环境搭建：conda 创建虚拟环境、Scanpy 及依赖库安装、GPU 支持

说起单细胞分析，很多人第一步就栽在了环境配置上。我刚开始接触 Scanpy 时，直接在 base 环境里装了一堆包，结果依赖冲突搞得我差点重装系统。后来学乖了——每次项目都新建一个干净的 conda 虚拟环境，省心太多。

这章我们就一步步把环境搭好。你跟着走，大概 10 分钟就能跑通。

1. conda 虚拟环境：隔离才是王道

虚拟环境说白了就是给你的项目造一个独立的小房间。里面装什么包都不会影响到其他房间。

我个人习惯用 conda create 而不是 venv，因为 conda 能管理非 Python 的底层库（比如 HDF5、BLAS），省去不少编译烦恼。

先创建一个名为 scanpy_env 的环境，指定 Python 3.10：

conda create -n scanpy_env python=3.10 -y

-y 参数自动确认安装，省得你盯着屏幕按回车。创建好后激活：

conda activate scanpy_env

你可以在终端里看到 (scanpy_env) 前缀，表示你已经进到这个隔离空间了。

2. 安装 Scanpy 及其核心依赖

激活环境后，用 conda-forge 渠道安装 Scanpy：

conda install -c conda-forge scanpy

conda-forge 是社区维护的频道，包更新快且兼容性好。我个人很少用 pip 装 Scanpy，因为 conda 会把底层库（比如 anndata、umap-learn）一块拉下来，减少版本不匹配的可能。

如果你需要额外工具，比如 leidenalg（社区检测）、harmony（批次校正），也可以一起装：

conda install -c conda-forge leidenalg harmony-pytorch

下面这张表格列出了 Scanpy 生态里的常用依赖，供你参考：

3. GPU 支持：让计算飞起来

Scanpy 本身不直接调用 GPU，但它的底层依赖（比如 numpy、scipy、umap）可以通过 CUDA 加速。你想想看，处理 10 万细胞的数据集，CPU 跑个降维可能要 5 分钟，GPU 可能 30 秒就搞定了。

要启用 GPU，你需要安装 cupy 或 rapids 生态。这里我推荐 cupy，因为它安装简单且兼容性好。

先确保你有 NVIDIA 显卡、驱动和 CUDA toolkit。查看 CUDA 版本：

nvidia-smi

输出的右上角会显示 CUDA Version。比如 12.4，那你就装对应版本的 cupy：

pip install cupy-cuda12x

如果你用 conda，也可以：

conda install -c conda-forge cupy

但我发现 conda 版 cupy 有时会链接到错误的 CUDA 库，所以更推荐 pip 指定版本。

4. 验证安装：跑个最小测试

装完别急着关终端。我们来写几行代码确认环境正常：

import scanpy as sc
print(sc.__version__)

# 如果装了 cupy，测试 GPU 可用
try:
    import cupy as cp
    a = cp.array([1, 2, 3])
    print("cupy 可用，设备:", cp.cuda.runtime.getDeviceProperties(0)['name'])
except ImportError:
    print("cupy 未安装，走 CPU 模式")

如果输出类似 1.10.4 和 cupy 可用，那恭喜你，环境通关了。

我个人习惯把这段验证代码写成一个 check_env.py，每次新环境都会跑一遍。省得做到一半才发现某个库缺了。

本章知识结构概览

下面是整个环境搭建的决策流程，我把它画成了 SVG。照着这张图走，基本不会漏东西：

常见问题 & 经验之谈

• conda 安装慢？ 换国内镜像源。比如清华源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
• ImportError: No module named 'leiden' 老版本 Scanpy 用 python-igraph，新版用 leidenalg。如果你遇到，直接 conda install -c conda-forge leidenalg
• CUDA 版本不对？ 可以用 nvidia-smi 查看支持的最高版本，然后装对应 cupy。cupy-cuda11x 对应 11.x，cupy-cuda12x 对应 12.x
• Python 版本怎么选？ 我测试下来 Python 3.9-3.11 兼容性最好，3.12 有些包还不稳定。建议就用 3.10。