📚 课程目录第2章环境搭建

2. 环境搭建：从零准备MOFA调优实验台

好，咱们开始动手。说实话，环境搭建这个环节，看着简单，但坑不少。我见过太多同学卡在「装包失败」这一步，然后跑来问「老师我哪步错了？」。其实吧，很多时候就是Python版本没对齐，或者虚拟环境没切对。

这一章咱们就把这事彻底搞定。目标就一个——把你的电脑变成一台能跑MOFA的工作站。

2.1 Python虚拟环境：为什么不能偷懒？

你想想看，做数据分析项目，哪个不用装十几个包？numpy、pandas、scikit-learn、mofapy……如果全装到系统Python里，那画面太美我不敢看。项目A要numpy 1.21，项目B要numpy 1.19，直接撞车。

虚拟环境就是干这个用的。它给每个项目单独开一间「小房间」，包互不干扰。我在项目里遇到过好几次依赖冲突，最后都是用虚拟环境解决的。所以我建议你从一开始就养成这个习惯。

工具	推荐场景	个人倾向
venv	Python 3.3+ 自带，轻量	我首选这个，省事
conda	需要非Python依赖（如C库）	MOFA不需要，conda有点重
pipenv	兼顾依赖锁定与项目管理	适合团队，个人用稍显繁琐

小提示：我个人习惯用 venv。理由很简单——Python装完就能用，不用额外装工具。而且pip现在也能解析依赖冲突了，配合 pip-tools 基本够用。

好，咱们直接上手。假设你已经在终端里打开项目目录：

python3 -m venv mofa_env
source mofa_env/bin/activate

看到命令行前面多了 (mofa_env)，说明虚拟环境已激活。这时候你安装的任何包都不会污染系统环境。

注意：千万别忘了激活环境就开始装包。我曾经有段时间老是忘记这一步，结果包装到全局，后面排查依赖冲突花了半天。白费功夫。

2.2 安装mofapy：两种路径

mofapy是MOFA的Python接口。你可以在PyPI上直接装，也可以从GitHub装最新版。我建议先装稳定版。

pip install mofapy

等一两分钟，如果看到类似这样的输出，就算装好了：

Successfully installed mofapy-1.6.2 numpy-1.24.3 scipy-1.10.1 h5py-3.8.0

如果你想用最新开发版（比如修复了某个bug），可以走GitHub安装：

pip install git+https://github.com/bioFAM/MOFA.git

避坑指南：我遇到过mofapy安装时报 h5py 编译错误的情况。这时候可以试试先单独装h5py：

pip install h5py
pip install mofapy

主要原因是h5py在某些系统上需要HDF5库，提前装好可以跳过自动编译。

2.3 三大依赖库：numpy、pandas、scikit-learn

这三兄弟是数据分析的标配。mofapy本身会依赖numpy和scipy，但pandas和scikit-learn需要你手动装。它们的版本要搭配好，不然跑模型时会出莫名其妙的问题。

库	建议版本	为什么选这个版本
numpy	≥1.21.0	1.21之后改进了矩阵运算性能
pandas	≥1.3.0	1.3开始支持更好的缺失值处理
scikit-learn	≥1.0.0	1.0版本API稳定，向下兼容好

实操时，你可以一次性装完：

pip install numpy pandas scikit-learn

如果你用的是国内镜像，比如清华源，可以把下载速度拉满：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy pandas scikit-learn

2.4 验证安装：写个「健康检查」脚本

装完了别急着往下走。我习惯写个验证脚本，确认每个包都能正常导入，版本也对得上。

import numpy as np
import pandas as pd
import sklearn
import mofapy

print("numpy:", np.__version__)
print("pandas:", pd.__version__)
print("scikit-learn:", sklearn.__version__)
print("mofapy:", mofapy.__version__)

print("✅ 所有依赖就绪！")

运行结果应该长这样：

numpy: 1.24.3
pandas: 1.5.3
scikit-learn: 1.2.2
mofapy: 1.6.2
✅ 所有依赖就绪！

如果哪个包报 ModuleNotFoundError，就回去用pip重新装。如果版本比建议的低，也可以升下级。

小技巧：你可以把这段脚本保存成 check_env.py，以后换机器或给别人部署环境时，跑一遍就能快速确认。

2.5 MOFA的数据格式：提前熟悉

在开始调优之前，你得知道MOFA要什么样的数据。不然你准备好了一堆Excel表，结果发现格式对不上，那就尴尬了。

MOFA接收的是两个层：输入数据和样本分组。输入数据是一个矩阵，行是特征（比如基因、蛋白质），列是样本。样本分组告诉模型哪些样本属于同一个组。

文件/数据	格式要求	示例
输入数据矩阵	CSV或TSV，行为特征，列为样本	`features x samples`
样本分组文件	两列：样本ID、组标签	`sample_1, group_A`
缺失值处理	用 `NaN` 填充	`NA` 或空白会被自动处理

说白了，你只需要准备好两个CSV。一个装数据，一个装分组标签。后面咱们调模型时，会手把手教你写解析代码。

2.6 本章知识结构：一张图看清

说了这么多，咱们用一张流程图来收尾。我把它画成了从「创建环境」到「数据就绪」的完整链路：

看到这张图你就知道了。咱们的顺序是：环境 → 装包 → 验证 → 数据。一步到位，不走回头路。

2.7 最后再啰嗦两句

可能有人觉得「搭建环境」不算核心内容，想直接跳到调模型。我刚开始做项目时也是这么想的，结果花在「装不上包、版本不对、格式报错」上的时间比调模型还多。

所以这一章你认真走一遍，后面30个章节都会省心。嗯，咱们下节就要开始实战了，到时候你直接用这个环境跑代码就行，不用再手忙脚乱。