3、开发环境搭建：Python环境配置、虚拟环境创建、核心依赖库安装
好，咱们正式开始动手了。
这一章我带你搭好开发环境。说白了，就是给咱们的实时电力数据可视化系统铺好路。我见过不少新手，一上来就急着写代码，结果环境乱七八糟，最后排查问题花了大半天。嗯，咱们别走那条弯路。
3.1 Python环境配置
先说说Python版本。我个人习惯用Python 3.9或3.10，这两个版本稳定，而且对咱们要用的库支持最好。你问我为什么不用最新的3.12？我在项目中遇到过，有些库还没跟上最新版，装起来各种报错，何必给自己找麻烦呢？
下载安装很简单，去Python官网（python.org）找到对应版本。安装时记得勾选「Add Python to PATH」，这个选项很多人会漏掉。我曾经帮一个同事排查了半天，结果发现就是没勾这个。
装完之后，打开终端验证一下：
python --version
pip --version能看到版本号，说明环境就位了。
3.2 虚拟环境创建
为什么要用虚拟环境？你想想看，你手头可能同时有好几个项目，每个项目依赖的库版本不一样。A项目用Flask 2.0，B项目用Flask 3.0，要是全装到全局，迟早要打架。
我建议用Python自带的venv模块，轻量又好用。操作起来就几步：
# 创建虚拟环境
python -m venv power_env
# 激活虚拟环境
# Windows:
power_env\Scripts\activate
# Mac/Linux:
source power_env/bin/activate激活成功后，终端前面会出现(power_env)字样。看到这个，你就知道现在是在虚拟环境里工作了。
3.3 核心依赖库安装
好，环境搭好了，虚拟环境也激活了。接下来装咱们的核心库。一共四个：Flask、Plotly、Pandas、WebSocket。
直接一条命令搞定：
pip install flask plotly pandas websocket-client等等，我解释一下每个库是干嘛的：
| 库名 | 作用 | 我的经验 |
|---|---|---|
| Flask | Web框架，搭建后端服务 | 轻量灵活，适合中小型项目 |
| Plotly | 交互式图表库，做可视化 | 比Matplotlib好看太多，我一直在用 |
| Pandas | 数据处理，操作表格数据 | 电力数据清洗、聚合全靠它 |
| WebSocket | 实时通信，推送数据 | 实现电力数据的秒级刷新 |
装完之后，验证一下：
pip list你会看到这四个库都在列表里。如果哪个没装上，单独装一下就行。
pip install flask plotly pandas websocket-client -i https://pypi.tuna.tsinghua.edu.cn/simple3.4 验证环境是否可用
光装完还不够，咱们得跑个小例子验证一下。写个简单的Python脚本：
# test_env.py
import flask
import plotly
import pandas
import websocket
print("Flask版本:", flask.__version__)
print("Plotly版本:", plotly.__version__)
print("Pandas版本:", pandas.__version__)
print("WebSocket版本:", websocket.__version__)
print("环境搭建成功！")运行它：
python test_env.py如果看到版本号都打印出来了，恭喜你，环境搭建完成！
nbformat。如果你也用Notebook，建议顺手装上：
pip install nbformat3.5 小结
这一章咱们干了三件事：装了Python、建了虚拟环境、装了四个核心库。看起来简单，但这是整个项目的地基。地基稳了，后面盖楼才踏实。
下一章，咱们就开始写Flask后端了。到时候你会看到，这些库是怎么配合起来，让电力数据在网页上实时跳动的。嗯，想想就有点小激动。