📚 课程目录第2章环境搭建

2. 环境搭建：Python 3.10+ 安装、Jupyter Notebook 配置与必备库验证

本章将引导你完成《分群评分沙盘》课程所需的全部开发环境搭建。一个干净、版本一致的环境是后续所有实验可复现的基础。我们将依次完成 Python 解释器安装、Jupyter Notebook 交互式环境配置，以及核心数据科学库的安装与验证。

2.1 Python 3.10+ 安装

本课程所有代码均基于 Python 3.10 及以上版本 开发，推荐使用 Python 3.11 或 3.12 以获得最佳性能与库兼容性。

版本选择建议： 如果你同时进行其他项目开发，建议使用 pyenv（macOS/Linux）或 Python Launcher（Windows）管理多版本 Python，避免版本冲突。

安装步骤（以 Windows / macOS / Linux 通用为例）

下载安装包： 访问 python.org，下载对应操作系统的 Python 3.10+ 安装程序。
执行安装：
- Windows： 勾选 "Add Python to PATH"，然后点击 "Install Now"。
- macOS： 运行 .pkg 安装包，或使用 brew install python@3.11。
- Linux： 使用包管理器，如 sudo apt install python3.11 python3.11-venv。
验证安装： 打开终端（Terminal / CMD / PowerShell），输入以下命令：

python --version
# 预期输出：Python 3.11.x 或 3.12.x

pip --version
# 预期输出：pip 23.x.x from ... (python 3.11)

2.2 Jupyter Notebook 配置

Jupyter Notebook 提供了交互式编程环境，非常适合数据探索、算法原型设计和教学演示。我们将通过 pip 安装并启动它。

安装与启动流程

步骤	命令 / 操作	说明
1. 安装	`pip install jupyter`	安装 Jupyter Notebook 及其依赖
2. 启动	`jupyter notebook`	在终端执行，自动打开浏览器
3. 新建笔记	点击 "New" → "Python 3 (ipykernel)"	创建第一个 `.ipynb` 文件
4. 内核检查	在 Cell 中输入 `import sys; print(sys.version)`	确认内核版本与安装的 Python 一致

常见问题： 如果在终端输入 jupyter notebook 提示 "command not found"，请检查 Python 的 Scripts 目录是否已添加到系统 PATH 环境变量中。

2.3 必备库安装与验证

本课程依赖五个核心库：pandas、numpy、scikit-learn、matplotlib、seaborn。它们构成了数据操作、算法建模与可视化的完整链路。

2.3.1 批量安装命令

在终端中执行以下命令，一次性安装所有依赖库：

pip install pandas numpy scikit-learn matplotlib seaborn

2.3.2 版本验证脚本

在 Jupyter Notebook 的新 Cell 中运行以下代码，验证每个库是否安装成功并打印版本号：

import pandas as pd
import numpy as np
import sklearn
import matplotlib
import seaborn as sns

print(f"pandas       : {pd.__version__}")
print(f"numpy        : {np.__version__}")
print(f"scikit-learn : {sklearn.__version__}")
print(f"matplotlib   : {matplotlib.__version__}")
print(f"seaborn      : {sns.__version__}")

print("\n✅ 所有核心库安装成功！")

2.3.3 库功能速查表

库名	版本要求	在本课程中的核心用途
pandas	≥ 1.5	数据加载、清洗、分组聚合、透视表
numpy	≥ 1.24	数值计算、矩阵运算、随机数生成
scikit-learn	≥ 1.2	KMeans 聚类、DBSCAN、评分卡、评估指标
matplotlib	≥ 3.7	基础图表绘制、坐标轴定制、子图布局
seaborn	≥ 0.12	统计图表、热力图、分群可视化、调色板

2.4 环境依赖关系总览

下图展示了本课程技术栈的层次结构：底层由 Python 解释器支撑，中层为 Jupyter 交互环境，上层为五个核心库，它们共同服务于最终的分群评分沙盘应用。

2.5 环境验证清单

完成上述步骤后，请对照下表逐项检查，确保环境就绪：

Python 版本： python --version 输出 ≥ 3.10
pip 版本： pip --version 输出正常，且关联正确的 Python 版本
Jupyter 启动： 浏览器成功打开 Notebook 界面，无报错
内核连通： 新建 Notebook 后，能执行 print("Hello, 分群评分沙盘!")
库导入： 五个核心库均能成功导入，且版本符合要求