1. 脚本运行环境问题：Python版本不兼容、缺少依赖库、环境变量配置错误
说实话，我见过太多人卡在脚本运行的第一步了。明明代码写得没问题，一跑就报错。我刚开始做地图数据处理那会儿，也经常被环境问题搞得头大。今天咱们就把这几个坑一个一个填平。
1.1 Python版本不兼容
Python版本这事儿，看着简单，其实挺容易翻车的。我遇到过有人用Python 3.12跑一个只支持3.8的脚本，结果一堆语法报错。
为什么会这样？
很多地图处理库，比如GDAL、Fiona，它们对Python版本有明确要求。你想想看，GDAL的某些版本只支持到Python 3.9，你非要用3.11去跑，那肯定不行。
我的建议：
- 先看脚本头部的注释，一般会写「Requires Python 3.6+」
- 用
python --version检查当前版本 - 实在不行就装个pyenv，随时切换版本
小技巧：我个人习惯在项目根目录放一个 .python-version 文件，里面写上版本号。这样团队里谁拉代码都不会搞错。
1.2 缺少依赖库
这个坑我踩过太多次了。尤其是GDAL和Fiona，这两个库的安装方式跟普通Python包不太一样。
常见报错长这样：
ModuleNotFoundError: No module named 'osgeo'
ImportError: DLL load failed while importing gdal嗯，看到这种报错，基本就是GDAL没装好。我记得有一次帮同事排查，他pip install gdal装了半天，结果发现系统里根本没装GDAL的C++库。
避坑指南：
- GDAL不能直接pip安装，得先装系统级的GDAL库
- Windows用户建议用conda：
conda install gdal - Linux用户：
sudo apt install libgdal-dev - Fiona也一样，依赖GDAL，顺序不能乱
我推荐的做法：
# 用conda环境，省心
conda create -n gis_env python=3.9
conda activate gis_env
conda install gdal fiona geopandas你想想看，用conda一次搞定所有依赖，比手动一个个装省事多了。
1.3 环境变量配置错误
这个最隐蔽。脚本能跑，但一处理大数据就崩。我遇到过一个人，GDAL装好了，但环境变量没配，结果读取GeoTIFF时总报错。
关键环境变量：
| 变量名 | 作用 | 常见问题 |
|---|---|---|
| GDAL_DATA | 指定GDAL数据文件路径 | 不设置会导致坐标参考系识别失败 |
| PROJ_LIB | 指定PROJ库路径 | 不设置会导致投影转换报错 |
| PATH | 包含GDAL可执行文件路径 | 不设置会导致命令行工具找不到 |
检查方法：
# 在Python里检查
from osgeo import gdal
print(gdal.__version__) # 能打印版本说明环境变量基本OK
# 检查GDAL_DATA
import os
print(os.environ.get('GDAL_DATA')) # 如果是None，说明没设置我曾经在一个项目里，脚本在Windows上跑得好好的，部署到Linux服务器就崩了。查了半天，原来是Linux上GDAL_DATA没设置。说白了，跨平台部署时环境变量最容易出问题。
知识体系梳理
下面这张图，是我根据多年经验总结的。你看一眼就能明白这三个问题之间的关系。
我的经验总结：遇到脚本跑不起来，先别急着看代码。按这个顺序排查：Python版本对不对 → 依赖装没装全 → 环境变量配没配。80%的问题都能解决。
好了，这一章的内容就到这儿。记住，环境问题不可怕，可怕的是不知道从哪儿下手。按我上面说的步骤来，基本都能搞定。