个常用库，还附带了包管理工具conda。

我个人习惯用Anaconda，原因很简单：省心。你想想看，如果手动装Python，再一个个装库，光是解决依赖冲突就能让你怀疑人生。Anaconda把这些都帮你处理好了。

  核心优势：
  自带Python解释器 + 200+常用库
conda包管理器，解决依赖冲突
支持创建虚拟环境，项目隔离
跨平台支持（Windows/Mac/Linux）

3.2 Anaconda安装实战

安装过程其实很简单，但有几个坑我得提前告诉你。

3.2.1 下载与安装

访问Anaconda官网（anaconda.com），下载对应系统的安装包
双击安装，一路Next
关键步骤：安装到第5步时，勾选「Add Anaconda to my PATH environment variable」

⚠️ 我曾经踩过的坑：第一次装Anaconda时没勾选PATH选项，结果在命令行里死活找不到conda命令。后来手动配环境变量折腾了半小时。所以，一定要勾上！

3.2.2 验证安装

打开命令行（Windows用cmd或PowerShell，Mac/Linux用终端），输入：

conda --version
python --version

如果看到版本号输出，说明安装成功。我习惯再跑一个测试：

python -c "import numpy; print('NumPy版本:', numpy.__version__)"

嗯，这里要注意，如果报错说找不到numpy，别慌。可能是默认环境没装全，我们后面会统一安装。

3.3 Jupyter Notebook配置

Jupyter Notebook是什么？它是一个交互式编程环境，特别适合做数据分析、仿真验证。你可以边写代码边看结果，还能加注释、画图，简直是为运动控制仿真量身定做的。

3.3.1 启动Jupyter

在命令行输入：

jupyter notebook

浏览器会自动打开一个页面，默认地址是 http://localhost:8888。如果没自动打开，手动复制这个地址到浏览器也行。

💡 小技巧：我习惯在项目文件夹里启动Jupyter。先cd到目标目录，再运行jupyter notebook，这样文件管理更方便。

3.3.2 常用快捷键

快捷键	功能
Shift + Enter	运行当前单元格，并选中下一个
Ctrl + Enter	运行当前单元格
Esc + A	在上方插入新单元格
Esc + B	在下方插入新单元格
Esc + M	切换为Markdown模式
Esc + Y	切换为代码模式

这些快捷键我用了好几年，闭着眼睛都能按。你刚开始可能记不住，没关系，多用几次就熟了。

3.4 必备库安装

做运动控制仿真，有四个库是绕不开的。我按安装顺序列出来：

3.4.1 NumPy——数值计算基础

NumPy提供了多维数组对象和大量数学函数。说白了，它就是Python的「计算引擎」。

conda install numpy

验证安装：

python -c "import numpy as np; a = np.array([1,2,3]); print(a)"

3.4.2 SciPy——科学计算扩展

SciPy建立在NumPy之上，提供了优化、插值、信号处理等功能。做运动控制仿真时，经常用它来求解微分方程。

conda install scipy

3.4.3 Matplotlib——数据可视化

仿真结果总要画出来看吧？Matplotlib就是干这个的。它能画出专业级别的曲线图、散点图、3D图。

conda install matplotlib

3.4.4 Pandas——数据处理

Pandas擅长处理表格数据。仿真过程中产生的日志、传感器数据，用Pandas处理起来特别顺手。

conda install pandas

一键安装所有库：

conda install numpy scipy matplotlib pandas

这样写，conda会自动处理依赖关系，一次性装完。

3.5 环境验证

装完之后，我建议你跑一个完整的测试脚本，确保所有库都能正常工作：

import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
import pandas as pd

print("NumPy版本:", np.__version__)
print("SciPy版本:", sp.__version__)
print("Matplotlib版本:", plt.matplotlib.__version__)
print("Pandas版本:", pd.__version__)

# 简单测试：生成正弦波并绘图
t = np.linspace(0, 1, 100)
y = np.sin(2 * np.pi * 5 * t)
plt.plot(t, y)
plt.title("测试：5Hz正弦波")
plt.show()

如果能看到一个正弦波曲线图，恭喜你，环境搭建成功了！

💡 我的经验：每次开始新项目前，我都会跑一遍这个测试脚本。看似多余，但能避免「装了半天库，结果发现某个库没装上」的尴尬。

3.6 常见问题与解决

问题：conda命令找不到
解决：检查环境变量，确保Anaconda的Scripts目录在PATH中
问题：安装库时提示「HTTP错误」
解决：换国内镜像源，比如清华源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
问题：Jupyter打不开
解决：检查防火墙设置，或者尝试用 jupyter notebook --no-browser 启动

嗯，环境搭建这部分就到这里。别看步骤多，其实熟练了5分钟就能搞定。下一章我们就要开始真正的运动控制仿真了，到时候这些工具都会派上用场。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录