2. Python数据分析环境搭建

海底管道检测数据分析的第一步不是写代码，而是把“工作台”搭好。一个稳定、可复现的环境能避免后续出现“代码在别人电脑上跑不通”“库版本冲突导致结果不一致”等问题。本节围绕四个核心任务展开：安装Anaconda、启动并配置Jupyter Notebook、安装pandas/numpy/matplotlib/scipy四个常用库、以及为海底管道检测数据设计一套清晰的项目目录结构。

一、为什么选择Anaconda而不是裸装Python

Anaconda是一个面向数据科学的Python发行版，它自带conda包管理器和大量预装科学计算库。对管道检测数据分析而言，其最大价值在于环境隔离：不同项目可能依赖不同版本的numpy或pandas，conda可以为每个项目创建独立环境，互不干扰。此外，conda不仅能管理Python包，还能管理非Python依赖（如某些底层数值库），这在Windows上尤其省心。

安装时从Anaconda官网下载对应操作系统的安装包，建议选择Python 3.10或3.11版本。安装过程中勾选“Add Anaconda to my PATH environment variable”需谨慎——官方默认不推荐，但若你习惯在命令行直接使用conda，可勾选；否则后续通过“Anaconda Prompt”启动即可。安装完成后，在Anaconda Prompt中执行以下命令验证：

conda --version
python --version

若分别输出conda版本号和Python版本号，说明基础环境就绪。接下来为海底管道检测项目创建专用环境，避免污染base环境：

conda create -n pipeline_env python=3.10
conda activate pipeline_env

激活后命令行提示符前会出现(pipeline_env)，表示当前处于该环境。后续所有库安装和Jupyter启动都应在此环境下进行。

二、安装Jupyter Notebook与四个常用库

Jupyter Notebook以“单元格”为单位组织代码、文字和图表，非常适合边分析边记录管道检测数据的处理过程。在激活的pipeline_env环境中执行：

conda install jupyter
conda install pandas numpy matplotlib scipy

四个库的分工需要明确：numpy负责数值数组与矩阵运算，是其他库的底层基础；pandas负责表格型数据的读取、清洗、筛选与聚合，管道检测的里程、壁厚、缺陷尺寸等结构化数据主要靠它处理；matplotlib负责绘图，用于壁厚沿里程变化曲线、缺陷分布散点图等；scipy提供插值、滤波、统计检验等科学计算工具，例如对超声测厚信号做平滑或对腐蚀速率做拟合。安装完成后可在Notebook中验证：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import scipy
print(pd.__version__, np.__version__, scipy.__version__)

若无报错并打印出版本号，说明库可用。启动Notebook只需在项目目录下执行jupyter notebook，浏览器会自动打开工作界面。建议在启动前先cd到项目根目录，这样Notebook的文件浏览器直接定位到项目内，便于管理。

三、海底管道检测数据项目目录组织

管道检测数据通常包含多源内容：超声或漏磁检测的原始记录、内检测里程数据、缺陷列表、GIS坐标、以及分析产生的图表和报告。若全部堆在一个文件夹里，几天后自己都难以分辨哪个文件是最新版本。推荐按“数据—代码—输出—文档”四分离的原则组织目录：

pipeline_inspection/
├── data/
│   ├── raw/            # 原始检测数据，只读不改
│   ├── interim/        # 清洗、拼接后的中间数据
│   └── processed/      # 可直接用于分析的规整数据
├── notebooks/
│   ├── 01_data_overview.ipynb
│   ├── 02_thickness_analysis.ipynb
│   └── 03_defect_statistics.ipynb
├── src/
│   ├── io_utils.py     # 数据读取函数
│   └── plotting.py     # 常用绘图函数
├── outputs/
│   ├── figures/        # 导出的图片
│   └── reports/        # 分析报告
├── docs/
│   └── data_dictionary.md  # 字段说明
└── environment.yml     # 环境导出文件

几个关键约定值得强调。raw目录只读：原始检测数据一旦被覆盖或误改，后续所有分析都失去依据，因此约定任何清洗结果都写入interim或processed，绝不回写raw。notebook按分析阶段编号：01做数据概览与质量检查，02做壁厚沿里程分析，03做缺陷统计，编号让执行顺序一目了然。可复用函数放src：当同一段读取逻辑在多个notebook中重复出现时，应抽到src下的模块中，通过import调用，避免复制粘贴导致的不一致。

为了让环境可复现，在项目根目录导出环境配置：

conda env export > environment.yml

他人拿到项目后执行conda env create -f environment.yml即可重建相同环境。此外，建议在docs/data_dictionary.md中记录每个数据文件的字段含义、单位（如壁厚单位mm、里程单位m）和坐标系约定，这对多人协作和后续复盘至关重要。