环境准备：Python3.8+环境搭建、pip换源、虚拟环境创建、必备库安装
说实话，IoT设备行为基线这个事儿，代码量其实不大。但环境要是没配好，后面每一步都踩坑。我见过太多人花了一周调环境，最后发现是Python版本不对——这种时间浪费，完全没必要。
这一章，咱们就把地基打牢。你跟着我走一遍，半小时内搞定。
1. Python 3.8+ 安装：版本选对，少走弯路
为什么强调3.8+？因为scikit-learn从0.24开始就要求Python 3.8以上了。而IoT数据分析常用的pandas 1.3+，也对3.8有依赖。你想想看，装个低版本Python，后面库装不上，还得重来——何必呢？
推荐版本：Python 3.8.10 或 3.9.13。这两个版本经过大量项目验证，兼容性最好。
安装步骤很简单：
- 去 python.org 下载对应操作系统的安装包
- 安装时记得勾选 "Add Python to PATH"——这个忘了，后面命令行敲python会报"不是内部命令"
- 装完后打开终端，验证一下：
python --version
# 输出示例：Python 3.9.13
pip --version
# 输出示例：pip 21.2.4 from ...嗯，这里要注意：如果你电脑上同时有Python 2和Python 3，可能需要用 python3 和 pip3 来区分。我个人习惯统一用 python3，省得搞混。
2. pip换源：别让下载速度拖后腿
默认的pip源在国外，下载速度嘛……你懂的。我曾经在客户现场，网络环境差，装个numpy等了20分钟。后来换了国内镜像，30秒搞定。
推荐几个靠谱的源：
| 源名称 | 镜像地址 | 备注 |
|---|---|---|
| 清华大学 | https://pypi.tuna.tsinghua.edu.cn/simple | 稳定，更新快 |
| 阿里云 | https://mirrors.aliyun.com/pypi/simple | 国内访问速度最快之一 |
| 中国科技大学 | https://pypi.mirrors.ustc.edu.cn/simple | 教育网用户首选 |
配置方法有两种：
临时换源（一次有效）：
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple永久换源（推荐）：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple小技巧：换源后如果遇到包版本不匹配，可以加 --trusted-host 参数：pip install xxx --trusted-host pypi.tuna.tsinghua.edu.cn
3. 虚拟环境创建：隔离是专业性的体现
为什么非要虚拟环境？我遇到过最惨的情况：一个项目用pandas 1.0，另一个用pandas 2.0，全局装的话，两个项目总有一个跑不起来。虚拟环境就是给每个项目一个独立的Python房间，互不干扰。
Python 3.3+ 自带 venv，不用额外装。操作流程：
- 创建虚拟环境（在项目目录下执行）：
python -m venv iot_env这条命令会在当前目录生成一个 iot_env 文件夹，里面就是独立的Python环境。
- 激活虚拟环境：
# Windows:
iot_env\Scripts\activate
# macOS / Linux:
source iot_env/bin/activate激活后，终端前面会出现 (iot_env) 字样，说明你已经在虚拟环境里了。
避坑指南：我曾经在Windows上用PowerShell激活虚拟环境，结果报"执行策略限制"。解决办法：用cmd代替PowerShell，或者先执行 Set-ExecutionPolicy Unrestricted -Scope Process。
- 退出虚拟环境：
deactivate4. 必备库安装：IoT基线分析的四大金刚
咱们这门课要用到四个核心库。我按安装顺序列出来，每个库都有它的定位：
| 库名 | 版本要求 | 作用 |
|---|---|---|
| pandas | ≥1.3.0 | 数据处理、时间序列分析 |
| numpy | ≥1.21.0 | 数值计算、矩阵运算 |
| scikit-learn | ≥0.24.0 | 机器学习模型、异常检测 |
| matplotlib | ≥3.4.0 | 数据可视化、基线展示 |
安装命令（确保虚拟环境已激活）：
pip install pandas numpy scikit-learn matplotlib如果网络慢，加上换源参数：
pip install pandas numpy scikit-learn matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple装完后验证一下：
python -c "import pandas; import numpy; import sklearn; import matplotlib; print('All libraries imported successfully!')"没有报错，说明环境就绪了。
个人经验：如果安装scikit-learn时报"Microsoft Visual C++ 14.0 is required"，去微软官网下载"Visual C++ Redistributable"装一下就好。这是Windows的老毛病了。
5. 本章知识体系总览
下面这张图，把咱们这一章的核心逻辑串起来了。从Python安装开始，到虚拟环境隔离，再到四大库的安装——每一步都是为后续的IoT基线分析铺路。
环境准备这块，说白了就是一次性的投入。配好了，后面30章一路顺畅。配不好，每章开头都在折腾环境——我见过太多人卡在这一步了。