编程不难

开发环境的安装与配置指南

本站点所用开发环境：

• Python 3.13.5
• conda 25.5.1

在 Windows 上安装 Miniconda

在 Windows 系统上，从网站下载 Python 最新版本（目前是 3.9）的 Miniconda 安装包。建议按照 conda 网站上的 Windows 安装指导进行安装。大多数人需要安装 64 位版本，但如果你的 Windows 计算机不支持 64 位，可以安装 32 位的安装包。

当系统提示只为用户自己安装还是为所有用户安装时，请选择最适合的选项。只为自己安装的话，对本书来说就足够了。安装过程中还会询问用户是否将 Miniconda 添加到系统的 PATH 环境变量中。如果勾选了此项（我通常是勾选此项的），Miniconda 的安装就会覆盖之前已经安装过的其余 Python 版本。如果不勾选此项，则用户可以从开始菜单找到 Miniconda 的快捷打开方式。开始菜单中快捷方式的名字可能是“Anaconda 3（64- bit）”。

这里假设用户没有将 Miniconda 添加到系统的 PATH 环境变量中。为了确认配置是否正确，首先单击开始菜单中“Anaconda 3（64-bit）”下的“Anaconda Prompt（Miniconda 3）”。然后输入命令 python，启动 Python 解释器。可以看到如下信息：

（base）C:\Users\admin>python
Python 3.9 [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

要退出 Python 命令行，输入命令 exit() 后按下回车键即可。

GNU/Linux

Linux 下的安装细节取决于你所用的 Linux 版本，这里给出 Debian、Ubuntu、CentOS 和 Fedora 的安装方法。设置方法与 macOS 大致相同，只是 Miniconda 的安装方法除外。大多数读者需要下载默认的 64 位安装文件，它适用于 x 86 架构（但将来更多的用户也可能是用基于 aarch 64 的 Linux）。安装包是一个脚本文件，必须在终端中执行。下载完成后，你会得到一个文件，名字类似于 Miniconda 3- latest- Linux- x 86_64. sh。用 bash 进行安装：

$ bash Miniconda3-latest-Linux-x86_64.sh

某些 Linux 发行版在包管理器中有满足需求的 Python 包（但版本可能是过时的），只需用类似 apt 的工具安装就行。这里用 Miniconda 安装，适用于不同的 Linux 发行版，也很容易将包升级到最新版本。

之后，系统会询问用户在哪里放置 Miniconda 的文件。推荐将文件安装到默认的主路径，例如 /home/$USER/miniconda（$USER 是用户名）。

Miniconda 安装包会询问你是否愿意修改命令行脚本，以自动激活 Miniconda。为了方便以后使用，推荐用户这么做（选择“yes”）。

完成这些安装步骤后，打开一个新的终端窗口，输入 python 命令，确认安装的是最新的 Miniconda：

（base）$python
Python 3.9 | (main) [GCC 10.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

要退出 Python 命令行，输入 exit() 后按下回车键，或按组合键 Ctrl+D。

在 macOS 上安装 Miniconda

下载 macOS 的 Miniconda 安装包。对于 2020 年后出厂的基于苹果芯片的 macOS 计算机，安装包的名字类似于 Miniconda 3-latest-MacOSX-arm 64. sh。对于 2020 年之前的基于因特尔芯片的 Mac 计算机，安装包的名字可能是 Miniconda 3-latest-MacOSX-x 86_64. sh。打开 macOS 的终端，使用 bash 命令执行安装包（可能位于 Downloads 文件夹）：

$ bash $HOME/Downloads/Miniconda3-latest-MacOSX-arm64.sh

安装包在运行时，会在默认命令行配置文件中自动将 Miniconda 配置为命令行环境。配置文件的位置可能是 /Users/$USER/.zshrc。推荐遵循安装包的配置，如果不希望安装包修改默认的命令行环境，可以查阅 Miniconda 文档。

要确认安装是否正确，在系统命令行窗口（打开终端的命令提示符）输入 python 命令，启动 Python:

$ python
Python 3.9 (main) [Clang 12.0.1 ] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>

要退出命令行，按组合键 Ctrl+D，或输入 exit() 后按下回车键。

安装必要的包

现在我们已经在系统上安装好了 Miniconda，接下来就可以安装本书中要用到的包了。第一步是在命令行中运行如下命令将 conda-forge 配置为默认的包安装方式：

(base) $ conda config --add channels conda-forge
(base) $ conda config --set channel_priority strict

现在，我们用 conda create 命令创建新的 conda“环境”，其中 Python 的版本是 3.10：

（base）$ conda create -y -n pydata-book python=3.10

安装完毕后，使用 conda activate 激活环境：

（base）$ conda activate pydata-book
 (pydata-book) $

每次打开新终端，都必须用 conda activate 命令激活环境。在任何时候，都可以用命令 conda info 查看活跃的 conda 环境信息。

接下来，我们用 conda install 来安装本书中要用到的包（以及这些包的依赖）：

(pydata-book) $ conda install -y pandas jupyter matplotlib

我们还会用到其他包，后面用到时再安装就行了。有两种安装包的方式：conda install 和 pip install。当使用 Miniconda 时需要优先使用 conda install，但有些包通过 conda 安装不上，如果 conda install $package_name 安装失败，可以尝试 pip install $package_name。

如果你想安装本书中用到的所有其他包，可以运行如下命令：

conda install lxml beautifulsoup4 html5lib openpyxl \
              requests sqlalchemy seaborn scipy statsmodels \
              patsy scikit-learn pyarrow pytables numba

在 Windows 上，用上尖括号（^）替换 Linux 和 macOS 中的反斜杠（\）。

可以使用 conda update 命令升级包：conda update package_name

使用 --upgrade 标志，pip 也可以升级包：pip install -- upgrade package_name

本书中，你会多次使用以上命令。

虽然使用 conda 和 pip 都可以安装包，但对于原本用 conda 安装的包，要避免使用 pip 对其升级，反之亦然。如果这么做的话，会导致环境异常。建议读者首选使用 conda 做包管理，如果碰到无法用 conda install 安装的包，再使用 pip。

集成开发环境和文本编辑器

当被问及标准开发环境时，我几乎总是回答”IPython 加文本编辑器”。我在编程时，通常反复在 IPython 或 Jupyter notebook 中测试和调试每行代码。这种方式也可以交互式操作数据，并可视化验证数据操作中某一特定的集合是否正确。经过精心设计，pandas 和 NumPy 在命令行中可以做到事半功倍。

但是，当开发软件时，一些用户可能更想使用功能更为丰富的集成开发环境（IDE），而不是功能相对简单的文本编辑器，比如 Emacs 或 Vim。下面介绍一些可供尝试的 IDE： - PyDev（免费），基于 Eclipse 平台的 IDE。 - JetBrains 的 PyCharm（商业用户需要订阅，对开源开发者免费）。 - Python Tools for Visual Studio（适合 Windows 用户）。 - Spyder（免费），Anaconda 附带的 IDE。 - KomodoIDE（商业软件）

Python 十分流行，大多数文本编辑器，比如 VS Code 和 Sublime Text 2，对 Python 的支持也非常好。

2.1 集成开发环境

简单来说，IDE（集成开发环境）就是我们写代码、跑代码的地方。

Python 有很多常用的 IDE，比如。

JupyterLab：基于 Web 的交互式开发环境，支持多种编程语言，包括 Python，可以快速编写、测试和共享代码，非常适合数据科学和机器学习领域。JupyterLab 和 JupyterNotebook 非常适合大家做探究式学习。后文将详细介绍如何使用 JupyterLab。

Spyder：基于 Qt 开发的 PythonIDE，提供了一个集成的开发环境，包括编辑器、调试器和控制台，非常适合科学计算和数据分析。对于 MATLAB 转 Python 的读者来说，Spyder 可能是最容易上手的 IDE。在所有的 PythonIDE 中，Spyder 最像 MATLAB。

PyCharm：JetBrains 公司开发的跨平台 PythonIDE，提供了许多功能，包括代码智能提示、代码自动完成、调试和单元测试等。建议有 Python 开发经验的读者使用 PyCharm 运行本书代码。

什么是集成开发环境？

集成开发环境（Integrated Development Environment，简称 IDE）是一种用于软件开发的工具。它通常包括一个代码编辑器、一个调试器和一个构建工具，以及其他功能，例如自动补全、语法高亮、代码重构等。IDE 的目的是提供一个集成的工作环境，使开发人员能够更高效地编写、调试和测试代码。使用 IDE 可以极大地提高开发效率。例如，它可以帮助开发人员在编写代码时自动补全函数名称、参数等，减少打错代码的风险；它可以提供一些调试工具来检测和修复代码中的错误，使得开发人员更容易发现问题；它可以通过自动构建工具来编译和构建代码，减少手动操作的繁琐过程。总之，IDE 是一种开发人员必备的工具，可以让开发人员更加专注于编写高质量的代码。

表 1．比较三个常用的 IDE

维度	JupyterLab	Spyder	PyCharm
适用场景	数据科学、机器学习、交互式	科学计算、数据分析	通用编程、开发
编辑器	基于 Web 的文本编辑器	Qt 构建的文本编辑器	IntelliJ IDEA 编辑器
调试器	内置的交互式调试器	内置的调试器	内置的调试器
插件支持	丰富的插件生态系统	插件支持较少	丰富的插件生态系统
社区支持	由 Jupyter 项目支持	由 Spyder 社区支持	由 JetBrains 公司支持
扩展性	支持自定义和扩展	可以自定义外观和行为	支持自定义和扩展
学习曲线	平缓	友好	稍微陡峭
收费与否	免费	免费	有免费和付费版本
平台支持	支持 Windows、Mac 和 Linux	支持 Windows、Mac 和 Linux	支持 Windows、Mac 和 Linux

Anaconda 可谓“科学计算全家桶”，包含科学计算领域可能用到的大部分 Python 工具，包括 Python 解释器、常用的第三方库、包管理器、IDE 等。

前文提到的 JupyterLab、Spyder、PyCharm 这三个 IDE 都在 Anaconda 中。

什么是 Anaconda？

Anaconda 是一个流行的 Python 发行版，由 Anaconda，Inc. 开发和维护，旨在为数据科学、机器学习和科学计算提供一个全面的工具包。Anaconda 集成了许多常用的 Python 库和工具，如 NumPy、SciPy、Pandas、Matplotlib、Scikit-learn、Jupyter Notebook 等。它还包括一个名为 conda 的软件包管理器，可以帮助用户安装、更新和管理 Python 库和依赖项。Anaconda 还提供了一个名为 Anaconda Navigator 的图形用户界面，用户可以通过这个界面轻松地管理他们的 Python 环境、安装和卸载库、启动 Jupyter Notebook 等操作。除了 Python 环境和库之外，Anaconda 还包括许多其他工具和应用程序，如 Spyder、PyCharm、VS Code、R 语言环境等等，使得它成为数据科学家和研究人员的首选工具之一。Anaconda 可以安装在多个平台上，包括 Windows、Linux 和 Mac OS X。

2.2 如何安装 Anaconda？

下文手把手教大家如何在 Windows 上安装、测试 Anaconda，有经验的读者可以跳过。

对于 Mac 用户，大家可以参考如下链接安装 Anaconda：

https://docs.anaconda.com/anaconda/install/mac-os/

要是想特别安装某个版本的 Python，请参考：

https://pythonhowto.readthedocs.io/zh_CN/latest/install.html

注意，Anaconda 安装后大概占用 5 G 空间。有 Python 开发经验的读者，可以根据需求自行分别安装 JupyterLab、Spyder、PyCharm。

在 Windows 上安装 Anaconda 可以按照以下步骤进行。

a）下载。在 Anaconda 官网下载适合大家操作系统的 Anaconda 版本，选择对应的 Python 版本（一般建议选择最新版 Python 3. x），并下载对应的安装程序。

注意，Anaconda 不断推出新版本，大家下载的版本号肯定和下图的版本号不同。建议大家从官网下载最新版本安装程序。

b）运行安装程序：下载完毕后，双击下载文件运行安装程序。在安装程序打开后，点击“Next”进入下一步。

图 2. 运行安装程序

c）阅读协议：阅读协议并同意“I Agree”，然后点击“Next”。

图 3. 阅读协议

d）安装类型：推荐默认 Just Me；对于多用户 PC，可以选择“All Users”；然后点击“Next”。

图 4. 安装类型

e）安装路径：可以指定 Anaconda 的安装路径（建议零基础读者选择默认路径），然后点击“Next”。

图 5. 安装路径

f）配置环境变量：选择是否将 Anaconda 添加到系统环境变量中，建议勾选该选项，这样就可以在命令行中使用 Anaconda 的工具了。然后点击”Install”进行安装。

图 6. 安装选择

g）等待安装完成：安装过程可能持续 10 分钟左右。等待安装完成后，会弹出”Installation Complete”对话框，点击”Next”。如果这步持续时间过长（超过一小时），建议强制停止安装，删除安装包。关机再开机，重新下载安装包从头开始再尝试安装。

图 7. 等待安装完成

图 8. 安装完成

图9. 广告时间，点 Next

h）完成安装：点击“Finish”完成 Anaconda 的安装。之后会跳出两个网页，不需要理会，关闭即可。

图 10. 确认完成

安装完成后，可以在“开始菜单”中找到 Anaconda 的安装目录，并启动“Anaconda Navigator”来使用 Anaconda 的工具和功能。同时，也可以在命令行中使用 Anaconda 的工具和命令，例如使用“conda”命令来管理 Python 的虚拟环境和安装依赖包等。

2.3 测试 JupyterLab

要打开并测试 JupyterLab，可以按照以下步骤进行。

a）找到并打开 Anaconda Navigator（计算机慢的话，至少需要 1 分钟左右才能打开，稍安勿躁），点击 JupyterLab 对应的 Launch。马上一个网页将会跳出来，建议大家默认使用 Chrome 浏览器（兼容性更好），Firefox 或 Edge 也都可以。

图 11. Anaconda Navigator 界面

b）进入 JupyterLab 界面，点击 Notebook（Python 3），创建 Jupyter Notebook。

图 12. JupyterLab 界面

图 13. 创建 Jupyter Notebook

c）在下面窗口中输入，1 + 2，然后点击“Ctrl + Enter”快捷键，运行并得到 3 这个结果。大家也可以尝试“Shift + Enter”快捷键，运行代码同时生成新区块，大家自己可以先玩一会。下一章将专门讲解如何使用 JupyterLab。

图 14. 运算

2.4 查看 Python 第三方库版本号

在安装 Anaconda 时，各种常用的 Python 工具已经顺道安装完成。有些时候，我们需要查看 Python 各种库的版本号，下面介绍几种方法。

大家可以进入 Anaconda Navigator，点击 Environments，如果有不同环境的话，选择特定的环境，在右侧可以看到已经安装库的版本号。

图 15. 在 Anaconda Navigator 查看 Python 库版本号

在电脑中搜索 Anaconda Prompt，然后键入 conda list，也可以调取所有安装 Python 库的版本号。

图 16. 在 Anaconda Prompt 查看 Python 库版本号

此外，在图 15 中左键点击绿色三角（播放图标），左键单击 Open Terminal 也可以打开 Anaconda Prompt。

在 Anaconda Prompt，我们可以用 pip show 库名，比如 pip show numpy，来调取某个特定 Python 库信息。

图 17. 在 Anaconda Prompt 查看某个特定 Python 库版本号

在 JupyterLab 中，我们也可以用 !pip list 查看已经安装的所有 Python 库版本号。在 JupyterLab 中，感叹号（exclamation mark）! 用于执行操作系统命令或外部程序。比如，! dir 可以调取当前文件的目录。!pip install 包名，还可以用 pip 安装特定 Python 库。

图 18. 在 JupyterLab 中查看 Python 库版本号

此外，对于特定 Python 包，我们还可以用如下语句查看其版本号。

图 19. 在 JupyterLab 中查看某个特定 Python 库版本号

对于编程零基础读者，特别推荐大家逐行注释。

本书第 4 章专门介绍如何注释代码。

下面，我们就聊聊代码 1。

这句话就是注释。简单来说，代码中的注释是给人看的，机器对其视而不见。在 Python 中， #符号用于创建单行注释 。注释是用于解释代码的文本，它不会被 Python 解释器执行，因此不会影响程序的运行。

即便如此，编程时注释并不是可有可无的部分。我们可以使用注释来解释代码的目的、功能或特殊注意事项。毫不夸张地说，自己写完的代码，过不了一个月可能就会忘了某些具体语句或逻辑，而代码注释就完美解决这一问题。代码注释当然对于其他开发人员阅读和理解代码非常有帮助。

在调试或测试代码时，我们也可以使用临时注释来暂时禁用或跳过某些代码行。

此外，在自定义函数时，我们也可以添加多行注释，来生成代码文档。本书第 8 章会专门介绍自定义函数。

导入 SciPy 库。SciPy 是一个用于科学计算和数据分析的开源 Python 库，它包含了许多用于数学、科学和工程计算的功能和工具。

本书第 26 章专门介绍 SciPy 库。

在 Python 中，import 是一个关键字，用于导入其他 Python 库/包/模块。

本书第 4 章将专门介绍如何使用 import。

在 JupyterLab 中，只有成功导入某个库或模块后，才能调用其中函数。

注意，SciPy（S 和 P 大写）是这个 Python 库的名字，而在 JupyterLab 中，导入这个库时，scipy 为全小写无空格。

中，print () 是 Python 的内置函数，用来打印，p 小写。

scipy: %s 是一个包含占位符的字符串，其中%s 是一个占位符，表示后面将被替换成一个字符串的值。在 Python 中，字符串（string）是一种数据类型，用于表示纯文本数据。

本书第 5 章将专门介绍包括字符串在内的常用数据类型。

scipy.__version__ 是 SciPy 库的一个属性，它包含了当前导入的 SciPy 版本的字符串。通过 scipy.__version__，我们可以获取计算机中当前 SciPy 库的版本信息。

在 Python 中用于导入 NumPy 库的语句。NumPy 是 Python 中用于科学计算和数值操作的一个强大的开源库。它提供了多维数组（NumPy array）和一系列用于操作这些数组的函数。NumPy 广泛用于数据分析、科学计算、机器学习等领域。

本书第 \(13 \sim 18\) 章介绍 NumPy 库常用工具。

导入 Matplotlib 库的语句。Matplotlib 是一个用于创建各种类型的图形和可视化的 Python 库。

本书第 \(10 \sim 12\) 章专门介绍常用可视化工具。

导入 Pandas 库。Pandas 是 Python 中用于数据分析和数据操作的高性能库。Pandas 提供了两种主要数据结构：Series 和 DataFrame，用于处理和操作各种类型的数据，包括表格数据、时间序列数据等等。

本书第 \(19 \sim 24\) 章介绍 Pandas 库常用工具。

导入 Statsmodels 库。Statsmodels 是一个 Python 库，用于执行统计分析和建立统计模型，包括线性回归、时间序列分析、假设检验和许多其他统计方法。

本书第 27 章专门介绍 Statsmodels 库。

导入 Scikit-learn 库。Scikit-learn，也称 sklearn，是一个强大的开源机器学习库，提供了用于各种机器学习任务的工具和算法。它包括分类、回归、聚类、降维、模型选择、模型评估等各种机器学习任务的实现。Scikit-learn 还包括用于数据预处理和特征工程的功能。

本书第 \(28 \sim 33\) 章介绍 Scikit-learn 库常用工具。

2.5 安装、更新、卸载 Python 第三方库

即便安装 Anaconda 时，各种常用 Python 库已经安装好；但是，在使用时，我们经常会安装其他库，亦或是更新已经安装的库。

以 streamlit 为例，本书后续会利用 pandas- datareader 下载金融数据。在安装 Anaconda 时，这个库没有被安装，需要我们自行安装。

使用 pip 安装。pip 是 Python 的包管理器，它是最常用的安装库的方法。打开 Anaconda Prompt，然后运行 pip install pandas- datareader 命令来安装库。

图 20. 安装 pandas-datareader

如果使用的是 Anaconda Python 环境，有时也可以使用 conda 包管理器来安装库，比如 conda install library_name。具体采用 pip 还是 conda，建议大家在安装任何第三方库之前，首先查看这个库的技术文档，了解库的版本、更新情况、使用说明、常见案例。比如，pandas- datareader 的技术文档：

https://pandas-datareader.readthedocs.io/en/latest/

在这个网页首页，我们看到推荐 pip install pandas- datareader 安装 pandas- datareader。

如果大家有多个 Anaconda 环境，安装特定库时需要选择特定环境。如图 21 所示，当前 Anaconda 有两个环境，如果我们想在 demo 环境安装 Streamlit 的话，左键点击其绿色三角，在菜单中左键点击 Open Terminal，然后调出对应环境的 Anaconda Prompt。然后利用 pip install streamlit 安装 Streamlit。

图 21. 在特定 Anaconda 环境安装 Python 库

C:. exe - pip install streamlit

(demo) C:>pip install streamlit

顺便提一嘴，在 Anaconda Navigator 中可以很轻松创建全新 Python 环境。如图 23 所示，大家只需要点击左下角加号 Create，在弹出的对话框中输入环境名称，大家还可以选择不同 Python 版本号。如果大家使用 R 语言的话，还可以创建 R 语言环境。

图 22. 安装 Streamlit 图 23. 在 Anaconda Navigator 中创建新环境

Streamlit 是一个用于创建 Web 应用程序的 Python 库，它可以让数据科学家、工程师和分析师轻松地将数据应用程序转化为交互式 Web 应用程序，无需深入的前端开发经验。我们将在本书最后两章利用 streamlit 搭建数学动画、数据分析、机器学习 App。请大家在安装 Streamlit 前，查看其技术文档：

https://docs.streamlit.io/library/get-started/installation

有时，我们也可以从库的源代码安装库，下载或克隆压缩文件，利用类似 python setup. pyinstall 命令安装。这种方法不推荐初学者使用。

此外，我们也可以在 JupyterLab 中，用！pipinstalllibrary_name 方法安装特定库。这种方法也不推荐初学者使用。注意，惊叹号！为半角。

想要卸载特定 Python 库也很容易，大家在 AnacondaPrompt 中键入 pipuninstalllibrary_name。

想要更新某个 Python 库，可以使用 pip install library_name - - upgrade。如图 24 所示，大家也可以在 Anaconda Navigator 查看某个 Python 库是否有更新。如果出现蓝色箭头，这说明该库有新版本。

注意，由于 Python 库由不同第三方开发者开发、维护，更新库时要小心兼容性问题。这就是为什么我们有时需要不同 Anaconda 环境，以便控制不同库的版本。

图 24. 在 Anaconda Navigator 中查看 Python 库是否有更新

库的健康情况

Python 第三方库都是由社区开发者开发、维护，在使用一些生僻的 Python 库之前，建议大家了解一下这个库的健康情况。

大家可以查看库在 GitHub 或其他代码托管平台上的维护更新情况，比如提最近提交日期、版本历史、日志更新，以及提交频率等信息。此外，大家也可以看看 GitHub 上库的安装使用、标星（star）、问题（issue）等是否活跃。某个 Python 库的技术文档质量、更新情况也可以作为衡量其健康程度的指标。

此外，最简单的办法就是通过 SynkAdvisor 打分来评估 Python 库的健康情况：

一般来说，评分在 85 分左右的 Python 库可以一试。评分如果在 95 分上下，说明 Python 库的健康程度很好。

吐槽一下，pandas-datareader 这个 Python 库的维护就很差，2023 年 9 月份这个库在 SnykAdvisor 评分仅为 62 分，刚及格。也就是说这个库凑合能用，但是出现 bug 后果自负。

在撰写本书时，作者还能用 pandas-datareader 从 FRED（Federal Reserve Economic Data）下载金融数据。为了避免 pandas-datareader 失效，作者对本书中用到的金融数据都做了备份，大家可以在本书配套代码中找到。

万一下载失败，可以用 pandas. read_csv () 函数导入 CSV 数据。很期待开发者能尽快更新库，并解决 Yahoo 金融数据下载问题。

请大家完成以下题目。

Q 1. 安装 Anaconda。

Q 2. 从 Anaconda Navigator 进入 JupyterLab 并完成测试。编写并执行代码 1。再次提醒，快捷键组合点击“Ctrl + Enter”完成当前代码块运算。

Q 3：打开 Anaconda Navigator，查看已安装 Python 库的版本。

Q 4：从 Anaconda Navigator 进入 Anaconda Prompt，然后安装 pandas-datareader 和 Streamlit。