/%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE/ Recent content in 环境配置 on 老张开工了 Hugo zh-cn Thu, 02 Jan 2025 00:00:00 +0000 /posts/2025/01/setup-environment/ Thu, 02 Jan 2025 00:00:00 +0000 /posts/2025/01/setup-environment/ 在开始数据分析之前，我们需要搭建一个稳定的开发环境。一个配置得当的环境能让你事半功倍。本文将手把手带你从零开始配置 Python 数据分析环境。 选择 Python 版本管理工具 Python 有多个版本，不同项目可能依赖不同版本。为了避免版本冲突，我们推荐使用版本管理工具。 方案一：Miniconda（推荐初学者） Miniconda 是 Anaconda 的精简版，它包含了 conda 包管理器和 Python，但不预装大量科学计算包。你只需要安装需要的包，避免了臃肿的环境。 下载和安装 Miniconda： 访问 Miniconda 官网，选择 Python 3.10 或更高版本的 Windows 安装包。运行安装程序，建议勾选"Add Miniconda to my PATH environment variable"（或安装后手动配置）。 安装完成后，打开终端（PowerShell 或 cmd），验证安装： conda --version 你应该能看到类似 conda 24.x.x 的输出。 方案二：pyenv（进阶用户） 如果你更喜欢原生 Python 工具链，pyenv 是另一个不错的选择。在 Windows 上可以使用 pyenv-win： # 使用 pip 安装 pyenv-win pip install pyenv-win --target $env:USERPROFILE\.pyenv 然后配置环境变量，就可以使用 pyenv install 3.11.0 安装指定版本的 Python 了。 创建虚拟环境 虚拟环境是 Python 开发的最佳实践。它让你为每个项目隔离依赖包，避免不同项目之间的包版本冲突。