2. 环境搭建与工具准备：Python环境、Dash框架安装、Pandas与Plotly库安装

好，咱们正式开始动手了。

说实话，很多初学者一上来就急着写代码，结果装个库报错半天，心态直接崩了。我当年也踩过这个坑——记得第一次装Dash的时候，因为Python版本不对，折腾了一整个下午。所以这一章，咱们先把地基打牢。

2.1 Python环境：选对版本，少走弯路

我个人习惯用Python 3.8到3.11之间的版本。为什么？因为Dash和Plotly在这些版本上最稳定。你非要用3.12也行，但有些老库可能还没适配。

怎么检查你当前的Python版本？打开终端或命令行，敲一行命令：

python --version

如果显示的是 Python 3.8.x 或更高，那就没问题。如果版本太低，我建议你直接装个新的。

我个人推荐用 Anaconda 来管理Python环境。它自带了很多数据科学库，省得你一个个装。当然，如果你喜欢轻量级，用 venv 或 pipenv 也行。

创建一个新环境，命令如下：

conda create -n dash_env python=3.9
conda activate dash_env

嗯，这里要注意：环境名可以随便起，但最好别用中文，有些工具对中文路径支持不好。

2.2 Dash框架安装：一行命令搞定

Dash是Plotly公司出品的Web框架。说白了，它让你用纯Python写数据仪表盘，不用碰HTML和JavaScript。是不是很爽？

安装Dash非常简单：

pip install dash

如果你用的是Anaconda环境，也可以用：

conda install -c conda-forge dash

我曾经在一个项目里，因为网络问题装了一上午没成功。后来发现是公司内网限制了PyPI源。解决办法是换国内镜像：

pip install dash -i https://pypi.tuna.tsinghua.edu.cn/simple

2.3 Pandas与Plotly库安装：数据处理双雄

这两个库是咱们做货架状态可视化的核心工具。

• Pandas：处理表格数据，比如读取Excel、清洗数据、做统计。
• Plotly：画交互式图表，比如柱状图、折线图、热力图。

安装命令：

pip install pandas plotly

或者一起装：

pip install pandas plotly dash

你想想看，这三个库加起来也就几十MB，但能干的事可不少。我在做仓库管理系统时，就是用Pandas读取货架传感器数据，然后用Plotly画出实时热力图，最后用Dash展示在屏幕上。

2.4 验证安装：跑个Hello World

光装完不测试，等于白装。咱们写个最简单的Dash应用，看看能不能跑起来。

# app.py
import dash
from dash import html

app = dash.Dash(__name__)

app.layout = html.H1("Hello, 货架状态仪表盘！")

if __name__ == '__main__':
    app.run_server(debug=True)

保存文件，然后在终端运行：

python app.py

打开浏览器，访问 http://127.0.0.1:8050。如果看到大大的「Hello, 货架状态仪表盘！」，恭喜你，环境搭建成功了！

2.5 避坑指南：我踩过的三个坑

最后，分享几个我亲身经历过的坑，你遇到了可以少走弯路：

• 坑一： 我曾经在Windows上装Dash，结果报错说缺少C++编译工具。解决办法是装 Microsoft C++ Build Tools，或者直接用Anaconda装。
• 坑二： Pandas读取Excel文件时，如果文件路径包含中文，可能会报编码错误。我后来统一把路径改成英文，或者用 encoding='utf-8' 参数。
• 坑三： Plotly图表在Jupyter Notebook里显示正常，但放到Dash里就空白。原因是Dash需要 dcc.Graph 组件来包裹图表，不能直接输出Plotly的figure对象。

好了，环境搭建就到这里。下一章咱们开始设计货架状态的数据模型，那才是真正有意思的部分。

---

公众号:蓝海资料掘金营，微信deep3321