1.3 環境建置#

本節目標#

• 建立一個能舒服使用 SymPy 的開發環境
• 學會 Jupyter Notebook / JupyterLab 的基本操作
• 認識 VS Code 與 Google Colab 兩種替代方案
• 完成第一次 init_session() 啟動

三條路，任選一條#

方案一：Anaconda / Miniconda#

Anaconda 是「Python + 科學計算全家桶」的發行版，SymPy、NumPy、Jupyter 都已內建。到 anaconda.com 下載對應作業系統的安裝程式，一路按下一步即可。

嫌 Anaconda 太肥（數 GB）的話，改用精簡版 Miniconda，只含 Python 與 conda 套件管理器，再自行安裝需要的東西：

conda install sympy jupyter

建議為本書建立一個獨立環境（避免汙染系統 Python）：

conda create -n sympy-math python=3.12
conda activate sympy-math
conda install sympy jupyter matplotlib

pip 安裝（輕量路線）#

若你已有 Python 但不想用 conda，直接：

pip install sympy
pip install jupyterlab    # 可選：裝 JupyterLab

Jupyter Notebook / JupyterLab 使用導覽#

Jupyter 是「筆記本式」的程式介面：你在一格一格的儲存格（cell）裡寫程式，按 Shift + Enter 執行該格，結果顯示在格子下方。這種互動模式非常適合數學計算——算一步看一步。

啟動方式：

jupyter lab      # 新版介面（推薦）
jupyter notebook # 經典介面

介面導覽（文字版）：

• 瀏覽器視窗：左側是檔案列表，右側是工作區。
• 儲存格：有兩種常用型態——「Code」（Python 程式）與「Markdown」（筆記文字）。用工具列下拉選單切換。
• 執行：Shift + Enter 執行目前儲存格並跳到下一格；Ctrl + Enter 執行但不跳格。
• 程式狀態：儲存格左邊的 [ ] 顯示執行序號，[*] 表示正在執行。
• 核心（kernel）：選單 Kernel → Restart 可以重開 Python 程序，當變數狀態混亂時就重啟。
• 兩種模式：編輯模式（綠框，可打字）與命令模式（藍框，按 Esc 進入，可用快速鍵如 a 在上方新增格、b 在下方新增格、dd 刪除格）。

Jupyter 對 SymPy 特別友好：它能用 MathJax 把 SymPy 的輸出渲染成排版精美的數學式，例如直接顯示 \(\frac{2}{3}\) 而不是 2/3。

方案二：VS Code + Python extension#

1. 安裝 Visual Studio Code。
2. 在延伸模組（Extensions）面板搜尋並安裝 Python（微軟官方，含 Pylance）。
3. 可選：安裝 Jupyter 延伸模組，就能在 VS Code 裡直接開 .ipynb 筆記本。
4. 右上角選擇 Python 直譯器（若用了 conda 環境，選 sympy-math 環境裡的）。
5. 新增檔案 test.py，輸入 import sympy 後執行，確認沒有錯誤。

方案三：Google Colab（零安裝）#

不想動本機？開瀏覽器到 colab.research.google.com，登入 Google 帳號，新增筆記本即可。Colab 已內建 SymPy，直接 import sympy 就能用。缺點是需要網路、檔案存在雲端。

首次啟動 SymPy#

在本書中，每個程式區塊都假設你已經做過「初始化」。最懶惰也最方便的初始化是：

from sympy import *
init_session()

init_session() 會一次幫你做好三件事：

1. 自動宣告常用符號 x, y, z, t 與常用函數、常數
2. 開啟漂亮的數學排版（pretty printing）
3. 顯示你的 SymPy 版本資訊

執行後你會看到類似訊息：

IPython console for SymPy 1.13 (Python 3.12.0) ...
These commands were executed:
>>> from sympy import *
>>> x, y, z, t = symbols('x y z t')
>>> k, m, n = symbols('k m n', integer=True)
>>> f, g, h = symbols('f g h', cls=Function)

之後就能直接用 x、y 寫數學式了。本書為了讓每段程式可獨立執行，多數時候會明確寫出 from sympy import * 與 symbols()，但在 Jupyter 裡用 init_session() 最順手。

驗證安裝#

不管用哪種方案，跑這一段做最終確認：

import sympy

print(sympy.__version__)           # 例如 1.13.3
from sympy import sqrt, simplify
print(simplify(sqrt(2)**2))        # 應該輸出 2

兩行輸出都正確，環境就建置完成了。

動手實驗#

實驗 1：查出自己的環境資訊，記錄在筆記本第一格：

import sys, sympy
print(sys.version)        # Python 版本
print(sympy.__version__)  # SymPy 版本

實驗 2：體驗 Jupyter 的數學排版。在 Jupyter 中執行：

from sympy import *
init_session(quiet=True)
Integral(exp(-x**2), (x, -oo, oo))

最後一格不寫 print，直接讓運算式作為儲存格的「回傳值」，就會看到排版後的積分式。把它改寫成 print(...) 再比較兩種輸出。

實驗 3：在 Colab 中執行本章 1.1 節的所有實驗，確認雲端環境與本機結果一致。

小結與練習#

• 三種環境：Anaconda/Miniconda（全家桶）、pip 輕量安裝、Google Colab（零安裝）。
• Jupyter 以儲存格互動執行，配合 SymPy 可顯示排版數學式，最適合邊算邊學。
• init_session() 是懶人初始化；sympy.__version__ 可驗證安裝。

練習

1. 在你的環境中建立一個 sympy-math 資料夾，放一個 check.py，內容為版本驗證程式並成功執行。
2. 在 Jupyter 中練習：新增儲存格、切換 Code/Markdown、重啟 kernel 三個操作。
3. 比較 init_session() 與手動 from sympy import * + symbols() 兩種寫法的差異，想想要什麼時候該用哪一種。