Python环境搭建和LabVIEW中的调用

本文主要介绍Python相关的环境搭建、Anaconda的使用以及在LabVIEW中调用Python的方法。

1 版本介绍

安装python环境，注意Python版本，目前最新的LabVIEW 2023 Q3，支持3.6~3.10版本的python。工作中大多使用32位的LabVIEW，建议选择使用32位的python，64位不可用，仅64位的LabVIEW与其匹配。以下是NI官网关于32位和64位的介绍

我们首推 32位 LabVIEW，因为它可以在32位或64位操作系统上安装和使用，并且可以更好地兼容其他模块或工具包，同时更好地支持第三方插件。 32位的模块或工具包不能与64位 LabVIEW 搭配使用。

与32位 LabVIEW 相比，64位 LabVIEW 并没有任何速度优势，但它允许程序一次性访问更大的系统内存。虽然大多数用户都发现32位版本可为其项目提供大量资源，但某些特殊的应用可能需要额外的内存。如果您的程序需要处理非常大的数组或处理特别高清晰度的图像，64位 LabVIEW 是您更好的选择。

通常，我们建议开发人员使用32位 LabVIEW，只有需要使用额外内存时，才考虑64位 LabVIEW。

2 Python环境下载与安装

方式一：直接下载32位python

Python可在官网进行下载，选择3.10以内的版本，安装时配置环境变量。

在此安装后，可利用pip安装相关的工具包。

方式二：x64 Anaconda配置

使用Anaconda进行环境配置，下载地址Free Download | Anaconda。

利用Anaconda，官网最新的安装包默认安装64位版本，python版本在3.11以上，可在其中创建新的环境供LabVIEW使用。

安装时，选择上添加环境变量。

在完成安装后，打开Anaconda Prompt来配置环境。因为安装的是64位的conda，在Navigator中配置的虚拟环境也是 64 位的，但可以通过以下方法配置32位环境。

先切换到32位模式，然后再创建环境默认就是 32 位的 Python了：

set CONDA_FORCE_32BIT=1

切换成功不会有任何的提示信息，然后使用conda创建虚拟环境，此时创建出来的虚拟环境就是32位了。

使用conda create命令创建新环境。以下是一个示例命令，其中 "myenv" 是您要创建的环境的名称，而 "python=3.8" 是您要使用的Python版本。您可以根据自己的需求修改这些值：

conda create --name myenv python=3.8

之后在Navigator里面打开相关的环境，相关的工具包均为32位。

方式三： x86版本 Anaconda

如果仅与LabVIEW编程，也可此处选择清华源的安装此版本中的是python3.9，是32位的，在Navigator里面建立的环境可以直接使用。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=A

但由于时间较久了，很多都需要进行升级，存在不匹配问题。在控制台中，先手动升级pip。（不升级pip，无法直接在软件中更新操作）

python -m pip install --upgrade pip

升级pip之后，就可以在Anaconda中，手动设置升级了。

由于本身是32位程序，可以点击Create，专门为某个程序创建环境。如此处创建Lab的环境，选择了python3.10.4。用于后期测试不同的版本运行。

安装第三包，输入名称，选择版本

选择应用，即可完成。

3 在LabVIEW中的调用

面板位置

可以打开范例进行测试

直接打开会话

选择第一个，直接运行，会报错。主要原因是环境变量的问题，没有找到python的编辑器。

这个位置要找到之前Anaconda的安装路径，用里面的Python。如果是在Python官网下载的，在环境变量中配置的，则可以直接执行。此处选择以下即可。

选择路径后，执行正常。

Anaconda环境试

Anaconda环境测试，替换引用，输入默认的base。

测试运行初始化时候，会卡2秒，但Add运行执行的时间是和直接用Python是一致的。

替换之前建立的Lab环境，需要选择Anaconda的安装路径，建立的Python版本与之对应。

也可以在环境变量中进行配置，在Path选择建立的Lab环境的文件夹。

执行正常

接下来测试一个LabVIEW自带的范例，

这个范例可以测试两个环境的操作，如下。

程序里面，需要安装Numpy和scipy。base环境中，都已经自带了，新增的环境需要安装，否则会报错。

运行结果

审核编辑 黄宇