4. Python环境搭建与数据分析工具链

做水产养殖水质趋势预测，第一步不是写模型，而是把“能稳定跑代码的环境”搭好。水质数据通常来自传感器或人工记录，格式杂、缺失多、时间间隔不齐，后续还要画趋势图、算统计量、做插值和预测。这一整套工作依赖一条清晰的分析工具链：Anaconda 负责环境与包管理，Jupyter 负责交互式分析与记录，pandas 负责表格数据的清洗与整理，NumPy 负责数值计算，Matplotlib 负责趋势可视化。本节围绕这五个工具，讲清楚它们各自的位置、安装方式，以及一个最小可用的水质分析流程。

一、工具链的分工与数据流

理解工具链，先理解数据在其中的流动方向。原始水质记录（如溶氧、pH、水温、氨氮）先被 pandas 读入为 DataFrame，完成时间列解析、缺失值处理、重采样等整理；需要批量数值运算时，pandas 底层调用 NumPy 的数组与函数；整理好的序列交给 Matplotlib 绘制趋势曲线；而以上所有代码都在 Jupyter Notebook 的单元格中分段执行、即时查看结果；Anaconda 则在最底层提供 Python 解释器、这些库以及虚拟环境隔离。下图展示了这条从原始数据到趋势图的关系。

二、安装 Anaconda 并创建专用环境

Anaconda 是一个集成了 Python、conda 包管理器和大量科学计算库的发行版，适合不想逐个手动装库的初学者。从官网下载对应操作系统的安装包，安装时勾选“Add Anaconda to my PATH”需谨慎（可能影响系统其他 Python），更稳妥的做法是安装后使用 Anaconda Prompt（Windows）或终端（macOS/Linux）操作。

不建议把所有项目都塞进 base 环境。水质预测项目应单独建环境，避免库版本冲突。以下命令创建一个名为 aqua、Python 版本为 3.11 的环境，并安装本节所需库：

conda create -n aqua python=3.11 -y
conda activate aqua
conda install pandas numpy matplotlib jupyter -y

安装完成后，用 conda list 可查看已装包及版本。若网络较慢，可配置国内镜像源，但要注意镜像与官方源的包版本可能略有差异。验证环境是否可用，最直接的方式是启动 Python 并导入库：

python -c "import pandas, numpy, matplotlib; print(pandas.__version__, numpy.__version__)"

能正常打印版本号，说明工具链底座已就绪。若报 ModuleNotFoundError，通常是环境未激活或包未装进当前环境，先确认命令行提示符前是否有 (aqua) 标识。

三、Jupyter Notebook 的基本使用

在激活的 aqua 环境中执行 jupyter notebook，浏览器会自动打开工作界面。新建一个 Notebook 后，每个单元格（cell）可独立运行：代码单元格执行 Python，Markdown 单元格写说明。对水质分析而言，这种分段执行非常实用——先读数据看前几行，再单独处理缺失值，再单独画图，每步结果都能即时检查，出错也容易定位到具体单元格。

常用操作包括：Shift+Enter 运行当前单元格并跳到下一个，Ctrl+Enter 仅运行当前单元格，Esc 进入命令模式后按 A/B 在上/下方插入单元格。建议养成“一个单元格只做一件事”的习惯，并在关键步骤前用 Markdown 写明数据来源与处理意图，这样 Notebook 本身就是一份可复现的分析记录。

四、用 pandas 读入并整理水质数据

假设我们有一份示例数据 pond_do.csv，记录某池塘每小时的溶解氧（mg/L）、水温（℃）和 pH，字段为 time, do, temp, ph。下面是一段可直接运行的最小流程，数据为教学示例，非实测：

import pandas as pd

df = pd.read_csv("pond_do.csv", parse_dates=["time"])
df = df.sort_values("time").set_index("time")

# 查看缺失情况
print(df.isna().sum())

# 按小时线性插值补缺失，再按日求均值
df["do"] = df["do"].interpolate(method="time")
daily = df["do"].resample("D").mean()
print(daily.head())

这里的关键点有三个：parse_dates 把时间列转成真正的时间类型，否则后续无法按时间重采样；set_index("time") 让时间成为索引，是时间序列操作的前提；interpolate(method="time") 按时间间隔插值，比简单的前向填充更符合水质连续变化的物理特性。缺失值处理没有唯一答案，若某段溶氧缺失过长（例如超过 6 小时），插值可能失真，此时更应标记为无效段而非强行填补。

五、NumPy 做数值统计，Matplotlib 画趋势

pandas 的列可以直接转成 NumPy 数组做批量计算。例如计算溶氧的均值、标准差，以及判断低于 4 mg/L 的低氧时段占比：

import numpy as np

do = df["do"].to_numpy()
print("均值:", np.mean(do), "标准差:", np.std(do))
low_ratio = np.mean(do < 4.0)
print("低氧占比:", low_ratio)

接着用 Matplotlib 把日平均溶氧画成趋势线，并标出 4 mg/L 的警戒线：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

fig, ax = plt.subplots(figsize=(9, 4))
ax.plot(daily.index, daily.values, color="#3a8fb0", marker="o", label="日平均溶氧")
ax.axhline(4.0, color="#c94f6d", linestyle="--", label="低氧警戒线 4 mg/L")
ax.set_xlabel("日期"); ax.set_ylabel("溶解氧 (mg/L)")
ax.set_title("池塘溶解氧日平均趋势（示例数据）")
ax.legend(); fig.tight_layout()
fig.savefig("do_trend.png", dpi=150)

中文标签需要设置字体，否则会显示为方框；axes.unicode_minus 设为 False 可避免负号乱码。运行后应能在 Notebook 中看到曲线，并在当前目录生成 do_trend.png。判断结果是否合理，可以看曲线是否连续、警戒线附近是否有明显下穿、日期轴刻度是否可读——这些是趋势预测前必须确认的数据质量信号。

至此，一条从环境到图表的完整链路已经打通：Anaconda 提供隔离环境，Jupyter 承载交互分析，pandas 完成数据整理，NumPy 承担数值计算，Matplotlib 输出趋势图。后续的缺失值策略、异常检测和趋势预测，都将建立在这条已经验证可用的工具链之上。