📚 课程目录第3章环境搭建

环境搭建：安装Python、生物信息学库及验证

好，咱们正式开始动手。环境搭建这事儿，说白了就是给后续所有分析打好地基。地基不稳，后面跑什么都是白搭。我见过太多同学卡在环境问题上，一卡就是一整天，挺冤的。

这章咱们就把Python、虚拟环境和几个核心的生物信息学库一次性装好，再做个简单验证。保证你学完就能直接上手干活。

1. 安装Python：选对版本很重要

我个人习惯用Python 3.8以上的版本。3.6及以下就别碰了，很多新库都不支持。去 python.org 下载安装包就行，注意勾选「Add Python to PATH」。

装完验证一下：

python --version
Python 3.9.16

如果你看到类似输出，说明Python装好了。要是提示「不是内部或外部命令」，那就去检查环境变量。我在项目中遇到过几次，基本都是忘了勾PATH那个选项，重装一遍就解决了。

注意： 如果你用的是Mac或Linux，系统自带的Python 2.7千万别动。自己装一个新的，用 python3 来调用。

2. 虚拟环境：让你的项目隔离起来

你想想看，做不同项目时需要的包版本可能不一样。有的项目用pandas 1.3，有的用1.5。如果不隔离，就会互相打架。

我强烈推荐用 venv 或者 conda。咱们先用Python自带的 venv：

# 创建虚拟环境（在项目目录下执行）
python -m venv bio_env

# 激活环境（Windows）
bio_env\Scripts\activate

# 激活环境（Mac/Linux）
source bio_env/bin/activate

激活后，命令行前面会出现 (bio_env) 字样。这就说明你已经在隔离环境里了。

个人建议： 别在全局环境装生物信息学库。我在初期踩过坑——不同项目依赖冲突，修复花了整整一天。虚拟环境能救你命。

3. 安装核心库：pandas、numpy、biom-format、openpyxl

环境激活后，咱们开始装包。这是最关键的一步。安装顺序其实无所谓，但我会先装基础的，再装专业的。

3.1 安装pandas和numpy

这俩是数据分析的基石。numpy处理数组，pandas处理表格数据。咱们后面做丰度表格式转换，几乎每一步都离不开它们。

pip install numpy pandas

3.2 安装biom-format

biom-format是微生物组数据的标准格式库。但有个坑——它依赖numpy和pandas。所以建议先装好基础包再装它。

pip install biom-format

如果报错，别慌。试试用 conda 安装：

conda install -c bioconda biom-format

  我踩过的坑： 有一次我在Windows上直接 pip install biom-format，结果编译时报错。最后发现是VC++构建工具没装。后来我改用conda，一切顺利。所以Windows用户优先考虑conda。

3.3 安装openpyxl和xlrd

做格式转换，Excel文件太常见了。openpyxl处理 .xlsx，xlrd处理旧版 .xls。我建议两个都装：

pip install openpyxl xlrd

3.4 其他可能用到的库

根据你的实际项目，可能还会用到这几个：

h5py — 用于读取HDF5格式的BIOM文件（新版biom格式）
scipy — 稀疏矩阵操作
matplotlib / seaborn — 可视化，有时候需要画丰度图

安装命令：

pip install h5py scipy matplotlib seaborn

4. 验证环境：看看一切是否就绪

环境搭好之后，一定要验证。说白了，这一步就是确认所有轮子都能转。我习惯写一个小脚本，一次性检查所有关键包：

# check_env.py
import sys
import numpy
import pandas
import biom
import openpyxl
import xlrd

print("Python version:", sys.version)
print("numpy version:", numpy.__version__)
print("pandas version:", pandas.__version__)
print("biom version:", biom.__version__)
print("openpyxl version:", openpyxl.__version__)
print("xlrd version:", xlrd.__version__)
print("✅ 所有库导入成功！环境就绪。")

运行它：

python check_env.py

你应该看到类似这样的输出：

Python version: 3.9.16 (tags/v3.9.16:...)
numpy version: 1.24.3
pandas version: 2.0.1
biom version: 2.1.14
openpyxl version: 3.1.2
xlrd version: 2.0.1
✅ 所有库导入成功！环境就绪。

常见报错： 如果某个库导入失败，比如报 ModuleNotFoundError: No module named 'biom'，那就说明没装好。回到上一步用pip重新安装。另外注意—biom库导入时用 import biom，不是 import biom-format（中间是下划线或直接不加符号）。我曾经在导入时写错过名字，折腾了半小时。

5. 版本兼容性速查表

不同库的版本如果不匹配，也会出问题。我整理了一份常用版本对照关系：

库名	推荐版本	最低版本	备注
Python	3.9 - 3.11	3.7	3.12+ 部分旧库可能不兼容
numpy	1.24.x	1.20	biom-format 依赖它
pandas	2.0.x	1.3	推荐搭配 openpyxl
biom-format	2.1.14	2.1.10	新版已支持 HDF5
openpyxl	3.1.x	3.0	读写 .xlsx 必备
h5py	3.8.x	3.0	处理 .biom 的 HDF5 格式

6. 一些避坑指南

这部分是我反复踩坑后总结出来的，希望你能少走弯路：

不要用sudo pip安装。 如果你在Linux/Mac上遇到权限问题，先想想是不是忘了激活虚拟环境。用 sudo pip 可能会污染系统Python。
网络不稳定？ 国内用户安装包时经常超时。可以加国内镜像源，比如清华的：
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
我曾经在Windows上装biom-format时卡住。 后来发现是缺少Microsoft C++ Build Tools。去官网下载安装后，再装biom就顺利了。
版本不匹配？ 如果一个包死活装不上，试试降低一个主版本。比如pandas 2.0装不上，就装1.5.3。命令：pip install pandas==1.5.3

我的习惯： 在项目根目录创建一个 requirements.txt 文件，把环境信息记录下来。下次换机器，直接 pip install -r requirements.txt 搞定。内容大致如下：

numpy==1.24.3
pandas==2.0.1
biom-format==2.1.14
openpyxl==3.1.2
xlrd==2.0.1
h5py==3.8.0

好了，环境搭到这步，你手头已经有一套完整的生物信息学工具链了。从Python到pandas，从biom到Excel操作，一应俱全。接下来就可以正式处理丰度表数据了。