环境搭建：把工具箱备齐

说实话，很多自动化流程跑不起来，不是逻辑写错了，是环境没搭好。我以前带团队时就遇到过——新人花两天配环境，结果依赖冲突，项目都启动不了。所以这一章，我们先老老实实把地基打牢。

我会带你把三个核心部分配好：Python环境、数据库、以及核心依赖库。弄完这些，后面的批处理脚本才能稳稳跑起来。

Python环境选择与安装

我个人的习惯，永远先用虚拟环境。为什么？你想想看，不同项目可能依赖不同版本的 pandas，混在一起迟早出问题。

推荐用 Python 3.9 以上，我目前用 3.10。版本太老有些新语法不支持，太新又可能个别库没适配。

创建虚拟环境的命令很简单：

python -m venv qc_env
source qc_env/bin/activate  # Linux/Mac
qc_env\Scripts\activate     # Windows

看到命令行前出现 (qc_env)，就说明环境已经激活了。嗯，这里要注意一点：每次打开新终端都要重新激活。我一开始老忘，后来写了个小脚本自动激活。

数据库选型：SQLite 还是 PostgreSQL？

做批量质控，你得有个地方存结果。我个人通常这样选：

• 开发测试阶段：用 SQLite，零配置，文件即数据库
• 生产部署阶段：用 PostgreSQL，支持并发，性能更好

下面这张表可以帮你快速对比：

特性	SQLite	PostgreSQL
安装复杂度	无需安装	需要安装服务
并发写入	弱（单写）	强（多写）
适合场景	单机/小批量	团队/大批量
数据量上限	约 140TB（理论）	几乎无限

我在项目中遇到过这种情况：用 SQLite 本地测得好好的，一上服务器就报数据库锁。后来换成 PostgreSQL 才解决。所以生产环境别犹豫，直接上 PostgreSQL。

安装 PostgreSQL 也很简单，Ubuntu 下一条命令：

sudo apt update
sudo apt install postgresql postgresql-contrib

然后创建一个数据库给我们的质控项目用：

sudo -u postgres psql -c "CREATE USER qc_user WITH PASSWORD 'your_password';"
sudo -u postgres psql -c "CREATE DATABASE batch_qc OWNER qc_user;"

核心依赖库安装

批量质控流程离不开几个关键库。我把它们整理成一份 requirements.txt，一条命令装完。

必备库清单

库名	版本建议	用途
pandas	≥1.5.0	数据读取、清洗、统计
sqlalchemy	≥2.0.0	数据库 ORM 操作
psycopg2-binary	≥2.9.0	PostgreSQL 驱动
openpyxl	≥3.0.0	Excel 读写（可选）
numpy	≥1.24.0	数值计算

创建 requirements.txt 文件，写入以下内容：

pandas>=1.5.0
sqlalchemy>=2.0.0
psycopg2-binary>=2.9.0
openpyxl>=3.0.0
numpy>=1.24.0

然后一键安装：

pip install -r requirements.txt

看看安装结果。如果出现红色报错，八成是某个库的依赖冲突。我踩过的坑是 pandas 和 numpy 版本不匹配，解决办法是升级 numpy 到最新版。

验证环境是否就绪

环境搭好没，跑个简单脚本试试看：

import pandas as pd
import sqlalchemy
import psycopg2

print(f"pandas version: {pd.__version__}")
print(f"sqlalchemy version: {sqlalchemy.__version__}")
print(f"psycopg2 module: {psycopg2.__name__}")

# 试连一下 SQLite
engine = sqlalchemy.create_engine('sqlite:///test.db')
engine.connect()
print("数据库连接成功！")

如果能正常打印版本号，而且最后显示 "数据库连接成功！"，那恭喜你，环境算是搭好了。

一张图看懂本章知识体系

我把这一章的内容画成了一张流程图，方便你理解整体结构：

常见问题与避坑

环境搭建过程中，你可能会遇到几个小问题。我帮你总结了一下：

我记得有一次，一个同事花了一整天都没装好 psycopg2。原因是系统缺少 libpq-dev 库。解决办法：

sudo apt install libpq-dev

装完再 pip install，瞬间就好了。所以遇到编译报错，先看看是不是缺系统依赖。

好，环境搭好了。接下来你就可以放心写代码了。记住，环境稳定是自动化流程跑得顺利的前提，别在这步省时间。