2. Python 环境准备：版本选择、Anaconda 安装与虚拟环境配置

在开始编写数据质量检查脚本之前，搭建一个稳定、可复现的 Python 开发环境是第一步。本章将指导你完成 Python 版本选择、Anaconda 发行版安装、虚拟环境创建以及核心数据处理库的安装，确保后续所有实战脚本都能在统一的环境中正确运行。

2.1 Python 版本选择策略

Python 目前主要维护 3.9、3.10、3.11、3.12 等大版本。对于数据质量检查脚本，推荐遵循以下选择原则：

2.2 安装 Anaconda 发行版

Anaconda 是一个开源的 Python 发行版，内置了 conda 包管理器、Jupyter Notebook、Spyder IDE 以及 1500+ 预编译数据科学包。使用 Anaconda 可以避免手动编译底层库的繁琐过程。

安装步骤：

1. 访问 Anaconda 官网（https://www.anaconda.com/products/distribution）下载对应操作系统的安装包（Windows/macOS/Linux）。
2. 运行安装程序，建议勾选 "Add Anaconda to my PATH environment variable"（Windows 用户需注意，macOS/Linux 默认不勾选）。
3. 安装完成后，打开终端（Terminal）或 Anaconda Prompt，输入 conda --version 验证安装。

conda --version
# 输出示例：conda 24.9.2

python --version
# 输出示例：Python 3.12.7（Anaconda 自带基础环境版本）

2.3 创建独立的虚拟环境

虚拟环境可以为每个项目隔离依赖库，避免不同项目之间的版本冲突。本教程将创建一个名为 data_quality 的专用环境。

创建与激活虚拟环境：

# 创建 Python 3.10 虚拟环境
conda create -n data_quality python=3.10 -y

# 激活环境（Windows）
conda activate data_quality

# 激活环境（macOS/Linux）
source activate data_quality

# 验证当前环境 Python 版本
python --version
# 输出：Python 3.10.16

2.4 安装 pandas / numpy / openpyxl 等核心库

激活虚拟环境后，使用 conda 或 pip 安装数据质量检查所需的核心库。推荐优先使用 conda 安装，因为它会自动处理底层依赖（如 BLAS/LAPACK 数值计算库）。

核心库清单：

安装命令：

# 使用 conda 安装（推荐，自动处理依赖）
conda install pandas numpy openpyxl matplotlib seaborn -y

# 或者使用 pip 安装（如果 conda 源中找不到最新版本）
pip install pandas numpy openpyxl matplotlib seaborn

# 在 Python 交互环境中逐条导入
python -c "import pandas; print('pandas', pandas.__version__)"
python -c "import numpy; print('numpy', numpy.__version__)"
python -c "import openpyxl; print('openpyxl', openpyxl.__version__)"

# 预期输出示例：
# pandas 2.2.3
# numpy 1.26.4
# openpyxl 3.1.5

2.5 环境验证与常见问题

完成安装后，建议运行一个简短的脚本验证整个环境是否正常工作：

# test_environment.py
import pandas as pd
import numpy as np
import openpyxl

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    '姓名': ['张三', '李四', '王五'],
    '年龄': [28, 35, 42],
    '分数': [88.5, 92.0, 76.5]
})

print("环境验证通过！")
print(df)
print(f"\npandas 版本: {pd.__version__}")
print(f"numpy 版本: {np.__version__}")
print(f"openpyxl 版本: {openpyxl.__version__}")

2.6 环境导出与复现

完成环境配置后，建议导出环境配置文件，方便团队成员或后续部署时快速复现完全一致的环境：

# 导出当前环境的所有包信息
conda env export -n data_quality -f environment.yml

# 查看导出的文件内容（YAML 格式）
cat environment.yml

# 在其他机器上根据文件重建环境
conda env create -f environment.yml