在本地使用 VS Code 运行数据分析代码时，配置一个独立且干净的虚拟环境是确保项目稳定性的首要步骤。以下是基于 Anaconda 搭建 boosting_env 环境的全过程记录。

以下操作均为作者在Gemini的带领下首次成功部署并流畅使用Python进行数据分析的记录，希望对同为初学者的你有所帮助。

---

1. 背景与需求

• IDE：Visual Studio Code（代码编写与调试）。

• 环境管理：Anaconda（用于创建隔离的 Python 虚拟环境，避免库版本冲突）。

• 目标：配置一个 Python 3.9 的环境，并一键安装项目所需的依赖包。

---

2. 准备工作

• VS Code：官方下载地址

• Anaconda：安装完成后，主要使用其附带的 Anaconda Prompt 进行命令行操作。官方下载地址

---

3. 环境配置步骤

第一步：启动终端

在 Windows 搜索栏输入 Anaconda Prompt 并打开。初始进入时，路径前缀显示为 (base)，表示当前处于基础环境。

# 初始状态展示
(base) C:\Users\xxx>

第二步：创建虚拟环境

执行以下命令新建名为 boosting_env 的环境，并指定 Python 版本为 3.9。-y 参数用于自动确认安装过程中的基础包。

(base) C:\Users\xxx>conda create -n boosting_env python=3.9 -y

第三步：激活环境

创建完成后，需要从 base 切换到新环境。

出现 (boosting_env)表示你已经进入到了这个虚拟环境里，现在可以搜索一些你需要的包（或者让你的AI小助手生成一下）

(base) C:\Users\xxx>conda activate boosting_env

# 激活后的状态，前缀已改变
(boosting_env) C:\Users\xxx>

第四步：批量安装依赖库

这里我将需要的库+版本储存在一个txt文档，便于以后打包给其他人使用，你可以从顶部文档下载试用。

使用 pip 指令读取 requirements.txt 文件。为了提高下载速度，这里使用了清华大学的 PyPI 镜像源。

(boosting_env) C:\Users\xxx>pip install -r D:\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

第五步：在 VS Code 中关联环境

一切完成后，我们就可以在VSCode里面挑选自己心仪的配置环境使用了。

点击最上方的“搜索窗口”，输入>就能看到Python解释器的选择，在这里寻找你的boosting_env环境

---

4. 常用维护指令

• 退出当前环境：如果你配置错了/下载卡住了/想要退出此环境等等

  conda deactivate
  

• 查看已安装的包：

  pip list
  

---

5. 避坑指南

1. 路径问题：在执行 pip install -r 时，务必确保 requirements.txt 的绝对路径正确，或先 cd 到对应文件夹下。

2. 镜像源：国内网络环境下，务必带上 -i https://pypi.tuna.tsinghua.edu.cn/simple，否则安装大型数据科学包（如 Pandas, Scikit-learn）极易超时失败。