2. 环境准备：Python环境配置与核心库安装

在开始XGBoost特征筛选实战之前，需要搭建一个稳定、可复现的Python开发环境。本章将指导你完成从Python解释器安装到核心库验证的全流程，确保后续所有代码示例都能顺利运行。

2.1 环境配置清单

本教程基于以下软件版本进行开发和测试，建议保持版本一致以避免兼容性问题：

组件	推荐版本	用途说明
Python	3.9 ~ 3.12	解释器基础环境
XGBoost	≥ 2.0.0	梯度提升树模型核心库
Pandas	≥ 2.0.0	数据清洗与特征工程
Scikit-learn	≥ 1.3.0	数据划分、评估指标、基线模型
Matplotlib	≥ 3.7.0	特征重要性可视化
NumPy	≥ 1.24.0	数值计算基础库

2.2 安装步骤

推荐使用 pip 包管理器进行安装。建议在虚拟环境中操作，避免与系统全局Python环境产生冲突。

步骤一：创建虚拟环境（可选但推荐）

# 使用 venv 创建独立环境
python -m venv xgboost_env

# 激活环境（Windows）
xgboost_env\Scripts\activate

# 激活环境（macOS / Linux）
source xgboost_env/bin/activate

步骤二：一键安装核心库

pip install xgboost pandas scikit-learn matplotlib numpy

如果网络较慢，可添加国内镜像源加速：

pip install xgboost pandas scikit-learn matplotlib numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤三：验证安装

在Python交互式环境或脚本中执行以下代码，确认各库已正确导入且版本符合要求：

import numpy as np
import pandas as pd
import xgboost as xgb
import sklearn
import matplotlib

print(f"NumPy       : {np.__version__}")
print(f"Pandas      : {pd.__version__}")
print(f"XGBoost     : {xgb.__version__}")
print(f"Scikit-learn: {sklearn.__version__}")
print(f"Matplotlib  : {matplotlib.__version__}")

预期输出示例（具体版本号可能因安装时间略有差异）：

NumPy       : 1.26.4
Pandas      : 2.2.0
XGBoost     : 2.0.3
Scikit-learn: 1.4.1
Matplotlib  : 3.8.3

2.3 环境架构总览

下图展示了本教程所使用的软件栈层次关系，以及各库在特征筛选流程中的角色定位：

2.4 常见问题与解决方案

安装过程中可能遇到以下典型问题，请对照排查：

问题现象	可能原因	解决方案
pip 命令未找到	Python未正确安装或未加入PATH	重新安装Python并勾选“Add Python to PATH”
安装XGBoost时编译失败	缺少C++编译工具链	安装 python3-dev（Linux）或使用预编译wheel
导入XGBoost报错 DLL load failed	动态链接库缺失	安装 Microsoft Visual C++ Redistributable
版本冲突警告	依赖库版本不兼容	使用虚拟环境隔离，严格按推荐版本安装

2.5 快速验证脚本

将以下代码保存为 check_env.py，运行后即可一键验证环境是否就绪：

import sys
import numpy as np
import pandas as pd
import xgboost as xgb
import sklearn
import matplotlib

def check_environment():
    """验证核心库安装状态"""
    libs = {
        "Python": sys.version.split()[0],
        "NumPy": np.__version__,
        "Pandas": pd.__version__,
        "XGBoost": xgb.__version__,
        "Scikit-learn": sklearn.__version__,
        "Matplotlib": matplotlib.__version__
    }
    
    print("=" * 40)
    print("环境验证报告")
    print("=" * 40)
    all_ok = True
    for name, version in libs.items():
        status = "✅" if version else "❌"
        print(f"  {status} {name:15s}: {version}")
        if not version:
            all_ok = False
    
    print("=" * 40)
    if all_ok:
        print("🎉 所有库安装成功，环境准备就绪！")
    else:
        print("⚠️  存在未安装的库，请检查后重试。")
    
    return all_ok

if __name__ == "__main__":
    check_environment()

运行命令：

python check_env.py

预期输出应显示所有库均为绿色勾选状态，表示环境配置完成。