4. Python 环境搭建：Anaconda 安装、虚拟环境创建与必备库安装
在开始 FinFET 器件 C-V 曲线拟合与建模之前，建立一个干净、可复现的 Python 开发环境是工程实践的第一步。本节将引导你完成从 Anaconda 发行版安装、虚拟环境隔离到科学计算与机器学习核心库部署的全流程。
工程原则：使用虚拟环境可以隔离不同项目的依赖冲突，确保本课程使用的 numpy 1.24+、scipy 1.10+、matplotlib 3.7+、scikit-learn 1.3+ 版本不会与系统或其他项目发生冲突。
4.1 Anaconda 发行版安装
Anaconda 是一个开源的 Python 发行版，内置了 conda 包管理器、Python 解释器以及 1500+ 科学计算包。推荐使用 Anaconda 2023.09 或更新版本，内置 Python 3.11。
| 操作系统 | 下载链接 | 安装注意事项 |
|---|---|---|
| Windows 10/11 (x86_64) | Anaconda3-2023.09-Windows-x86_64.exe | 勾选"Add Anaconda3 to my PATH environment variable"（可选） |
| macOS (Intel/Apple Silicon) | Anaconda3-2023.09-MacOSX-x86_64.pkg / arm64.pkg | Apple Silicon 芯片请选择 arm64 版本 |
| Linux (x86_64) | Anaconda3-2023.09-Linux-x86_64.sh | 使用 bash 命令执行 .sh 文件，默认安装至 ~/anaconda3 |
验证安装：打开终端（Windows 使用 Anaconda Prompt），输入
conda --version，应返回类似 conda 23.7.4 的版本号。
4.2 创建 FinFET 建模专用虚拟环境
虚拟环境为每个项目提供独立的 Python 解释器和包空间。本课程统一使用名为 finfet_cv 的环境，Python 版本指定为 3.11。
# 创建虚拟环境（在终端或 Anaconda Prompt 中执行）
conda create -n finfet_cv python=3.11 -y
# 激活环境
conda activate finfet_cv
# 验证当前环境
python --version
# 应输出: Python 3.11.x
常见错误：如果激活环境后
python --version 仍显示系统 Python，请检查是否在正确的终端中操作。Windows 用户务必使用 Anaconda Prompt，而非 cmd 或 PowerShell。
4.3 必备科学计算与建模库安装
本课程的核心依赖库分为三个层级：数值计算层（numpy/scipy）、数据可视化层（matplotlib）、机器学习层（scikit-learn）。以下表格列出各库的用途与版本要求。
| 库名称 | 版本要求 | 在 FinFET 建模中的角色 |
|---|---|---|
| numpy | ≥ 1.24.0 | 数组运算、C-V 数据矩阵处理、多项式拟合基础 |
| scipy | ≥ 1.10.0 | 曲线拟合（curve_fit）、插值、平滑滤波 |
| matplotlib | ≥ 3.7.0 | C-V 曲线绘制、拟合结果可视化、出版级图表输出 |
| scikit-learn | ≥ 1.3.0 | 数据预处理、特征缩放、模型评估指标计算 |
# 在激活的 finfet_cv 环境中执行批量安装
conda install numpy scipy matplotlib scikit-learn -y
# 或者使用 pip（conda 源中缺失某些版本时）
pip install numpy==1.24.3 scipy==1.10.1 matplotlib==3.7.2 scikit-learn==1.3.0
安装验证脚本：在 Python 交互式环境或脚本中执行以下代码，确认所有库可正常导入且版本符合要求。
import numpy as np
import scipy as sp
import matplotlib as mpl
import sklearn
print(f"numpy : {np.__version__}")
print(f"scipy : {sp.__version__}")
print(f"matplotlib : {mpl.__version__}")
print(f"sklearn : {sklearn.__version__}")
# 预期输出示例（版本号可能因安装时间略有差异）：
# numpy : 1.24.3
# scipy : 1.10.1
# matplotlib : 3.7.2
# sklearn : 1.3.04.4 环境导出与复现
完成所有库安装后，建议将当前环境配置导出为 YAML 文件，便于团队成员或后续课程复现完全一致的依赖环境。
# 导出当前环境配置
conda env export -n finfet_cv > finfet_cv_environment.yaml
# 在其他机器上根据 YAML 文件重建环境
conda env create -f finfet_cv_environment.yaml
最佳实践：将
finfet_cv_environment.yaml 文件纳入 Git 仓库的 env/ 目录下，与源代码一同版本管理。每次新增依赖库后，重新导出并提交更新。
4.5 环境搭建检查清单
- Anaconda 安装：确认 conda 命令可用，Python 版本为 3.11.x
- 虚拟环境创建：
conda create -n finfet_cv python=3.11 -y执行成功 - 环境激活：终端提示符前出现
(finfet_cv)前缀 - numpy 安装：版本 ≥ 1.24.0，可执行
np.array([1,2,3]) - scipy 安装：版本 ≥ 1.10.0，可导入
scipy.optimize.curve_fit - matplotlib 安装：版本 ≥ 3.7.0，可执行
plt.plot()并显示图形 - scikit-learn 安装：版本 ≥ 1.3.0，可导入
sklearn.metrics.r2_score - 环境导出：
finfet_cv_environment.yaml文件已生成