📚 课程目录第2章化学信息学环境搭建

化学信息学环境搭建：Python库安装、RDKit配置、Jupyter环境

环境搭建这事儿，说简单也简单，说坑也是一堆。我最早接触化学信息学时，光装RDKit就折腾了一下午，因为那时候还不懂Python虚拟环境这些概念。其实只要你按部就班走，15分钟就能搞定。

我们先看看整个环境依赖的层次关系，这样你心里有个谱。

1. Python 版本选择

RDKit 对 Python 版本很敏感。我个人习惯用 Python 3.9 或 3.10，这两个版本在 RDKit 2023.09 LTS 上跑得最稳。Python 3.12 目前还有兼容性问题，建议先别碰。

检查一下你的 Python 版本：

python --version

# 如果看到 Python 3.8.x - 3.11.x，没问题
# 如果是 3.12+，嗯……建议降级

我之前带过一个项目，团队有人装了 Python 3.12，RDKit 死活装不上，最后回退到 3.10 才解决。这类问题最耗时，所以先打好基础。

2. 创建虚拟环境

虚拟环境是每个 Python 项目的独立空间。说白了就隔离不同项目的包，互不干扰。我推荐用 conda 管理 RDKit，因为它直接提供预编译包，省去编译的麻烦。

# 用 conda 创建环境
conda create -n chem_env python=3.10

# 激活环境
conda activate chem_env

小贴士：如果你用 M1/M2/M3 Mac，注意要指定 osx-arm64 平台，否则 RDKit 可能装不上 arm 原生版本。命令参考：CONDA_SUBDIR=osx-arm64 conda create -n chem_env python=3.10

要是你更习惯用 virtualenv，也行。就是 RDKit 编译那一步稍微复杂点，我个人感觉不如 conda 省心。

# 用 virtualenv
python -m venv chem_env
source chem_env/bin/activate  # Linux/Mac
# chem_env\Scripts\activate   # Windows

3. 安装 RDKit

核心步骤来了。RDKit 是化学信息学的瑞士军刀，解析 SMILES、画分子结构图、计算分子描述符，都靠它。

# conda 安装（推荐）
conda install -c conda-forge rdkit

# 或者指定版本
conda install -c conda-forge rdkit=2023.09.6

注意：不要用 pip install rdkit 直接装。pip 会从源码编译，你的机器上如果没有 C++ 编译工具链，会报一堆红字错误。我曾经眼睁睁看着同事编译了 40 分钟然后失败……嗯，直接用 conda 多好。

验证安装是否成功：

python -c "from rdkit import Chem; print(Chem.MolFromSmiles('CCO')); print('RDKit OK')"

如果输出一个 <rdkit.Chem.rdchem.Mol object at 0x...> 以及“RDKit OK”，恭喜你，环境通了。

4. 安装科学计算扩展库

RDKit 虽然强，但处理批次数据和可视化还需要几个好搭档。其实这些库你后面做统计分析和画图都会用到。

# 一行安装所有常用库
conda install -c conda-forge numpy pandas matplotlib seaborn jupyter ipykernel

# 或者用 pip
pip install numpy pandas matplotlib seaborn jupyter

库名	作用	典型用法
numpy	数组与矩阵运算	处理分子描述符矩阵、批量数学变换
pandas	数据框操作	CSV 中存 SMILES、分组统计分析
matplotlib	基础绘图引擎	绘制分子性质分布图、物理化学性质散点图
seaborn	统计可视化	联合分布图、热图展示分子多样性
jupyter	交互式笔记本	可视化调试、分步分析 SMILES

你想想看，如果只有 RDKit 没有 pandas，你处理一千个 SMILES 还得手动写循环，多累。这些库组合在一起，才是真正干活的状态。

5. 配置 Jupyter Notebook 内核

环境装好了，但 Jupyter 默认还在用系统 Python。你得把自己创建的虚拟环境注册成 Jupyter 内核。

# 在当前虚拟环境下安装 ipykernel
pip install ipykernel

# 注册内核
python -m ipykernel install --user --name chem_env --display-name "Chem (Python 3.10)"

启动 Jupyter：

jupyter notebook

# 或者新版 JupyterLab
jupyter lab

打开笔记本后，右上角 Kernel 菜单里选 "Chem (Python 3.10)"，就能用上你刚配好的 RDKit 环境了。

快速验证：在 Notebook 的单元格里运行下面代码，如果看到乙醇分子结构图，说明环境完美。

from rdkit import Chem
from rdkit.Chem import Draw

mol = Chem.MolFromSmiles('CCO')
Draw.MolToImage(mol, size=(200, 200))

6. 避坑指南（我踩过的几个坑）

别用 root 装 RDKit。我早期干过这蠢事，结果把系统 Python 搞乱了，最后重装了系统。虚拟环境是底线。
M1/M2 Mac 记得加 conda-forge 通道。默认通道里 RDKit 版本旧得离谱，而且可能是 x86 转译版本，性能差一大截。
Jupyter 内核找不到包？大概率是你用了 base 内核。退出 Jupyter，切到虚拟环境再 jupyter notebook 试试。
Windows 用户注意路径空格。Anaconda 默认安装到 Program Files 带空格的路径，偶尔会出奇怪的 ImportError。我遇到过一回，最后乖乖重装到 C:\Anaconda3 就没事了。
pip 和 conda 混用出问题？建议先 conda 装 RDKit 和核心科学计算库，实在缺的再用 pip，不要来回混着用。

7. 环境完整性自检

最后跑一下这个脚本，确保所有组件都能正常调通。我觉得这一步值得养成习惯，每次在新机器上搭环境都跑一遍，能省不少排查时间。

import sys
import numpy as np
import pandas as pd
import matplotlib
import rdkit

print(f"Python 版本: {sys.version}")
print(f"NumPy 版本: {np.__version__}")
print(f"Pandas 版本: {pd.__version__}")
print(f"Matplotlib 版本: {matplotlib.__version__}")
print(f"RDKit 版本: {rdkit.__version__}")

# 测试 RDKit 核心功能
from rdkit import Chem
from rdkit.Chem import Descriptors

mol = Chem.MolFromSmiles('CC(=O)OC1=CC=CC=C1C(=O)O')
if mol:
    mw = Descriptors.MolWt(mol)
    print(f"阿司匹林分子量: {mw:.2f} g/mol")
    print("所有库调用正常，环境就绪！")

输出类似这样的信息就对了：

Python 版本: 3.10.12 (main, Jul  5 2023, 14:03:55) [Clang 14.0.6]
NumPy 版本: 1.26.4
Pandas 版本: 2.2.2
Matplotlib 版本: 3.8.4
RDKit 版本: 2023.09.6
阿司匹林分子量: 180.16 g/mol
所有库调用正常，环境就绪！

看到这个，你就可以放心开始后面的 SMILES 批次分析了。环境搭好了，后面的所有案例才有得玩。