2、环境搭建：Python环境配置、Anaconda安装、Jupyter Notebook使用、虚拟环境管理

说实话，很多初学者在情感分析这条路上栽跟头，不是因为算法难，而是环境没搭好。我见过太多人花了两天装包，最后发现版本冲突，心态直接崩了。所以这一章，咱们先把地基打牢。

2.1 Python环境配置——选对版本，少走弯路

Python版本怎么选？我个人习惯用3.8或3.9。为什么？因为情感分析常用的库，比如transformers、torch、scikit-learn，对这两个版本支持最稳。你非要上3.12，也行，但有些老包可能装不上。

安装时有个坑——记得勾选「Add Python to PATH」。我刚开始学的时候没勾，结果每次都要手动输路径，烦得很。如果你已经装完了但没勾，可以手动加环境变量，不过还是重装省事。

2.2 Anaconda安装——全家桶真香

Anaconda是什么？说白了就是一个Python大礼包。它帮你预装了150多个常用库，还自带包管理器和环境管理工具。我项目里90%的时间都在用Anaconda，省心。

下载地址我就不贴了，直接去官网找对应系统的版本。注意：选64位，现在没人用32位了。

安装过程一路默认就行，但有一步要留心——

装完后，打开Anaconda Prompt，输入 conda list，如果看到一堆包名，说明安装成功。嗯，这一步基本不会出问题。

2.3 Jupyter Notebook使用——交互式编程利器

Jupyter Notebook是我做情感分析最常用的工具。你可以边写代码边看结果，还能加Markdown笔记，特别适合数据探索和模型调试。

启动方式很简单：在Anaconda Prompt里输入：

jupyter notebook

浏览器会自动弹出来。如果没弹，复制终端里那个带 localhost:8888 的链接，手动打开就行。

新建一个Notebook，你会看到一个个「单元格」。代码写在里面，按 Shift + Enter 运行。我习惯把每个步骤拆成独立单元格，比如「加载数据」「清洗文本」「训练模型」，这样调试起来一目了然。

另外，Jupyter有个魔法命令特别好用——%matplotlib inline，加上之后，图表直接显示在Notebook里，不用额外弹窗。

2.4 虚拟环境管理——项目隔离，避免冲突

这是最容易被忽略的一环。你同时做两个项目：一个用TensorFlow 2.4，一个用TensorFlow 2.10。如果不隔离环境，包冲突会让你怀疑人生。

Anaconda的虚拟环境管理，说白了就是给每个项目建一个「独立小房间」。创建命令如下：

conda create -n sentiment_env python=3.9

这里 sentiment_env 是环境名，你可以随便起。我习惯用项目名加 _env 后缀，好记。

激活环境：

conda activate sentiment_env

看到命令行前面多了 (sentiment_env) 就说明进去了。这时候你装的所有包，都只在这个环境里生效。

退出环境：

conda deactivate

还有个常用操作——导出环境配置。当你把项目分享给别人时，直接给一个 environment.yml 文件，对方一键重建环境：

conda env export > environment.yml
conda env create -f environment.yml

我曾经因为没做这一步，换电脑后花了半天重新装包。嗯，血的教训。

2.5 常用库安装——情感分析必备

环境搭好了，接下来装几个核心库。在虚拟环境里执行：

pip install numpy pandas scikit-learn matplotlib jieba
pip install transformers torch --index-url https://download.pytorch.org/whl/cpu

解释一下：

• numpy/pandas：数据处理，逃不掉
• scikit-learn：传统机器学习模型，比如朴素贝叶斯、SVM
• matplotlib：画图看数据分布
• jieba：中文分词，做中文情感分析必备
• transformers/torch：深度学习模型，比如BERT

装完后验证一下：

python -c "import torch; print(torch.__version__)"

如果没报错，恭喜你，环境搭建圆满完成。

好了，环境搭好了，下一章咱们正式开始搞情感分析。到时候你会感谢现在认真搭环境的自己。