第1章：Python环境搭建——从零开始武装你的开发环境

说实话，每次带新人入门，我最怕的就是环境配置这一步。明明代码逻辑都懂，结果卡在装包上，一卡就是半天。我自己当年也踩过不少坑，所以这一章，咱们把环境搭建这件事彻底讲透。

1.1 为什么选择Anaconda？

做心电信号处理，你离不开NumPy、SciPy这些科学计算库。如果一个个手动装，依赖关系能让你崩溃。我刚开始用Python做信号分析时，就吃过这个亏——装一个包，报一堆错，最后发现是Python版本不对。

Anaconda的好处在于：

• 全家桶式安装——一次装好，NumPy、SciPy、Matplotlib全都有
• 环境隔离——不同项目用不同Python版本，互不干扰
• 包管理省心——conda命令比pip更智能，自动处理依赖

1.2 Anaconda安装实战

下载地址我就不贴了，直接去官网（anaconda.com）找对应系统的安装包。这里说几个关键点：

1. 选Python 3.9+版本——太老的版本对心电信号处理库支持不好
2. 安装路径不要有中文——嗯，这个坑我踩过，有些库对中文路径不兼容
3. 勾选"Add Anaconda to PATH"——省得后面还要手动配环境变量

安装完成后，打开终端（Windows用Anaconda Prompt），输入：

conda --version

如果看到版本号，恭喜你，第一步走通了。

1.3 虚拟环境配置——每个项目一个独立空间

为什么要用虚拟环境？说白了，就是防止项目之间打架。比如项目A需要NumPy 1.20，项目B需要NumPy 1.24，没有虚拟环境的话，你只能二选一。

我个人习惯这样创建环境：

# 创建环境，指定Python版本
conda create -n ecg_env python=3.9

# 激活环境
conda activate ecg_env

# 退出环境
conda deactivate

环境名字我一般用项目相关的，比如ecg_env、signal_proc，这样一看就知道是干什么的。

1.4 安装核心库——NumPy、SciPy、Matplotlib

激活环境后，开始安装我们做心电信号处理的核心工具：

# 安装NumPy——数组运算的基础
conda install numpy

# 安装SciPy——信号处理的核心
conda install scipy

# 安装Matplotlib——绘图必备
conda install matplotlib

验证安装是否成功：

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

如果都打印出版本号，说明安装成功了。

库名	版本要求	作用
NumPy	≥1.21	数组运算、矩阵操作
SciPy	≥1.7	信号滤波、傅里叶变换
Matplotlib	≥3.5	波形绘制、可视化

1.5 PyQtGraph——高性能实时绘图库

做心电波形实时显示，Matplotlib其实有点吃力。它每刷新一次都要重新渲染整个图，帧率上不去。这时候就需要PyQtGraph了——它基于Qt，用OpenGL加速，刷新速度能到60帧以上。

安装命令：

conda install pyqtgraph

或者用pip：

pip install pyqtgraph

1.6 环境导出与复现——团队协作的必备技能

环境配好了，怎么分享给队友？用conda的导出功能：

# 导出当前环境的所有包信息
conda env export > environment.yml

# 别人拿到这个文件后，一键重建环境
conda env create -f environment.yml

这样就能保证所有人的开发环境完全一致，避免"我这边能跑，你那边报错"的尴尬。

1.7 常见问题与避坑指南

最后分享几个我实际遇到过的问题：

• 安装速度慢——换国内镜像源，比如清华源、中科大源，速度能快10倍
• 包版本冲突——用conda install而不是pip install，conda会自动解决依赖
• 环境激活失败——检查终端是不是用的管理员模式，Windows下有时需要以管理员身份运行

好了，环境搭建就到这里。下一章我们开始真正接触心电信号数据，看看这些数据长什么样，怎么用Python读取和展示。准备好了吗？