📦 库存预测模型实战

⚡ Python 环境准备

① Anaconda 安装 ② Jupyter Notebook 配置 ③ 必备库安装 🧰 pandas · numpy · matplotlib · scikit-learn · statsmodels

🐍 1. Anaconda 安装

下载访问 Anaconda 官网 (anaconda.com) 选择 Python 3.10+ 版本
安装图形化向导，建议勾选 Add to PATH (可选)
验证打开终端 / CMD 输入：

conda --version
# 输出示例: conda 23.7.4

✅ 安装后可使用 conda list 查看预装库

📦 一键集成 250+ 数据科学库

📓 2. Jupyter Notebook 配置

启动终端执行 jupyter notebook 或通过 Anaconda Navigator
配置工作目录 修改配置文件 jupyter_notebook_config.py
扩展插件 (可选) 安装 jupyter_contrib_nbextensions

# 生成配置文件
jupyter notebook --generate-config

# 常用配置项 (在文件中修改)
c.NotebookApp.notebook_dir = 'D:/stock_forecast'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 8888

快捷键	功能
Shift+Enter	运行单元格
Esc + H	显示快捷键帮助
A / B	在上/下方插入单元格
D + D	删除单元格

💡 建议安装 nb_conda_kernels 实现多环境内核

📚 3. 必备库安装

使用 conda 或 pip 安装以下核心库：

库名称	版本建议	用途 (库存预测)
pandas	≥ 2.0	数据清洗、时间序列处理
numpy	≥ 1.24	数值计算、数组操作
matplotlib	≥ 3.7	可视化：库存趋势、季节性
scikit-learn	≥ 1.3	回归、分类、模型评估
statsmodels	≥ 0.14	ARIMA、指数平滑、统计检验

📌 conda 安装 (推荐)

conda install pandas numpy matplotlib \
          scikit-learn statsmodels -c conda-forge

📌 pip 安装

pip install pandas numpy matplotlib \
            scikit-learn statsmodels

✅ 验证安装：在 Python 中执行 import pandas as pd; print(pd.__version__) 等

🧩 环境架构总览

🧪 基于 Anaconda 的库存预测开发环境

🔹 建议创建独立环境

conda create -n stock_env python=3.10

conda activate stock_env