3. Python 基础环境搭建：Anaconda 安装与配置

说实话，很多初学者在算法仿真上栽跟头，八成不是算法本身的问题，而是环境没搭好。我见过太多人花了两小时调代码，最后发现是 Python 版本不对，或者某个库没装对版本。

这一章，咱们就把地基打牢。你跟着我的节奏走，半小时内搞定一套干净、可复用的 Python 仿真环境。

3.1 为什么选 Anaconda？

你可能会问：直接装个 Python 不就行了？嗯，理论上可以。但实际做 3A 算法仿真时，你会遇到几个头疼的问题：

• 包依赖冲突：项目 A 需要 numpy 1.19，项目 B 需要 numpy 1.24，装在一起就炸了。
• 系统污染：pip install 装了一堆包，想卸载时发现根本不知道哪些是系统自带的。
• 跨平台移植：你在 Windows 上跑通的代码，放到 Linux 服务器上各种报错。

Anaconda 就是来解决这些问题的。它自带 Python 解释器、包管理器 conda，以及 1500+ 科学计算包。说白了，它是一个「全家桶」，开箱即用。

3.2 Anaconda 安装步骤

我个人习惯从 清华大学开源软件镜像站 下载，速度比官网快很多。具体步骤如下：

1. 下载安装包：访问 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，选择对应系统的版本。我建议选 Anaconda3-2024.10-1 或更新的版本，Python 3.12 起步。
2. 安装过程：
   • Windows：双击 exe，一路 Next。注意勾选 Add Anaconda3 to my PATH environment variable（虽然安装程序会警告不推荐，但我建议勾上，省事）。
   • Linux/Mac：用 bash 命令执行 bash Anaconda3-*.sh，按提示操作。
3. 验证安装：打开终端，输入 conda --version，看到版本号就说明装好了。

3.3 配置国内镜像源

默认的 conda 源在国外，下载速度慢得让人抓狂。我建议换成清华源：

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

配置完后，用 conda info 查看当前源列表，确认是否生效。

3.4 Python 虚拟环境创建

虚拟环境是 conda 最核心的功能。每个项目一个环境，互不干扰。我通常这样操作：

3.4.1 创建环境

# 创建一个名为 algo3a 的环境，指定 Python 3.10
conda create -n algo3a python=3.10

# 创建时同时安装常用包
conda create -n algo3a python=3.10 numpy scipy matplotlib

3.4.2 激活与退出

# Windows
conda activate algo3a

# Linux/Mac
source activate algo3a

# 退出当前环境
conda deactivate

3.4.3 管理环境

操作	命令	说明
查看所有环境	conda env list	带 * 的是当前激活的环境
克隆环境	conda create -n new_env --clone old_env	做实验前备份环境的好方法
导出环境	conda env export > environment.yml	分享给队友或部署到服务器
删除环境	conda remove -n algo3a --all	环境乱了就删掉重来

3.5 必备科学计算库安装

做 3A 算法仿真，下面这四个库是标配。我按安装顺序列出来：

3.5.1 NumPy

数值计算的基础。矩阵运算、随机数生成、线性代数都靠它。

conda install numpy

3.5.2 SciPy

在 NumPy 基础上提供了更高级的算法：优化、插值、信号处理、统计等。

conda install scipy

3.5.3 OpenCV-Python

计算机视觉库。图像读取、特征提取、相机标定都离不开它。

conda install opencv-python

3.5.4 Matplotlib

数据可视化。画轨迹图、误差曲线、直方图都靠它。

conda install matplotlib

3.6 验证安装

环境搭好了，咱们跑个简单脚本验证一下。创建一个 test_env.py 文件：

import numpy as np
import scipy.linalg as la
import cv2
import matplotlib.pyplot as plt

# 1. NumPy 测试：创建矩阵
A = np.array([[1, 2], [3, 4]])
print("NumPy 矩阵:\n", A)

# 2. SciPy 测试：矩阵求逆
A_inv = la.inv(A)
print("SciPy 逆矩阵:\n", A_inv)

# 3. OpenCV 测试：读取并显示图像
img = np.zeros((300, 300, 3), dtype=np.uint8)
cv2.rectangle(img, (50, 50), (250, 250), (0, 255, 0), 2)
cv2.imwrite('test_rect.png', img)
print("OpenCV 测试：已生成 test_rect.png")

# 4. Matplotlib 测试：画个正弦波
x = np.linspace(0, 2*np.pi, 100)
plt.plot(x, np.sin(x))
plt.title('Matplotlib 测试：正弦波')
plt.savefig('test_sin.png')
print("Matplotlib 测试：已生成 test_sin.png")

print("\n所有库安装成功！")

运行 python test_env.py，如果没有任何报错，并且生成了两张图片，说明环境搭建完成。

3.7 本章知识体系

下面这张图帮你理清整个环境搭建的脉络：

3.8 常见问题与避坑

• conda 命令找不到：检查环境变量，或者重新运行 Anaconda 安装程序，选择「修复」。
• 安装包时速度极慢：确认是否配置了国内镜像源。用 conda config --show channels 查看。
• OpenCV 导入报错：ImportError: libGL.so.1: cannot open shared object file。在 Linux 上执行 sudo apt install libgl1-mesa-glx 解决。
• Matplotlib 中文乱码：在代码开头加上 plt.rcParams['font.sans-serif'] = ['SimHei']，或者下载中文字体。