设置您的Python环境

在我们开始绘制图表之前，需要确保您的电脑已备好所需工具。这包括设置一个Python环境，其中包含Matplotlib和Seaborn库，以及它们常见的配套库如NumPy和Pandas。

可以将Python环境视为您项目的专用工作区。它能将项目所需的库版本与其他项目隔离开，从而避免冲突。对于数据科学和可视化工作，管理这些库及其依赖项有时会比较复杂，但幸运的是，我们有工具来简化此过程。

使用Anaconda进行环境管理

管理数据科学Python环境和包的流行方式之一是Anaconda（或其轻量级版本Miniconda）。Anaconda是一个发行版，捆绑有Python，一个名为conda的强大环境和包管理器，以及许多预安装的常用数据科学库。这使得设置相对简单。

为何选择Anaconda？

• 简便性： 一次性安装Python和必要的数据科学库。
• 依赖项处理： conda在管理库之间复杂的依赖项方面表现出色，这在科学计算中很常见。
• 环境管理： 轻松为不同项目创建隔离环境。

步骤（一般指南）：

1. 下载与安装： 访问Anaconda发行版网站并下载适合您操作系统的安装程序（Windows、macOS或Linux）。遵循安装说明。我们建议使用提供的最新Python 3版本。
2. 创建专用环境（推荐）： 打开您的终端（Windows上的Anaconda Prompt，macOS/Linux上的Terminal），并专门为本课程创建一个新环境。这有助于保持文件整洁。我们将它命名为viz_env，并包含Python、Matplotlib、Seaborn、Pandas、NumPy和JupyterLab（一个用于交互式绘图的实用工具）：

   conda create --name viz_env python=3.9 matplotlib seaborn pandas numpy jupyterlab
   

   您可能会被提示是否继续（y/n）；输入y并按回车。注意：如果需要，您可以选择不同的Python版本，但通常建议使用3.9或更高版本。
3. 激活环境： 在为本课程安装包或运行代码之前，您需要激活刚创建的环境：

   conda activate viz_env
   

   您的终端提示符现在应在开头显示(viz_env)，表示环境已激活。

使用pip和venv（替代方案）

如果您不想使用Anaconda，可以使用Python的内置工具：venv用于创建虚拟环境，pip用于安装包。这种方法常受软件开发者青睐，并能保持安装最小化。

为何选择pip和venv？

• 内置： venv作为Python 3.3+的标准组件提供。pip是标准的Python包安装器。
• 轻量级： 创建只包含您明确安装内容的最小环境。

步骤（一般指南）：

1. 确保Python和pip已安装： 您需要安装Python 3。pip通常随Python一同安装。您可以通过在终端中输入python --version或python3 --version来检查您的Python版本。
2. 创建虚拟环境： 在终端中导航到您的项目目录并运行：

   python -m venv viz_env
   

   这会创建一个名为viz_env的文件夹，其中包含Python解释器副本和安装库的位置。
3. 激活环境：
   • macOS/Linux： source viz_env/bin/activate
   • Windows： viz_env\Scripts\activate 您的终端提示符应更改以指示活动环境（通常显示(viz_env)）。
4. 安装库： 使用pip安装所需包：

   pip install matplotlib seaborn pandas numpy jupyterlab
   

给初学者的建议

虽然两种方法都可行，但本课程我们推荐使用Anaconda，特别是如果您是Python环境的新手。它处理数据科学库中常见复杂相互依赖关系的能力，使设置过程更顺畅。

验证您的设置

一旦您使用任一方法安装了库并激活了您的环境（viz_env），就可以进行快速检查。在已激活的终端中键入python启动Python解释器，或键入jupyter lab启动JupyterLab。

在Python提示符或Jupyter Notebook单元格中，尝试导入这些库：

import matplotlib
import seaborn
import pandas
import numpy

print("库导入成功！")
print(f"Matplotlib version: {matplotlib.__version__}")
print(f"Seaborn version: {seaborn.__version__}")
print(f"Pandas version: {pandas.__version__}")
print(f"NumPy version: {numpy.__version__}")

如果这段代码运行没有ImportError消息并打印出版本，则您的环境已正确设置，您可以继续将这些库导入到您的脚本中并创建您的第一个图表！