4、Python环境搭建：Anaconda安装、虚拟环境创建、必备库安装
好，咱们进入实操环节了。说实话，环境搭建这块，我见过太多同学卡在这里。明明代码逻辑没问题，一跑就报错，十有八九是环境没配好。今天我就带你一步步搞定它。
4.1 为什么非得用Anaconda？
你可能听说过Python，也见过别人直接装个Python就开干了。那我为什么还推荐Anaconda？
说白了，Anaconda就是个「全家桶」。它自带Python解释器，还捆绑了150多个常用科学计算库。你想想看，如果一个个手动装，光是解决依赖冲突就能让你怀疑人生。
我在项目中遇到过最典型的情况：一个项目需要numpy 1.19，另一个需要1.24。要是只有一个全局Python环境，你怎么办？Anaconda的虚拟环境就是干这个的——每个项目一个独立空间，互不干扰。
核心优势：
- 自带Python + 常用库，省去手动安装的麻烦
- 虚拟环境隔离，不同项目用不同版本的库
- conda命令比pip更智能，自动处理依赖关系
4.2 Anaconda安装：三步走
安装过程其实很简单，但我还是想提醒几个坑。
第一步：下载安装包
去Anaconda官网下载对应系统的安装包。Windows选64位，Mac选对应的芯片版本（Intel还是M1/M2）。嗯，这里要注意：别下错了版本，否则后面一堆兼容性问题。
第二步：安装过程
Windows用户记得勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会提醒你不推荐，但我个人习惯是勾上——省得后面还要手动配环境变量。
第三步：验证安装
打开终端（Windows用Anaconda Prompt），输入：
conda --version
python --version如果能看到版本号，恭喜你，装好了。
我曾经踩过的坑：安装路径不要有中文和空格！我之前装到「Program Files (x86)」下面，结果某些库死活找不到路径。后来全卸了重装到 D:\Anaconda3，世界清净了。
4.3 虚拟环境创建：你的项目隔离舱
虚拟环境这个概念，说白了就是给你的每个项目一个「独立小房间」。你在房间里怎么折腾都行，不会影响到外面的世界。
创建环境
打开终端，输入：
conda create -n trajectory_eval python=3.9这条命令的意思是：创建一个名叫 trajectory_eval 的环境，Python版本指定为3.9。为什么选3.9？因为目前大多数轨迹评估库对3.9支持最好。3.10以上有些库还没适配。
激活环境
conda activate trajectory_eval激活后，你会发现终端前面多了个 (trajectory_eval) 前缀。这就表示你已经在虚拟环境里了。
退出环境
conda deactivate小技巧：我习惯用 conda info --envs 查看所有环境列表。有时候环境多了，自己都忘了创建过哪些。这个命令一目了然。
4.4 必备库安装：numpy, matplotlib, pandas
这三个库，可以说是轨迹评估的「三驾马车」。咱们一个一个说。
numpy：数值计算的基础
轨迹数据本质上就是一堆坐标点，numpy的数组操作能让你高效处理这些数据。
conda install numpy安装完可以验证一下：
python -c "import numpy; print(numpy.__version__)"我在项目中经常用numpy做轨迹点的坐标变换。比如把经纬度转成平面坐标，或者计算两个轨迹点之间的欧氏距离。没有numpy，这些操作得写一堆循环，效率低得可怕。
matplotlib：可视化利器
评估轨迹好不好，光看数字没用。画出来，一眼就能看出问题。
conda install matplotlib简单测试：
python -c "import matplotlib; print(matplotlib.__version__)"你想想看，一条规划的轨迹和实际行驶的轨迹，叠在一起画出来。偏差大的地方一目了然。这就是可视化的力量。
pandas：数据处理神器
轨迹数据往往以CSV或Excel形式存储。pandas的DataFrame结构，让你像操作Excel一样处理数据。
conda install pandas验证：
python -c "import pandas; print(pandas.__version__)"一次性安装所有库：
conda install numpy matplotlib pandas这样conda会自动处理库之间的依赖关系，比一个个装更省心。
4.5 本章知识体系
下面这张图，帮你理清今天讲的所有内容：
4.6 常见问题与避坑
| 问题 | 原因 | 解决办法 |
|---|---|---|
| conda命令找不到 | 环境变量没配好 | 重新安装并勾选PATH选项，或手动添加环境变量 |
| 安装库时网络超时 | 默认源在国外，速度慢 | 换成清华镜像源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ |
| 虚拟环境激活失败 | Windows下PowerShell权限问题 | 用Anaconda Prompt代替，或者以管理员身份运行 |
| numpy和pandas版本冲突 | 单独安装导致版本不匹配 | 用 conda install numpy pandas 一次性安装 |
我曾经犯过的错：有一次急着跑一个demo，直接在base环境里装了一堆库。结果后面做项目时，发现base环境乱成一锅粥，有些库版本对不上，有些库卸载不干净。最后花了半天时间重装Anaconda。从那以后，我每个项目都老老实实建虚拟环境。
好了，环境搭建这块就讲到这里。你按照上面的步骤走一遍，应该不会出大问题。如果卡住了，回头看看那个表格，大部分坑我都帮你踩过了。