4. Python环境搭建

在进行采购支出分析与合同符合率排查之前，必须搭建稳定、可复用的 Python 数据分析环境。本章将引导你完成从零开始的工具链部署，确保后续所有代码与模型能够顺畅运行。

4.1 为什么选择 Anaconda + Jupyter Notebook + pandas

采购数据分析涉及大量表格合并、字段清洗、异常值检测与可视化输出。以下工具组合是业界公认的高效起点：

4.2 Anaconda 安装步骤

Anaconda 提供跨平台安装包，以下以 Windows 系统为例，macOS/Linux 操作逻辑一致。

1. 下载安装包：访问 Anaconda 官网（anaconda.com），选择 Python 3.9+ 版本的 Individual Edition 安装包。
2. 运行安装程序：右键以管理员身份运行，点击 Next。
3. 选择安装路径：建议使用默认路径（如 C:\ProgramData\Anaconda3），避免路径含中文或空格。
4. 关键选项：勾选 "Add Anaconda3 to my PATH environment variable"（方便命令行调用），以及 "Register Anaconda3 as my default Python"。
5. 完成安装：等待进度条走完，点击 Finish。

4.3 Jupyter Notebook 配置与启动

安装 Anaconda 后，Jupyter Notebook 已自动集成。推荐通过以下两种方式启动：

• 方式一（推荐）：在开始菜单找到 Anaconda Navigator，点击 Launch 按钮下的 Jupyter Notebook。
• 方式二：打开命令行（cmd 或 PowerShell），输入 jupyter notebook 回车，浏览器自动打开工作界面。

首次启动后，建议进行以下配置以提升采购分析效率：

4.4 pandas 库安装与导入验证

Anaconda 已预装 pandas，但建议在项目开始时显式验证版本并更新至最新稳定版。

安装/更新命令（在 Jupyter Notebook 单元格或命令行执行）：

# 在 Jupyter Notebook 中执行（推荐）
!pip install pandas --upgrade

# 或在命令行中执行
pip install pandas --upgrade

导入与版本验证：

import pandas as pd
print("pandas 版本:", pd.__version__)

# 快速测试：创建一个采购订单示例 DataFrame
df_test = pd.DataFrame({
    "订单号": ["PO-001", "PO-002", "PO-003"],
    "供应商": ["A 公司", "B 公司", "C 公司"],
    "合同金额": [150000, 230000, 98000],
    "实际付款": [150000, 225000, 98000]
})
print(df_test)
# 检查合同符合率（实际付款 / 合同金额）
df_test["符合率"] = df_test["实际付款"] / df_test["合同金额"]
print("\n合同符合率计算测试：")
print(df_test[["订单号", "符合率"]])

若输出无报错且正确显示表格与计算结果，则环境搭建成功。

4.5 环境搭建全流程总览

以下 SVG 图展示了从安装到验证的完整链路，帮助你建立全局视角：

4.6 环境验证清单

完成上述步骤后，使用以下清单逐项确认，确保后续课程不因环境问题中断：