「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：

工具	干嘛用的	费用
Python 3.10+	编程语言本体	免费
Miniconda	环境管理 + 包管理	免费
pandas	数据处理（读 CSV、清洗、统计）	免费
matplotlib	画图（最基础的可视化库）	免费
seaborn	画图（基于 matplotlib，更美观）	免费
pyecharts	交互式中文图表	免费
plotly	Web 级交互式图表	免费
jupyter	交互式笔记本，边写代码边看结果	免费
zhipuai	智谱 AI SDK，调用免费模型	免费
python-dotenv	读取 .env 文件中的环境变量	免费

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：

bash Miniconda3-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 3.10
conda create -n dataviz python=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：

pip install pandas 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：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import pyecharts
import plotly
import zhipuai

print(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：

import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
import pyecharts
import plotly
import zhipuai

print(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：

from dotenv import load_dotenv
load_dotenv()  # 加载 .env 文件

import os
from zhipuai import ZhipuAI

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
export ZHIPUAI_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：

import pandas as pd
import matplotlib.pyplot as plt

# 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：

import os
print(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。