🧸 中小学生友好色系 · 双边框设计 · 从零搭建专业时间序列预测环境
# 在 ts_env 环境中安装扩展 (可选) conda activate ts_env pip install jupyter_contrib_nbextensions jupyter contrib nbextension install --user
| 库名称 | 版本建议 | 安装命令 (conda/pip) | 用途 |
|---|---|---|---|
| pandas | ≥1.5 | conda install pandas | 时间序列数据处理 |
| numpy | ≥1.23 | conda install numpy | 数值计算 |
| matplotlib | ≥3.6 | conda install matplotlib | 静态图表绘制 |
| statsmodels | ≥0.13 | conda install statsmodels | ARIMA / 季节性分解 |
| scikit-learn | ≥1.1 | conda install scikit-learn | 特征工程 / 评估指标 |
| tensorflow | ≥2.10 | pip install tensorflow | 深度学习 (LSTM / CNN) |
# 一键安装核心库 (在 ts_env 环境中) conda activate ts_env conda install pandas numpy matplotlib statsmodels scikit-learn pip install tensorflow # TensorFlow 推荐用 pip 获取最新
# 在 Jupyter Notebook 中运行以下代码，验证所有库是否就绪
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression
import tensorflow as tf
print("pandas :", pd.__version__)
print("numpy :", np.__version__)
print("statsmodels :", sm.__version__)
print("sklearn :", sklearn.__version__) # 需先 from sklearn import __version__
print("tensorflow :", tf.__version__)
# 绘制简单时间序列
dates = pd.date_range('2023-01-01', periods=10)
data = np.random.randn(10).cumsum()
plt.plot(dates, data, marker='o', color='#6cc4a1')
plt.title('✅ 环境搭建成功 · 时间序列测试')
plt.show()
💡 如果所有版本号正常显示且图表弹出，说明环境完美搭建！