📚 课程目录第2章开发环境搭建

2. 开发环境搭建

做PDB数据处理，第一步不是写代码，而是把“厨房”收拾利索。我见过不少同学装了一堆包，结果版本冲突搞到崩溃——其实只要一开始走对路，后面能省掉一半的调试时间。

2.1 为什么选Anaconda

Python环境管理说白了就两个阵营：原生pip + venv，和Anaconda。我个人习惯用Anaconda，原因很简单——生物信息学里很多工具（比如Biopython、对接软件）依赖非Python的C库，conda能原生处理这些依赖。你用pip装Biopython时可能很顺利，但装某些结构分析库时，编译失败的报错会让你想砸电脑。

我曾经在一个服务器上折腾了整整半天，就为了装一个叫pdb-tools的包，最后发现是gcc版本不对。换成conda后，一行命令解决。

结论：做PDB相关开发，我强烈建议用Anaconda或Miniconda，别光靠pip。

2.2 Anaconda安装实战

安装过程没什么特别的，大家去官网下载对应系统版本就行。不过有三点我想提醒你：

安装路径不要有中文和空格，否则后面装包可能会出玄学问题。
安装时勾选“Add Anaconda3 to PATH”——虽然安装器会警告说这样可能影响其他软件，但为了命令行里直接敲conda，我每次都勾上。
如果系统已装过Python，安装完后检查一下默认python路径对不对：

which python
# 应该输出类似：
# /home/you/anaconda3/bin/python

安装完成后，更新一下conda本身：

conda update -n base conda
conda update --all

嗯，这一步容易被忽略，但新版本的conda在解决依赖关系时快很多。

2.3 创建虚拟环境——最值钱的一步

我刚开始做PDB项目时，所有包都装在base环境里。结果后来需要同时维护两个项目：一个要用Biopython 1.78，另一个需要Biopython 1.83，直接冲突了。当时我傻眼了。

所以现在每个项目我都独立建一个环境。

conda create -n pdb_env python=3.9
conda activate pdb_env

你觉得Python版本选多少合适？我个人推荐3.9或3.10。3.8太老，很多新包开始放弃支持；3.11以上有些科学计算库的预编译wheel还不全。3.9是最安全的折衷。

小技巧：环境名最好和项目关联，比如 pdb_analysis、alphafold_pipeline，不然三个月后你打开环境列表完全想不起来是干嘛用的。

2.4 核心科学计算库安装

先把最基础的装上：

conda install numpy scipy pandas
conda install jupyter jupyterlab

为什么先装NumPy？很多依赖它的包在pip安装时会现场编译，慢且容易出问题。用conda装的话，它直接拉编译好的二进制包，速度快十倍。

我在项目中遇到过一个问题：某次用户报告说他的PDB数据处理脚本跑出来全是NaN，查了一天才发现是NumPy版本太新，某个API废弃了。所以建议记下当前安装的版本号：

conda list numpy
# 比如输出 numpy 1.23.5

下面这个表格是我自己用的主力库清单，你可以参考：

库名	用途	推荐版本
numpy	数组运算、矩阵操作	≥1.23
scipy	科学计算、插值、优化	≥1.9
pandas	数据框、CSV/TSV处理	≥1.5
requests	下载PDB文件、REST API	≥2.28

2.5 Biopython——PDB处理的灵魂

Biopython是处理PDB文件最核心的库。安装很简单：

conda install -c conda-forge biopython

为什么指定conda-forge渠道？因为默认的defaults渠道里Biopython更新较慢，而conda-forge几乎跟官方同步。我曾经用默认渠道装了个1.78版，结果发现它不支持有些新PDB格式扩展字段，换成conda-forge后直接装到1.83。

装完之后验证一下：

python -c "import Bio; print(Bio.__version__)"

如果输出类似“1.83”这样的数字，就说明装好了。注意不要装成BioPython（注意大小写），都是坑。

避坑指南：Biopython的PDB模块依赖NumPy，如果你先pip装了Biopython再装NumPy，可能会出现“ImportError: cannot import name 'PDB'”。解决方法是卸载重装Biopython，或者直接用conda一起装。

2.6 Matplotlib与可视化

做结构分析免不了要画图——RMSD分布、B-factor曲线、Ramachandran图等。Matplotlib是主力：

conda install matplotlib seaborn

Seaborn是Matplotlib的增强版，画统计图时省很多代码。不过要注意：

Matplotlib的默认字体不支持中文，画图时如果要显示中文字段名（比如“残基编号”），需要额外配置字体。
Seaborn版本≥0.12时，某些旧的API（如distplot）废弃了，建议直接用histplot或displot。

验证：

python -c "import matplotlib; print(matplotlib.__version__)"

2.7 一次性全装——省事版

如果你不想一个个装，可以用这个组合命令：

conda install -c conda-forge biopython numpy scipy pandas matplotlib seaborn jupyter jupyterlab requests

Conda会自动解析依赖并下载。等你看到“done”字样，环境就基本就绪了。

2.8 验证环境是否可用

我习惯写一个简单的测试脚本，跑通才算完：

python -c "
import numpy as np
import Bio.PDB
import matplotlib.pyplot as plt
print('所有核心库导入成功！')
print('NumPy:', np.__version__)
print('Biopython:', Bio.__version__)
print('Matplotlib:', matplotlib.__version__)
"

如果一行报错都没有，恭喜你，环境搭好了。如果报错，检查是哪个库没装上，重新用conda install补装就行。

我的习惯：把这个验证脚本保存在项目根目录，叫 check_env.py。每次换机器或迁移环境时，跑一遍就知道有没有东西漏掉。

下面是整个开发环境搭建的核心流程，一张图看懂：

按这张图的顺序走，基本不会出大问题。如果中间卡住了，停下来看看环境名是不是激活错了——这是最常见的低级错误，我当年至少犯过五次。