企业官网建设流程全解析

「AI Python 系列」第 02 栏 · AI+数据可视化
全栏 15 篇 · 零成本跟完 🍃
作者：梅雅达编程笔记
首发：CSDN

摘要：做数据可视化，先把工具装好。本篇带你 10 分钟搭建零成本工作环境：用Miniconda管理 Python 环境，安装pandas/matplotlib/seaborn/pyecharts/plotly全套可视化库，配置智谱 AI 免费 API（GLM-4.7-Flash）。附带一键安装命令和环境验证脚本，确保每步都跑通。装好就能直接用。

上一篇讲了数据可视化到底在干嘛，这篇动手。

先把干活用的家伙事儿准备好。放心，全部免费，装完就能跑。

一、你需要装什么

列个清单：

9 个工具，0 块钱。

二、装Miniconda

为什么不用 Anaconda？因为 Anaconda 太大了，自带几百个包，下载慢、占磁盘。Miniconda 是它的精简版，只带 Python 和 conda 包管理器，需要什么再装什么。

下载地址：https://docs.conda.io/en/latest/miniconda.html

选择你的系统版本：

• Windows：选Miniconda3-latest-Windows-x86_64.exe
• Mac（Intel）：选Miniconda3-latest-MacOSX-x86_64.sh
• Mac（M 系列芯片）：选Miniconda3-latest-MacOSX-arm64.sh
• Linux：选对应架构的.sh文件

Windows 安装注意：
安装时勾选Add Miniconda to PATH（虽然它会提示你不推荐，但勾上会省很多事）。

Mac / Linux 安装：

bashMiniconda3-latest-MacOSX-arm64.sh

一路回车，最后输入yes确认。安装完重启终端。

验证安装成功：

conda--version

看到版本号就行，比如conda 24.x.x。

三、创建数据分析专用环境

很多人装完Miniconda就直接在默认环境里干活。不推荐。

为什么？因为不同项目可能依赖不同版本的库。混在一起，迟早冲突。

正确做法：每个项目一个独立环境。

# 创建一个叫 dataviz 的环境，Python 版本 3.10conda create-ndatavizpython=3.10-y# 激活这个环境conda activate dataviz

激活后，你会发现命令行前面多了个(dataviz)，说明你在正确的环境里了。

Windows 用户如果conda activate报错，先运行：

conda init powershell

然后重启 PowerShell。

四、安装可视化工具包

环境建好了，开始装库。一行命令搞定：

pipinstallpandas matplotlib seaborn pyecharts plotly jupyter openpyxl zhipuai python-dotenv

解释一下每个包：

• pandas：数据处理的核心。读 CSV、读 Excel、筛选、分组、透视，全靠它
• matplotlib：Python 最经典的画图库，后面的基础
• seaborn：在matplotlib基础上封装了一层，默认配色就很好看
• pyecharts：百度开源的ECharts的 Python 封装，天然支持中文
• plotly：交互式图表，鼠标悬停能显示数据、能缩放
• jupyter：写代码的 IDE，但不像 VS Code 那么重，浏览器里就能用
• openpyxl：让pandas能读写 Excel 文件
• zhipuai：智谱 AI 的 Python SDK，后面要调 GLM-4.7-Flash
• python-dotenv：从.env文件中读取环境变量，保护敏感信息（如 API Key）

装完之后验证一下：

importpandasaspdimportmatplotlib.pyplotaspltimportseabornassnsimportpyechartsimportplotlyimportzhipuaiprint(f"pandas:{pd.__version__}")print(f"matplotlib:{matplotlib.__version__}")print(f"seaborn:{sns.__version__}")print(f"pyecharts:{pyecharts.__version__}")print(f"plotly:{plotly.__version__}")print(f"zhipuai:{zhipuai.__version__}")print("全部安装成功！")

注意第二行需要先import matplotlib，完整版本：

importpandasaspdimportmatplotlibimportmatplotlib.pyplotaspltimportseabornassnsimportpyechartsimportplotlyimportzhipuaiprint(f"pandas:{pd.__version__}")print(f"matplotlib:{matplotlib.__version__}")print(f"seaborn:{sns.__version__}")print(f"pyecharts:{pyecharts.__version__}")print(f"plotly:{plotly.__version__}")print(f"zhipuai:{zhipuai.__version__}")print("全部安装成功！")

每个库的版本号都打印出来了，就说明没问题。

五、配置智谱 AI（免费 API）

后面的章节会用 GLM-4.7-Flash 来辅助数据分析和可视化。现在先把 API 配好。

第一步：注册智谱 AI

打开 https://open.bigmodel.cn/ ，用手机号注册一个账号。

第二步：创建 API Key

登录后，进入「API Keys」页面，点「创建 API Key」，复制保存好。

第三步：创建.env文件（推荐方式）**

最安全、最规范的做法是用.env文件管理敏感信息。创建一个.env文件：

# .env 文件内容 ZHIPUAI_API_KEY=你的API Key

⚠️ 重要：不要把.env文件提交到 Git！创建.gitignore文件并添加.env：

.env

同时，建议创建一个.env.example模板文件（不含真实密钥），方便分享项目时其他开发者参考：

# .env.example 文件内容（不含真实密钥） ZHIPUAI_API_KEY=your_api_key_here

第四步：验证连通
在代码中加载.env文件并验证：

fromdotenvimportload_dotenv load_dotenv()# 加载 .env 文件importosfromzhipuaiimportZhipuAI client=ZhipuAI(api_key=os.getenv("ZHIPUAI_API_KEY"))response=client.chat.completions.create(model="glm-4.7-flash",messages=[{"role":"user","content":"你好，请用一句话介绍自己"}])print(response.choices[0].message.content)

备选方案：直接设置系统环境变量

如果你不想用.env文件，也可以直接设置系统环境变量：

Mac / Linux：

# 编辑 ~/.bashrc 或 ~/.zshrc，添加一行exportZHIPUAI_API_KEY="你的API Key"

Windows PowerShell：

# 临时设置（当前窗口有效）$env:ZHIPUAI_API_KEY ="你的API Key"# 永久设置[System.Environment]::SetEnvironmentVariable('ZHIPUAI_API_KEY','你的API Key','User')

如果打印出了模型的回复，就说明 API 连通了。

⚠️ GLM-4.7-Flash 是永久免费的，但新用户有每日调用次数限制。正常学习用绰绰有余。

六、启动Jupyter Notebook

Jupyter是数据分析最常用的写代码方式。不是非用不可，但强烈推荐——因为它能边写代码边看图表，不用反复运行整个脚本。

jupyter notebook

执行后会自动打开浏览器，进入Jupyter的文件管理界面。

新建一个 Notebook：点击右上角「New」→ 选择Python 3 (ipykernel)。

在第一个单元格里输入：

importpandasaspdimportmatplotlib.pyplotasplt# 设置中文显示（很重要，不然图表里的中文全是方块）plt.rcParams['font.sans-serif']=['SimHei','Arial Unicode MS','PingFang SC']plt.rcParams['axes.unicode_minus']=False# 快速画一个测试图data={'月份':['1月','2月','3月','4月','5月','6月'],'销售额':[12.3,10.1,15.8,14.2,18.6,22.1]}df=pd.DataFrame(data)plt.figure(figsize=(8,4))plt.plot(df['月份'],df['销售额'],marker='o',color='#2196F3')plt.title('上半年销售额趋势')plt.ylabel('销售额（万元）')plt.grid(True,alpha=0.3)plt.tight_layout()plt.show()print("环境验证通过！可以开始学数据可视化了。")

如果能正常显示一张折线图，中文也没有乱码，恭喜，环境全部搞定了。

Windows 用户如果中文显示还是方块，把字体改成plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']。
Mac 用户用PingFang SC或Arial Unicode MS。

七、环境出问题了怎么办

几个常见问题：

Q：pip install报权限错误
A：不要用sudo pip。确认你激活了conda环境（前面有(dataviz)），然后再装。

Q：matplotlib中文显示方块
A：这是字体问题。Day 06 会详细讲怎么处理，现在先用上面的plt.rcParams临时解决。

Q：pyecharts画图只显示空白
A：pyecharts生成的图表需要在浏览器里打开。在Jupyter里用RenderEngine展示，或者直接保存成 HTML 文件用浏览器打开。

Q：zhipuai调用报 401
A：API Key 没设置对。检查环境变量是否生效：

importosprint(os.getenv("ZHIPUAI_API_KEY"))

如果打印None，说明环境变量没配对。

Q：使用 .env 文件但 API Key 还是 None
A：检查以下几点：

1. 确认.env文件和代码文件在同一目录下
2. 确认load_dotenv()在读取环境变量之前调用
3. 确认.env文件中没有多余的空格，格式是ZHIPUAI_API_KEY=你的API Key（不要加引号）
4. 如果.env文件在其他目录，可以指定路径：load_dotenv(dotenv_path="/path/to/.env")

八、小结

这篇把所有工具都装好了。总结一下你做了什么：

1. 装了Miniconda（轻量版 Python 环境管理器）
2. 创建了dataviz专用环境
3. 安装了pandas +matplotlib+seaborn+pyecharts+plotly+jupyter+zhipuai
4. 注册了智谱 AI，用.env文件配好了免费 API
5. 用Jupyter画了第一张测试图

下一篇正式开始干活——用pandas读取、清洗、整理数据。毕竟画图的原料是数据，先把数据处理好。

下期预告：Day 03 Pandas 快速上手——读取 CSV/Excel、筛选数据、分组统计、数据变形，用一份真实的销售数据走完全流程。

往期推荐

Day 01：数据可视化到底在干啥？

专栏

• 「AI Python 系列」第 02 栏 ·AI+数据可视化
• 「AI Python 系列」第 01 栏 · AI+自动化办公（连载中）
• 「AI Python 系列」第 03 栏 · Python 爬虫实战（连载中）

资源领取

• 关注作者获取本栏完整代码和数据集

原创声明：本文为梅雅达编程笔记原创作品，未经允许不得转载。