Python 环境与工具准备

到了这一章，咱们该把战斗装备备齐了。我个人习惯把环境搭建比作做饭前的备菜——菜没切好，锅里油热了也只能干瞪眼。MolProbity 报告批量解析，说白了就是让 Python 替我们干活。但前提是电脑里得有个干净、好使的 Python 环境。

记得我刚入行那会，觉得装个 Python 能有多难？结果直接在系统默认 Python 里 pip install 一大堆库，过了一个月发现想要个新版本，一升级，老的脚本全崩了。那滋味，嗯… 从那以后，虚拟环境就成了我工具箱里不可缺的东西。

这一章咱们就把 Anaconda 装上，建好虚拟环境，然后把后期会反复用到的四个库（re、pandas、matplotlib、beautifulsoup4）一个不落装进去。你跟着来就行，十分钟搞定。

3.1 Anaconda 的安装

Anaconda 是什么？你可以把它当成一个 Python 的“全家桶”。它自带 conda 包管理器，还预装了 200 多个数据科学常用包。对我们这种要处理生物信息学数据的人来说，真挺省事。

但我个人的建议是：下 Miniconda。它更轻量，装完就一个最小环境，想装什么自己 pip 或 conda install。尤其你如果只是跑脚本，没必要拖着一堆你用不上的库。

安装步骤很简单：

• 去官网（ https://docs.conda.io/en/latest/miniconda.html ）下载对应你操作系统的安装包。
• Windows 直接双击 .exe，一路下一步就行。
• Linux / macOS 用命令行跑：

bash Miniconda3-latest-Linux-x86_64.sh

有个小坑我踩过：安装时它问要不要把 conda 加到 PATH，一定要选 yes。不然你装完了在终端敲 conda 发现找不到命令，还得手动去配环境变量，烦得很。

3.2 虚拟环境创建与管理

为什么要搞虚拟环境？你想想看，你同时维护着三四个项目，一个需要 pandas 1.0，另一个需要 2.0。如果你全装全局，那冲突起来就是一场灾难。虚拟环境让每个项目拥有独立的 Python 解释器和包目录，互不干扰。

我一般会给每个项目一个环境名，比如这里我们用来解析 MolProbity 报告，我就命名为 molprobity。

创建环境：

conda create -n molprobity python=3.9

注意，我习惯指定 python 版本。3.9 足够稳定，而且也兼容后面要用的 pandas 和 beautifulsoup4。你也可以用 3.10 或 3.11，但别用最新的 3.12 以上，有些库可能还没适配好。

激活环境：

conda activate molprobity

退出环境：

conda deactivate

常用命令我列了个小表格，你以后随时查：

命令	说明
conda create -n 环境名 python=版本号	创建新环境
conda activate 环境名	激活环境
conda deactivate	退出当前环境
conda list	查看当前环境已安装的包
conda remove -n 环境名 --all	删除整个环境

3.3 必备库安装

四个库，一个一个说。

• re —— 正则表达式，Python 标准库，不用装，拿来就能用。
• pandas —— 表格数据处理神器，用来把 MolProbity 报告里的数据整理成 DataFrame。
• matplotlib —— 画图，后面你要把验证结果、得分分布可视化就靠它。
• beautifulsoup4 —— 解析 HTML 的利器。MolProbity 报告本质是 HTML 表格，我们用 bs4 把它抽出来。

激活环境后，执行：

pip install pandas matplotlib beautifulsoup4

你也可以用 conda 装，但 conda 源里的包可能不是最新的，我习惯用 pip。如果你网速慢，可以加上 -i https://pypi.tuna.tsinghua.edu.cn/simple 用国内镜像。

装完之后顺手验证一下版本：

python -c "import pandas; print(pandas.__version__)"
python -c "import matplotlib; print(matplotlib.__version__)"
python -c "import bs4; print(bs4.__version__)"
python -c "import re; print(re.__version__)"  # re 没有 __version__，这里会报错，没关系

我遇到过最郁闷的事：用 pip 装完包，发现 conda list 里看不到。其实这是正常的，pip 和 conda 两个包管理器互不知晓。如果你非要统一管理，就全程用 pip 吧。

3.4 环境验证

最后咱们写一段小脚本，把工具全拉出来遛一遛。能跑通，说明环境准备完成，后面就可以直接上手解析报告了。

# test_env.py
import re
import pandas as pd
import matplotlib.pyplot as plt
from bs4 import BeautifulSoup

print("所有库导入成功！")

# 简单测试 pandas
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
print("pandas 生成 DataFrame：")
print(df)

# 简单测试 matplotlib
plt.plot([1, 2, 3], [1, 4, 9])
plt.title('Test Plot')
plt.savefig('test_plot.png')
print("matplotlib 绘图并保存成功")

# 简单测试 bs4
soup = BeautifulSoup('<html><body><p>Hello</p></body></html>', 'html.parser')
print("bs4 解析 HTML 结果：", soup.find('p').text)

# 简单测试 re
pattern = re.compile(r'\d+')
print("re 匹配数字：", pattern.findall('abc123def456'))

保存为 test_env.py，然后在终端运行：

python test_env.py

如果看到类似这样的输出，说明环境完美：

所有库导入成功！
pandas 生成 DataFrame：
   A  B
0  1  3
1  2  4
matplotlib 绘图并保存成功
bs4 解析 HTML 结果： Hello
re 匹配数字： ['123', '456']

我把本章的核心流程画了一张图，方便你一眼看清整个准备工作的顺序：

这张图里的顺序很清晰：装好 Miniconda → 创建专属环境 → 装 re（不用装）和 pandas/matplotlib/beautifulsoup4 → 最后跑一下测试脚本收工。环境搭好了，后面我们就能放开手脚去解析那些密密麻麻的 MolProbity 报告了。