学术手册 | 学术软件第七期:Python环境搭建与编程入门(评论互动有奖)

（一）软件简介

Anaconda 是目前科研和数据科学领域最流行的 Python 发行版，由 Anaconda 公司免费提供。它不仅包含 Python 解释器，还预装了 250 余个常用科学计算库（NumPy、Pandas、Matplotlib、Scikit-learn 等），并自带 conda 包与环境管理器及 Jupyter Notebook，做到了开箱即用，是零基础用户配置 Python 科研环境的最佳起点。

（二）Anaconda下载

https://www.anaconda.com/download，浏览器页面会自动识别操作系统并推荐对应版本。

点击【Download】按钮下载最新版安装包（当前为 Anaconda3，基于 Python 3.12）。Windows 用户下载 .exe 文件，macOS 用户下载 .pkg 文件，Linux 用户下载 .sh 脚本。

tips：官网下载速度较慢时，可使用国内镜像：清华大学开源软件镜像站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 选择最新版本下载。

Windows 系统

① 双击下载的 .exe 安装包，点击【Next】。

② 许可协议页面选择【I Agree】。

③安装类型选择【Just Me（推荐）】，避免多用户权限问题。

④ 选择安装路径，建议保持默认（如 C:\Users\用户名\anaconda3），路径中不要含有中文或空格。

⑤ 高级选项页面：取消勾选【Add Anaconda3 to my PATH environment variable】（避免与系统其他 Python 冲突）；保留勾选【Register Anaconda3 as my default Python 3.x】。

⑥ 点击【Install】，等待安装完成（约 3–5 分钟），完成后点击【Finish】。

Mac OS 系统

① 双击 .pkg 安装包，按向导完成安装，全程点击【Continue】→【Agree】→【Install】即可。

② 安装完成后，打开终端（Terminal），输入 conda --version，显示版本号即为安装成功。

tips：安装完成后，Windows 用户在开始菜单中搜索并打开【Anaconda Prompt】（而非普通命令提示符），在其中运行 conda 命令最为稳定。

Anaconda 默认从境外服务器下载软件包，速度慢且不稳定。配置清华大学镜像后，安装速度可提升 10 倍以上。

方法：修改 .condarc 配置文件。打开 Anaconda Prompt（Windows）或终端（macOS/Linux），依次执行以下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --set show_channel_urls yes

执行后输入以下命令验证配置是否生效：

conda config --show channels

如果需要同时配置 pip 的镜像，执行：

pip config setglobal.index-url https://pypi.tuna.tsinghua.edu.cn/simple

虚拟环境是Python项目管理的核心实践。每个项目使用独立的虚拟环境可以彻底隔离不同项目之间的依赖版本，避免相互干扰。

# 创建名为 myenv 的环境，指定 Python 版本为 3.11conda create -n myenv python=3.11# 激活环境（Windows）conda activate myenv# 激活环境（macOS / Linux）conda activate myenv# 在当前环境安装包（以 numpy 为例）conda install numpy# 同时安装多个包conda install numpy pandas matplotlib scikit-learn# 查看当前环境已安装的所有包conda list# 查看所有已创建的虚拟环境conda env list# 退出当前环境，回到 baseconda deactivate# 删除名为 myenv 的环境conda remove -n myenv --all

在 Anaconda Prompt 中执行以下命令，确认 Python 和核心库均可正常导入：

python --version          # 显示 Python 版本号python -c "import numpy; print(numpy.__version__)"python -c "import pandas; print(pandas.__version__)"jupyter notebook          # 在浏览器中打开 Jupyter Notebook

本节通过四个典型场景展示 Python 的实际使用。所有示例均可在 VS Code 中新建 .py 文件后直接运行（F5 或右键选择【在终端中运行 Python 文件】），或复制到 Jupyter Notebook 的代码单元格中执行。

（一）Python 基础语法入门

以下代码演示 Python 最基础的语法要素：变量、数据类型、条件判断、循环与函数定义，适合零基础读者作为第一个 Python 程序运行。

# ── 变量与基本数据类型 ──name = 'Python'          # 字符串version = 3.13           # 浮点数year = 2024              # 整数is_popular = True        # 布尔值print(f'{name}{version} 于 {year} 年发布')  # f-string 格式化输出# ── 列表与循环 ──libraries = ['NumPy', 'Pandas', 'Matplotlib', 'Scikit-learn']for i, lib inenumerate(libraries, start=1):    print(f'  {i}. {lib}')# ── 条件判断 ──score = 85if score >= 90:    grade = 'A'elif score >= 75:    grade = 'B'else:    grade = 'C'print(f'成绩 {score} 分，等级：{grade}')# ── 函数定义 ──defgreet(name: str, times: int = 1) -> str:    '''向指定用户打招呼，可重复指定次数'''    return (f'你好，{name}！' + ' ') * timesprint(greet('同学', times=3))

（二）数据处理

NumPy 和 Pandas 是 Python 数据科学的两大核心库，分别用于高效数值计算和结构化数据处理。以下示例模拟一份学生成绩数据并进行基本分析。

import numpy as npimport pandas as pd# ── NumPy：数值计算 ──scores = np.array([88, 92, 75, 96, 83, 71, 89, 94, 78, 85])print(f'平均分：{np.mean(scores):.2f}')print(f'最高分：{np.max(scores)}，最低分：{np.min(scores)}')print(f'标准差：{np.std(scores):.2f}')# ── Pandas：结构化数据处理 ──data = {    '姓名': ['张三', '李四', '王五', '赵六', '陈七'],    '数学': [92, 85, 78, 96, 88],    '英语': [88, 91, 82, 79, 94],    '物理': [76, 83, 90, 88, 71],}df = pd.DataFrame(data)df['总分'] = df[['数学', '英语', '物理']].sum(axis=1)df['平均分'] = df['总分'] / 3# 按总分降序排列df_sorted = df.sort_values('总分', ascending=False).reset_index(drop=True)print(df_sorted.to_string(index=False))# 筛选平均分 >= 85 的学生high_achievers = df[df['平均分'] >= 85]print(f'\n平均分 85 分以上的学生：{list(high_achievers["姓名"])}')

（三）数据可视化

Matplotlib 是 Python 最经典的绘图库，可生成出版级别的图表。以下示例绘制折线图和柱状图，展示常见的学术作图场景。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]plt.rcParams["axes.unicode_minus"] = Falsefig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))epochs = np.arange(1, 51)train_loss = 1.0 * np.exp(-0.08 * epochs) + np.random.normal(0, 0.01, 50)val_loss = 1.0 * np.exp(-0.06 * epochs) + np.random.normal(0, 0.015, 50)ax1.plot(epochs, train_loss, label="训练损失", color="steelblue", linewidth=2)ax1.plot(epochs, val_loss, label="验证损失", color="tomato", linewidth=2, linestyle="--")ax1.set_xlabel("Epoch")ax1.set_ylabel("Loss")ax1.set_title("模型训练曲线")ax1.legend()ax1.grid(True, alpha=0.3)subjects = ["数学", "英语", "物理", "化学", "生物"]avg_scores = [86.4, 82.1, 79.8, 88.2, 84.6]colors = ["#4472C4", "#ED7D31", "#A9D18E", "#FF0000", "#7030A0"]bars = ax2.bar(subjects, avg_scores, color=colors, width=0.6, edgecolor="white")ax2.set_ylim(70, 95)ax2.set_ylabel("平均分")ax2.set_title("各科目平均分")for bar, score in zip(bars, avg_scores):    ax2.text(bar.get_x() + bar.get_width() / 2, bar.get_height() + 0.3,             f"{score}", ha="center", va="bottom", fontsize=10)plt.tight_layout()plt.show()

（四）在 Jupyter Notebook 中运行代码

Jupyter Notebook 以交互式单元格为核心，特别适合数据探索和结果展示。以下是一个在 Jupyter 中使用 Pandas + Matplotlib 进行完整数据分析的工作流程示例。

# 单元格 1：导入依赖%matplotlib inlineimport pandas as pdimport matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']plt.rcParams['axes.unicode_minus'] = False# 单元格 2：生成模拟数据np.random.seed(42)df = pd.DataFrame({    '姓名': [f'学生{i+1}'for i inrange(50)],    'score': np.random.normal(75, 10, 50).clip(40, 100).astype(int)})df.head()# 单元格 3：基本统计描述df.describe()# 单元格 4：绘图，结果直接在单元格下方显示df['score'].hist(bins=20, color='steelblue', edgecolor='white')plt.title('分数分布直方图')plt.xlabel('分数')plt.ylabel('频次')plt.show()

tips：在 VS Code 中打开 .ipynb 文件（需安装 Jupyter 插件），即可获得与浏览器版 Jupyter 相近的体验。可在终端使用如下命令安装相关资源包：

pip install jupyter notebook ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

Q1　Anaconda Prompt 中 conda 命令提示不是内部命令

在开始菜单搜索【Anaconda Prompt】打开（而非使用普通 cmd）；或重新安装 Anaconda 并在安装程序的高级选项中勾选【Register Anaconda3 as the system Python】。

Q2   conda install 提示包冲突（PackagesNotFoundError）

尝试从 conda-forge 频道安装：conda install -c conda-forge 包名；若 conda 无法解决冲突，改用 pip install 包名安装。

Q3　VS Code 中 Python 文件运行时提示找不到模块

按 Ctrl+Shift+P 输入 Python: Select Interpreter，重新选择正确的 Anaconda 虚拟环境；确认终端中 conda activate 的环境与 VS Code 底部状态栏显示的解释器一致。

Q4　Matplotlib 图表中文显示为方框

在代码开头添加以下两行即可：

plt.rcParams['font.sans-serif'] = ['SimHei']   # Windows 黑体plt.rcParams['axes.unicode_minus'] = False      # 修复负号显示

macOS 用户将 SimHei 替换为 Arial Unicode MS 或 PingFang SC；Linux 用户需先安装文泉驿字体（sudo apt install fonts-wqy-zenhei）后使用 WenQuanYi Zen Hei。

Q5　Jupyter Notebook 运行后浏览器没有自动打开

在 Anaconda Prompt 中运行 jupyter notebook 后，查看终端输出，找到形如 http://localhost:8888/?token=... 的链接，手动复制到浏览器地址栏打开即可。也可直接在 VS Code 中安装 Jupyter 插件，绕过浏览器直接在编辑器内运行。