第1章项目全景与开发环境搭建

1、项目全景与开发环境搭建：了解空气质量项目整体架构，安装Python、Pycharm及必要的第三方库

各位同学，欢迎来到《空气质量数据可视化与云端上报实战》的第一课。

说实话，每次带新人做项目，我最怕的就是一上来就写代码。很多人连项目要干什么都没想清楚，就急着敲键盘。结果呢？写到一半发现架构不对，推倒重来。这种事我见过太多次了。

所以这一章，咱们先把「地图」看清楚，再把「工具箱」备齐。磨刀不误砍柴工，这话一点不假。

1.1 项目全景：我们要做什么？

先说说这个项目的来龙去脉。

几年前我接了一个智慧城市的项目，需要在社区部署几十个空气质量监测点。数据采集上来之后，领导要看可视化大屏，运维要能远程监控。当时我就想，如果能有一套从采集到展示的完整方案，那该多省事。

这个课程，其实就是把那个项目的核心流程提炼出来，做成一个你可以直接上手练的实战案例。

整个项目分为三大块：

数据采集层：模拟或真实获取空气质量数据（PM2.5、PM10、CO₂、温度、湿度等）。
数据处理层：用Python清洗、整理、分析这些数据。
可视化与上报层：把数据画成图表，再上传到云端平台。

说白了，就是一条流水线：原始数据 → 清洗加工 → 展示上报。

项目核心流程：

传感器采集 → 数据存储（CSV/Excel） → Pandas处理 → Matplotlib绘图 → 云端上报

你可能会问：「为什么不用现成的物联网平台？」

嗯，这个问题问得好。现成平台确实方便，但你想过没有——如果有一天平台收费了、接口变了，你怎么办？自己掌握核心代码，才是真正的底气。我在项目中吃过这个亏，所以现在坚持「核心逻辑自己写，外围工具随便换」的原则。

1.2 开发环境：Python + PyCharm

工欲善其事，必先利其器。咱们先把开发环境搭好。

1.2.1 安装Python

我个人习惯用Python 3.8以上版本。为什么？因为3.8之后的一些语法特性，写起来真的很爽。比如海象运算符 :=，我在处理数据流时经常用到。

安装步骤：

打开Python官网（python.org），下载对应操作系统的安装包。
安装时务必勾选「Add Python to PATH」。这一步很多人会忘，结果命令行里打不出python命令。
安装完成后，打开终端（CMD或PowerShell），输入 python --version 验证。

⚠️ 避坑指南：我曾经遇到过一台电脑上装了多个Python版本，结果pip安装的库不知道装到哪个版本里去了。建议你只保留一个Python版本，或者用虚拟环境隔离。后面我们会讲到虚拟环境的使用。

1.2.2 安装PyCharm

编辑器这块，我推荐PyCharm Community版（免费）。当然你用VS Code也行，但PyCharm对Python项目的管理更顺手，尤其是调试功能。

安装要点：

下载地址：jetbrains.com/pycharm/download
选择Community版即可，Professional版的功能你用不上。
安装时建议勾选「Create Desktop Shortcut」和「Add to PATH」。

第一次打开PyCharm，它会让你选择主题。我个人喜欢暗色主题（Darcula），长时间盯着屏幕眼睛没那么累。这个看个人喜好，不影响功能。

1.3 第三方库：requests、pandas、matplotlib

Python之所以强大，很大程度上是因为它有海量的第三方库。咱们这个项目，核心就三个库：

库名	作用	我为什么选它
requests	发送HTTP请求，与云端API通信	简单直观，不用自己拼HTTP报文
pandas	数据处理与分析	处理表格数据就像操作Excel一样方便
matplotlib	数据可视化，生成图表	最成熟的Python绘图库，文档丰富

1.3.1 安装命令

打开PyCharm的终端（Terminal），或者直接用系统命令行，输入以下命令：

pip install requests pandas matplotlib

如果你用的是Python 3.4以上版本，pip应该已经自带了。如果提示「pip不是内部命令」，说明你安装Python时没勾选「Add to PATH」。回去重装一下就好。

💡 小技巧：在国内下载Python库可能会很慢。你可以换成国内镜像源，比如清华的镜像：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests pandas matplotlib

速度能快10倍以上。我每次在新环境装库，第一件事就是换源。

1.3.2 验证安装

安装完成后，在PyCharm里新建一个Python文件，输入以下代码：

import requests
import pandas as pd
import matplotlib.pyplot as plt

print("requests版本:", requests.__version__)
print("pandas版本:", pd.__version__)
print("matplotlib版本:", plt.__version__)
print("🎉 环境搭建成功！")

运行后如果能正常输出版本号，恭喜你，环境已经搭好了。

1.4 第一个小实验：测试数据流

环境搭好了，咱们来个小实验热热身。别紧张，就几行代码。

这个实验模拟从「采集数据」到「简单展示」的完整流程。你想想看，如果连这个都能跑通，那后面的大项目还怕什么？

import pandas as pd
import matplotlib.pyplot as plt

# 模拟空气质量数据
data = {
    '时间': ['08:00', '09:00', '10:00', '11:00', '12:00'],
    'PM2.5': [35, 42, 38, 55, 48],
    '温度': [22, 24, 26, 28, 27]
}

df = pd.DataFrame(data)
print("数据预览：")
print(df.head())

# 画个简单的折线图
plt.plot(df['时间'], df['PM2.5'], marker='o', label='PM2.5')
plt.xlabel('时间')
plt.ylabel('浓度 (μg/m³)')
plt.title('空气质量变化趋势')
plt.legend()
plt.grid(True)
plt.show()

运行这段代码，你会看到一个折线图弹出来。虽然数据是假的，但流程是真的——从数据到图表，一气呵成。

📌 本章重点回顾：

项目架构：采集 → 处理 → 可视化 → 上报
开发环境：Python 3.8+ + PyCharm Community
三大库：requests（网络）、pandas（数据）、matplotlib（图表）
验证方法：运行测试代码，确保能正常输出和绘图

好了，第一课就到这里。环境搭好了，后面咱们就可以放开手脚写代码了。下一章，我会带你用requests库从真实的API接口拉取空气质量数据。到时候你会发现，原来从网上拿数据这么简单。

记住：环境搭不好，后面全白搞。如果安装过程中遇到任何问题，别硬扛，回头检查一下PATH配置或者镜像源。我当年第一次装Python时也折腾了一下午，很正常。

咱们下章见。