2. 环境准备与工具链安装

本章将搭建完整的本地开发环境，涵盖 Python 版本管理、虚拟环境隔离、核心依赖安装以及容器化工具配置。正确的环境准备能避免后续开发中的依赖冲突与部署问题。

2.1 Python 版本与环境管理

推荐使用 Python 3.10+（3.10 至 3.12 均可），该版本对 scikit-learn 1.3+ 和 Flask 2.3+ 支持最佳。避免使用 Python 3.7 以下版本（已停止安全更新）或 Python 3.13（部分库尚未适配）。

工具	推荐版本	用途
Python	3.10 ~ 3.12	运行时基础
pip	≥ 23.0	包管理器
venv	内置模块	虚拟环境创建
Docker	≥ 24.0	容器化部署

2.2 创建虚拟环境

虚拟环境隔离项目依赖，避免与系统全局包冲突。以下为完整操作步骤：

1. 创建项目目录：mkdir loan_prediction && cd loan_prediction
2. 创建虚拟环境：python3 -m venv venv
3. 激活环境：
   • Linux/macOS：source venv/bin/activate
   • Windows：venv\Scripts\activate
4. 验证激活：which python 应指向项目目录下的 venv 路径

2.3 必备库安装

将以下依赖写入 requirements.txt 文件，然后执行批量安装：

# requirements.txt
pandas==2.1.4
scikit-learn==1.3.2
flask==3.0.0
gunicorn==21.2.0
joblib==1.3.2
docker==7.0.0

安装命令：

pip install -r requirements.txt

库名	版本	在课程中的角色
pandas	2.1.4	数据清洗与特征工程
scikit-learn	1.3.2	模型训练与评估
flask	3.0.0	REST API 服务框架
gunicorn	21.2.0	生产级 WSGI 服务器
joblib	1.3.2	模型序列化与加载
docker	7.0.0	Docker SDK 与镜像构建

2.4 工具链架构总览

下图展示了从本地开发到容器化部署的完整工具链关系：

2.5 Docker 环境验证

Docker 用于将模型 API 打包为独立容器，确保在任何服务器上一致运行。安装后执行以下验证：

# 检查 Docker 版本
docker --version

# 检查 Docker 守护进程是否运行
docker info

# 拉取测试镜像验证网络
docker pull hello-world
docker run hello-world

2.6 环境验证脚本

创建 check_env.py 文件，一键验证所有依赖是否就绪：

# check_env.py
import sys
import subprocess

required_packages = ['pandas', 'sklearn', 'flask', 'joblib', 'docker']

print(f"Python 版本: {sys.version}")
print()

for pkg in required_packages:
    try:
        mod = __import__(pkg.replace('sklearn', 'sklearn'))
        version = getattr(mod, '__version__', 'unknown')
        print(f"✅ {pkg:15s} 版本: {version}")
    except ImportError:
        print(f"❌ {pkg:15s} 未安装")

# 检查 Docker CLI
try:
    result = subprocess.run(['docker', '--version'], capture_output=True, text=True)
    print(f"✅ {'docker':15s} 版本: {result.stdout.strip()}")
except FileNotFoundError:
    print(f"❌ {'docker':15s} 未找到，请安装 Docker")

运行命令：python check_env.py，所有依赖显示 ✅ 即表示环境准备完成。