📚 课程目录第4章 Python环境搭建

第4章 Python环境搭建：NumPy/SciPy安装、光学计算库简介、Jupyter Notebook配置

好，咱们进入实操环节。说实话，光学设计软件动辄几万块，但Python这套环境完全免费。我这些年做项目，从镜头设计到公差分析，大部分计算其实都是在Jupyter里完成的。这一章，我带你把地基打牢。

4.1 为什么选Python做近轴计算？

你可能会问：用Excel或者Matlab不行吗？当然行。但Python的优势在于——开源、生态全、可复现。我在做变焦系统优化时，需要反复调整参数跑几百次光线追迹。Excel扛不住，Matlab要授权，Python+NumPy几秒钟搞定。

核心工具链：

NumPy：矩阵运算、向量化计算——近轴光线追迹的基石
SciPy：优化算法、插值、线性代数——用于透镜设计和像差校正
Matplotlib：画光路图、像差曲线、点列图
Jupyter Notebook：交互式开发环境，边写边看结果

4.2 安装Python与包管理器

我个人习惯用Anaconda发行版。它自带NumPy、SciPy、Jupyter，省去很多麻烦。如果你已经装了纯净Python，也别急，用pip一样能搞定。

4.2.1 通过Anaconda安装（推荐）

去Anaconda官网下载对应系统的安装包
安装时勾选「Add Anaconda to my PATH environment variable」
打开终端（或Anaconda Prompt），验证安装：

conda --version
python --version

4.2.2 通过pip安装（轻量方案）

如果你只想装最小环境，用pip也行。我曾经在服务器上就是这么干的——省空间。

pip install numpy scipy matplotlib jupyter

小技巧：建议用虚拟环境隔离项目。我每个光学项目都建独立环境，避免包版本冲突。

conda create -n optics python=3.9
conda activate optics
conda install numpy scipy matplotlib jupyter

4.3 NumPy与SciPy快速验证

装完别急着走。先跑几行代码，确认环境能用。说白了，就是给工具箱做个「点检」。

import numpy as np
import scipy as sp

# 验证NumPy：创建一个2x2矩阵，代表近轴光线变换矩阵
M = np.array([[1, 0.5], [0, 1]])
print("光线变换矩阵:\n", M)

# 验证SciPy：解一个线性方程组，模拟双透镜系统
A = np.array([[1, -0.1], [0.2, 1]])
b = np.array([0.05, 0.01])
x = sp.linalg.solve(A, b)
print("透镜参数解:\n", x)

如果能正常输出，说明环境就绪。嗯，这里要注意——SciPy的linalg模块比NumPy的linalg更全，做光学优化时我常用它。

4.4 光学计算库简介

除了NumPy/SciPy，光学领域还有一些专用库。我整理了一张表，方便你对照选择。

库名	功能	适用场景	安装方式
rayoptics	几何光学追迹、像差分析	近轴/实际光线追迹、赛德尔像差	`pip install rayoptics`
OpticsPy	薄透镜、矩阵光学、衍射	教学演示、快速原型	`pip install opticspy`
PyZDDE	Zemax OpticStudio 接口	与商业软件联动	`pip install pyzdde`
LightPipes	物理光学传播、衍射	激光束传播、干涉	`pip install LightPipes`

避坑指南：我曾经在Windows上装rayoptics时遇到C++编译错误。解决方案是提前装好Microsoft C++ Build Tools。如果你用Linux或macOS，一般不会出问题。

4.5 Jupyter Notebook配置

Jupyter Notebook是我最常用的光学计算环境。为什么？因为它支持代码、公式、图表、说明文字混排。做镜头设计报告时，我直接把Notebook导出成HTML或PDF，省去写文档的时间。

4.5.1 启动与基本操作

# 在终端启动
jupyter notebook

# 或者用更现代的JupyterLab
jupyter lab

启动后浏览器会自动打开。点击右上角「New」→「Python 3」新建笔记本。

4.5.2 我常用的几个配置

自动补全：按 Tab 键，变量名、函数名自动补全
帮助文档：在函数后加 ? 再运行，比如 np.linalg.inv?
LaTeX公式：在Markdown单元格中用 $...$ 或 $$...$$ 写公式
魔法命令：%timeit 测量代码执行时间，%matplotlib inline 让图表直接显示

个人经验：我习惯在Notebook开头加一个配置单元格，统一设置图表参数和显示选项：

%matplotlib inline
%config InlineBackend.figure_format = 'retina'
import matplotlib.pyplot as plt
plt.rcParams['figure.dpi'] = 120
plt.rcParams['font.size'] = 12

这样后面画的图都清晰、统一，省得每张图调参数。

4.6 本章知识体系

下面这张图概括了本章的核心逻辑。你想想看，从安装到验证，再到工具选择，其实就一条线——搭好环境，才能跑通计算。

4.7 验证环境是否完整

最后，我建议你跑一个完整的「冒烟测试」。把下面这段代码复制到Jupyter里执行，如果全部通过，说明环境搭建成功。

import numpy as np
import scipy as sp
import matplotlib.pyplot as plt

# 1. NumPy：近轴光线追迹矩阵
M_free = np.array([[1, 10], [0, 1]])  # 10mm自由传播
M_lens = np.array([[1, 0], [-0.02, 1]])  # 焦距50mm薄透镜
M_sys = M_lens @ M_free
print("系统矩阵:\n", M_sys)

# 2. SciPy：求解透镜焦距
from scipy.optimize import fsolve
def lens_eq(f):
    return 1/f - 0.02
f_sol = fsolve(lens_eq, 50)
print(f"求解焦距: {f_sol[0]:.2f} mm")

# 3. Matplotlib：画光路
z = np.linspace(0, 100, 500)
y = 5 * (1 - z/50)
plt.plot(z, y, label='光线路径')
plt.axvline(50, color='r', linestyle='--', label='透镜位置')
plt.xlabel('z (mm)')
plt.ylabel('y (mm)')
plt.legend()
plt.grid(True)
plt.show()

print("✅ 环境验证通过！")

注意：如果Matplotlib绘图不显示，检查是否运行了 %matplotlib inline。我刚开始用Jupyter时也踩过这个坑——代码跑完没图，还以为库没装对。