1 python 虚拟环境

Python 的虚拟环境是一种隔离的运行环境，允许为不同项目创建独立的 Python 环境，从而避免依赖冲突和全局环境污染。以下是创建和使用 Python 本地虚拟环境的详细步骤。

从Python 3.3版本起，Python标准库自带了venv模块用于创建虚拟环境。

# 1. 创建虚拟环境（建议在项目根目录执行） 

# 格式：python -m venv 虚拟环境名称（通常命名为venv） 

python -m venv venv 

# 2. 激活虚拟环境# Windows系统（cmd终端）

venv\Scripts\activate

进入虚拟环境,执行pip instal1 opencv-python==3.4.1.15,3.4.2之后有些算法申请了专利,用不了了.

安装opencv扩展包(选装):pip install opencv-contrib-python==3.4.1.15
如果装不了去:https://www.lfd.uci.edu/-gohlke/pythonlibs/下载相应的包手动安装.

（venv) D:\www\venv\Scripts> pip install opencv-python==3.4.1.15 opencv-contrib-python==3.4.1.15 jupyter matplotlib -i 3.4.10.

如果没有这个版本 可以 pip install opencv-contrib-python== 这样

opencv-contrib-python==3.4.1.15  其他人贡献库  contributions 是贡献（扩展包 不装也能用）

具体能帮你做这些事

1. 把抽象数据变成直观图表

   不管是简单的折线图、柱状图、散点图，还是专业的热力图、箱线图、3D 图，Matplotlib 都能画。比如你分析销售数据，用它画个柱状图，一眼就能看出哪个月份销量最高；分析学生成绩，画个箱线图，能快速发现分数的分布和异常值。
2. 在 Jupyter 里交互式绘图

   只要加一行简单的配置（%matplotlib inline），画好的图表就会直接显示在代码单元格下方，不用单独弹窗口。你改一行代码（比如把柱状图改成折线图），重新运行单元格，图表就会实时更新，特别适合边调参、边分析的场景。
3. 和数据分析工具无缝配合
   它能和 Jupyter 里常用的 NumPy、Pandas 完美搭配。比如你用 Pandas 处理完 Excel/CSV 数据，不用额外转换格式，直接传给 Matplotlib 就能画图，形成 “数据处理→可视化→笔记记录” 的完整流程，最后还能把带图表的 Jupyter 笔记分享给同事 / 同学。