3、Python环境搭建与虚拟环境：Anaconda安装、创建虚拟环境、管理依赖包（requirements.txt）
好，咱们正式开始动手了。
做电池化成数据采集与分析，Python 是绕不开的工具。但说实话，我见过太多新手一上来就把 Python 装得乱七八糟，最后项目还没跑起来，环境先崩了。嗯，这节咱们就把环境搭稳，后面才能安心写代码。
3.1 为什么非要用 Anaconda？
你可能会问：「我直接装个 Python 不行吗？」
行，但你会后悔的。
做电池数据分析，我们经常要同时处理多个项目。比如一个项目用 Python 3.8 + pandas 1.2，另一个项目用 Python 3.10 + pandas 2.0。如果全装在一个环境里，依赖冲突会让你崩溃。我在项目中就遇到过，一个库升级后，另一个库直接罢工，排查了整整一下午。
Anaconda 的核心价值在于：环境隔离。每个项目有自己的小天地，互不干扰。
一句话总结：Anaconda = Python + 常用科学计算库 + 虚拟环境管理工具。
3.2 安装 Anaconda（Windows 为例）
步骤其实很简单，但有几个坑我得提前说。
- 去官网下载：https://www.anaconda.com/products/individual
- 选对版本：建议下载 Python 3.9 或 3.10 对应的 Anaconda 版本。别追最新，稳定第一。
- 安装时注意：
⚠️ 重要提醒：安装到「Advanced Options」这一步时，不要勾选「Add Anaconda to my PATH environment variable」。这个选项容易和系统已有的 Python 冲突。我们后面用 Anaconda Prompt 来操作。
安装完成后，在开始菜单找到「Anaconda Prompt」，打开它。你会看到一个命令行窗口，这就是我们的大本营。
3.3 创建虚拟环境
我个人习惯，每个项目都建一个独立环境。名字起得有意义一点，别用「test」「test1」这种，过两周你自己都忘了是干嘛的。
# 创建一个名为 battery_env 的环境，指定 Python 版本为 3.9
conda create -n battery_env python=3.9
# 创建过程中会提示是否安装依赖包，输入 y 确认
创建成功后，激活这个环境：
# Windows
conda activate battery_env
# macOS / Linux
source activate battery_env
激活后，命令行前面会出现 (battery_env) 字样，说明你现在就在这个虚拟环境里了。嗯，这时候你安装的所有包，都只在这个环境里生效。
💡 小技巧：查看当前有哪些环境，用 conda env list。带 * 号的就是当前激活的环境。
3.4 安装依赖包
电池化成数据分析，常用的库就那么几个。我列个清单，你照着装就行。
| 包名 | 用途 | 安装命令 |
|---|---|---|
| pandas | 数据处理，读取 CSV/Excel | conda install pandas |
| numpy | 数值计算 | conda install numpy |
| matplotlib | 数据可视化，画充放电曲线 | conda install matplotlib |
| scipy | 科学计算，拟合曲线 | conda install scipy |
| jupyter | 交互式编程环境 | conda install jupyter |
| openpyxl | 读写 Excel 文件 | conda install openpyxl |
你可以一次性安装：
conda install pandas numpy matplotlib scipy jupyter openpyxl
等进度条跑完，环境就准备好了。我曾经有一次装到一半网络断了，结果环境半残不残。所以建议你网络稳定的时候操作，或者用国内镜像源加速。
3.5 管理依赖包：requirements.txt
这是团队协作的必备技能。你想想看，你把代码发给同事，他总不能一个一个包去装吧？
用 requirements.txt 一键搞定。
3.5.1 导出当前环境的依赖
# 在激活的虚拟环境中执行
pip freeze > requirements.txt
打开生成的 requirements.txt，你会看到类似这样的内容：
numpy==1.24.3
pandas==2.0.3
matplotlib==3.7.1
scipy==1.10.1
jupyter==1.0.0
openpyxl==3.1.2
每个包名后面跟着版本号，这样就能保证别人安装的版本和你完全一致。
注意：我建议用 pip freeze 而不是 conda list --export。因为 pip freeze 生成的格式更通用，团队里不管用 conda 还是 pip 都能用。
3.5.2 从 requirements.txt 安装依赖
别人拿到你的代码后，只需要：
# 先创建并激活虚拟环境
conda create -n battery_env python=3.9
conda activate battery_env
# 一键安装所有依赖
pip install -r requirements.txt
搞定。所有包自动装好，版本也锁死。我曾经因为版本不一致，在同事电脑上跑出来的数据曲线跟我这边完全不一样，排查了半天才发现是 pandas 版本差异导致的。从那以后，我每个项目必带 requirements.txt。
3.6 避坑指南
⚠️ 我曾经踩过的坑：
- 不要在 base 环境里装太多包：base 环境是 Anaconda 自带的，尽量保持干净。每个项目用独立环境。
- 安装包时注意网络：如果下载慢，可以配置国内镜像源（清华、中科大）。配置方法很简单，网上搜一下就有。
- 删除环境要小心：
conda remove -n battery_env --all会彻底删除环境，不可恢复。确认无误再操作。
3.7 验证环境是否正常
装完之后，咱们跑个小脚本验证一下。在命令行输入 python 进入交互模式，然后：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成一组模拟的电池电压数据
time = np.arange(0, 10, 0.1)
voltage = 3.7 + 0.1 * np.sin(time)
plt.plot(time, voltage)
plt.xlabel('时间 (h)')
plt.ylabel('电压 (V)')
plt.title('电池电压模拟曲线')
plt.show()
如果弹出一个窗口，画出了一条正弦波，恭喜你，环境搭建成功！
💡 我的习惯：每次新建环境后，我都会跑一遍这个脚本。不是为了看曲线，而是确认所有核心库都能正常导入。省得写到一半才发现某个包没装上。
好了，环境搭好了，后面咱们就可以安心处理电池化成数据了。下一节，我会带你用 Python 读取真实的化成数据文件，咱们开始实战。