2. Python 环境搭建：Anaconda安装、Jupyter Notebook配置、必备库安装

在开始自动化良率报告开发之前，必须搭建一个稳定、可复现的 Python 数据科学环境。本章将指导你完成从零开始的完整环境配置，包括 Anaconda 发行版安装、Jupyter Notebook 交互式开发环境配置，以及 pandas、matplotlib、plotly、openpyxl 等核心库的安装与验证。

2.1 Anaconda 发行版安装

Anaconda 是一个开源的 Python 发行版，预装了超过 1500 个数据科学包，并自带 conda 包管理器。它能够有效避免不同项目间的依赖冲突，是良率分析项目的最佳起点。

2.1.1 安装步骤

1. 下载安装包： 访问 Anaconda 官网（https://www.anaconda.com/download），根据操作系统选择对应的 Python 3.9+ 版本安装包。
2. 运行安装程序：
   • Windows： 双击 .exe 文件，建议勾选“Add Anaconda to my PATH environment variable”（若未勾选，后续需手动配置环境变量）。
   • macOS/Linux： 在终端运行 bash Anaconda3-*.sh，按提示完成安装。
3. 验证安装： 打开终端（或 Anaconda Prompt），输入以下命令：

conda --version
python --version

若正确显示版本号（如 conda 23.x.x，Python 3.9.x），则安装成功。

2.1.2 创建独立虚拟环境

为避免不同课程项目间的库版本冲突，建议为良率报告项目创建专属虚拟环境：

conda create -n yield_report python=3.9 -y
conda activate yield_report

激活后，终端提示符前会出现 (yield_report) 字样，表示已进入该环境。

2.2 Jupyter Notebook 配置

Jupyter Notebook 是数据科学领域最流行的交互式开发工具，支持代码、可视化图表和说明文本的混合编排，非常适合良率报告的探索性分析与模板开发。

2.2.1 安装与启动

在激活的 yield_report 环境中，执行以下命令：

conda install jupyter notebook -y
jupyter notebook

执行后，浏览器将自动打开 Jupyter 主界面（默认地址：http://localhost:8888）。

2.2.2 核心配置优化

配置文件位于 ~/.jupyter/jupyter_notebook_config.py，若不存在，可通过 jupyter notebook --generate-config 生成。

2.3 必备库安装与验证

良率报告自动化需要依赖四个核心库：pandas（数据处理）、matplotlib（静态图表）、plotly（交互式图表）、openpyxl（Excel 读写）。

2.3.1 安装命令

在激活的 yield_report 环境中，依次执行：

conda install pandas matplotlib plotly openpyxl -y

或使用 pip 安装（若 conda 源中版本较旧）：

pip install pandas matplotlib plotly openpyxl

2.3.2 库功能对比

2.3.3 验证安装

在 Jupyter Notebook 中新建一个单元格，输入以下代码并执行：

import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
import openpyxl

print("pandas 版本:", pd.__version__)
print("matplotlib 版本:", plt.matplotlib.__version__)
print("plotly 版本:", px.__version__)
print("openpyxl 版本:", openpyxl.__version__)
print("✅ 所有必备库安装成功！")

若输出各库版本号且无报错，则环境搭建完成。

2.4 环境验证综合测试

为确认整个环境链路的完整性，运行以下综合测试代码：

import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
import openpyxl

# 1. pandas 数据创建
df = pd.DataFrame({
    '日期': ['2024-01-01', '2024-01-02', '2024-01-03'],
    '良率': [0.95, 0.97, 0.96]
})
print("✅ pandas 数据创建成功")

# 2. matplotlib 简单绘图
plt.plot(df['日期'], df['良率'])
plt.title('良率趋势测试')
plt.savefig('test_trend.png')
print("✅ matplotlib 绘图成功")

# 3. plotly 交互式绘图
fig = px.line(df, x='日期', y='良率', title='良率趋势测试（交互式）')
fig.write_html('test_trend.html')
print("✅ plotly 交互图生成成功")

# 4. openpyxl 写入
wb = openpyxl.Workbook()
ws = wb.active
ws['A1'] = '测试通过'
wb.save('test_output.xlsx')
print("✅ openpyxl Excel 写入成功")

print("🎉 环境验证全部通过！")

执行后，当前目录应生成 test_trend.png、test_trend.html、test_output.xlsx 三个文件，且控制台输出全部成功信息。