2、环境搭建与第一个应用：安装Python、Streamlit及常用数据科学库

工欲善其事，必先利其器。对于数据科学Web应用开发而言，一个干净、可复现且易于管理的开发环境是后续所有工作的基石。本章将引导你从零开始，完成Python解释器、Streamlit框架以及Pandas、NumPy、Matplotlib等常用数据科学库的安装与配置，并最终创建并运行你的第一个Streamlit应用。我们将重点剖析环境搭建的核心原理、虚拟环境的使用方法，以及Streamlit应用的基本工作流程，帮助你建立起对开发全链路的清晰认知。

上图展示了本章的核心内容框架：从Python基础环境出发，依次安装数据科学库与Streamlit框架，最终通过streamlit run命令驱动一个完整的Web应用运行链路。下面我们将逐一深入每个环节。

2.1 核心原理：为什么需要虚拟环境与依赖管理

在Python生态中，不同项目可能依赖不同版本的第三方库。例如，项目A需要Pandas 1.5，而项目B需要Pandas 2.0，如果直接在全局环境中安装，后安装的版本会覆盖先前的版本，导致项目A无法运行。虚拟环境（Virtual Environment）正是为了解决这一问题而设计的。

虚拟环境本质上是一个独立的目录，其中包含独立的Python解释器、pip工具以及第三方库副本。通过激活虚拟环境，你可以将项目的依赖隔离在特定目录中，避免全局环境污染。对于Streamlit开发，我们强烈建议使用虚拟环境，原因有三：

• 依赖隔离：不同项目可以使用不同版本的Streamlit、Pandas等，互不干扰。
• 可复现性：通过requirements.txt文件锁定依赖版本，团队协作或部署时能精确还原环境。
• 安全性：避免因全局环境权限问题导致的安装失败，也减少了对系统Python的意外修改。

Python 3.3+内置了venv模块，无需额外安装即可创建虚拟环境。此外，Anaconda或Miniconda提供的conda命令也能创建虚拟环境，且对数据科学库的版本管理更为友好。本章以venv为主，兼顾conda的替代方案。

2.2 操作流程：从零搭建开发环境

以下是完整的操作流程，适用于Windows、macOS和Linux系统。请根据你的操作系统选择对应的命令。

步骤一：安装Python

1. 访问 Python官网，下载Python 3.9及以上版本的安装包（推荐3.10或3.11，Streamlit对3.12的支持也已完善）。
2. 安装时务必勾选 "Add Python to PATH" 选项，否则后续命令行无法直接调用python命令。
3. 安装完成后，打开终端（Windows为CMD或PowerShell，macOS/Linux为Terminal），输入以下命令验证安装：

python --version
pip --version

如果输出类似 Python 3.11.5 和 pip 23.2.1 的信息，说明安装成功。

步骤二：创建并激活虚拟环境

在项目根目录下执行以下命令（假设项目目录名为 streamlit_app）：

# 创建虚拟环境（Windows/macOS/Linux通用）
python -m venv .venv

# 激活虚拟环境
# Windows (CMD/PowerShell)
.venv\Scripts\activate
# macOS/Linux (bash/zsh)
source .venv/bin/activate

激活后，终端提示符前会出现 (.venv) 前缀，表示当前处于虚拟环境中。此时执行pip安装的包都会进入该环境。

步骤三：安装Streamlit及常用数据科学库

使用pip一次性安装所有依赖：

pip install streamlit pandas numpy matplotlib seaborn plotly scikit-learn

为了确保版本兼容，建议安装完成后生成依赖清单文件：

pip freeze > requirements.txt

该文件记录了当前环境中所有包及其精确版本号，是项目可复现的关键。

步骤四：验证安装

在终端中执行以下命令，检查Streamlit是否安装成功：

streamlit version

如果输出类似 Streamlit, version 1.36.0 的信息，说明安装成功。你也可以运行 streamlit hello 启动内置的演示应用，体验Streamlit的交互效果。

2.3 案例拆解：创建并运行第一个Hello World应用

下面我们通过一个完整的案例，演示从编写代码到运行应用的全过程。这个案例将包含一个简单的数据展示页面，并引入交互组件。

案例背景与目标

假设你是一名数据分析师，需要快速向业务团队展示一份销售数据的统计摘要。你希望团队成员能通过浏览器访问一个网页，查看数据表格、关键指标和图表，而无需安装任何Python环境。Streamlit正是解决这一需求的理想工具。

操作步骤

1. 创建项目文件：在项目目录下新建 app.py 文件。
2. 编写代码：使用文本编辑器（如VS Code、PyCharm）输入以下内容：

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 设置页面标题
st.title("📊 销售数据看板")

# 生成模拟数据
np.random.seed(42)
data = pd.DataFrame({
    "月份": pd.date_range("2024-01-01", periods=12, freq="M").strftime("%Y-%m"),
    "销售额": np.random.randint(100, 500, size=12),
    "利润": np.random.randint(20, 150, size=12)
})

# 显示数据表格
st.subheader("原始数据")
st.dataframe(data)

# 显示关键指标
col1, col2, col3 = st.columns(3)
col1.metric("总销售额", f"{data['销售额'].sum()} 万")
col2.metric("平均利润", f"{data['利润'].mean():.1f} 万")
col3.metric("最高销售额", f"{data['销售额'].max()} 万")

# 绘制折线图
st.subheader("销售趋势")
fig, ax = plt.subplots()
ax.plot(data["月份"], data["销售额"], marker="o", label="销售额")
ax.plot(data["月份"], data["利润"], marker="s", label="利润")
ax.set_xlabel("月份")
ax.set_ylabel("金额（万元）")
ax.legend()
st.pyplot(fig)

# 添加交互控件
st.subheader("数据筛选")
threshold = st.slider("最低销售额", min_value=100, max_value=500, value=200)
filtered_data = data[data["销售额"] >= threshold]
st.write(f"筛选后共 {len(filtered_data)} 条记录")
st.dataframe(filtered_data)

3. 运行应用：在终端中执行以下命令：

streamlit run app.py

Streamlit会自动打开默认浏览器，访问 http://localhost:8501，你将看到完整的应用界面。

结果与复盘

应用成功运行后，你可以观察到以下现象：

• 页面顶部显示标题，下方依次展示数据表格、指标卡片和图表。
• 拖动滑块时，页面会实时刷新，筛选后的数据表格随之更新。
• 在终端中，Streamlit会输出访问地址和运行日志，方便调试。

这个案例展示了Streamlit的核心工作流程：Python脚本 → 浏览器渲染 → 交互反馈。你只需编写纯Python代码，Streamlit自动处理HTML、CSS和JavaScript的生成，极大降低了Web开发门槛。

2.4 常见误区与总结复盘

在环境搭建和第一个应用开发过程中，初学者常会遇到以下问题，我们逐一分析并提供解决方案。

常见误区	现象描述	解决方案
未激活虚拟环境	安装的包出现在全局环境中，项目间依赖冲突	每次打开终端后，先执行 source .venv/bin/activate（Windows为 .venv\Scripts\activate）
Python未加入PATH	终端输入 python 提示“不是内部或外部命令”	重新安装Python并勾选“Add to PATH”，或手动配置系统环境变量
端口被占用	运行 streamlit run 时提示端口8501已被使用	使用 streamlit run app.py --server.port 8502 指定其他端口
依赖版本不兼容	导入Pandas或Matplotlib时报错，如 ImportError	使用 pip install --upgrade 升级包，或根据 requirements.txt 重新安装
代码修改后页面不更新	浏览器仍显示旧内容	检查终端是否有报错信息；确认文件已保存；Streamlit默认开启热重载，若未生效可手动刷新浏览器