3. 模型开发环境搭建：Python环境配置、Jupyter Notebook使用、关键库安装

在信用评分模型开发中，稳定、可复现的Python环境是项目成功的基石。本章将指导你从零搭建一套专为评分卡建模设计的开发环境，涵盖Python解释器安装、虚拟环境管理、Jupyter Notebook配置以及核心建模库的安装与验证。

3.1 Python环境配置

推荐使用Python 3.8～3.11版本（3.12及以上部分库可能存在兼容性问题）。以下为两种主流配置方式：

3.2 Jupyter Notebook 使用

Jupyter Notebook是评分卡建模中最常用的交互式开发工具，支持代码、可视化、Markdown文档混合编排。安装与启动流程如下：

1. 安装：pip install jupyter notebook 或 conda install jupyter
2. 启动：在终端执行 jupyter notebook，浏览器自动打开工作目录
3. 内核绑定：确保Notebook使用你创建的评分卡虚拟环境内核

3.3 关键库安装与验证

信用评分卡建模涉及数据处理、统计检验、机器学习与专用评分卡工具四大类库。以下为完整安装清单：

3.4 环境验证脚本

安装完成后，执行以下代码验证所有库是否就绪：

import pandas as pd
import numpy as np
import sklearn
import statsmodels
import toad
import scorecardpy as sc

print(f"pandas: {pd.__version__}")
print(f"numpy: {np.__version__}")
print(f"scikit-learn: {sklearn.__version__}")
print(f"statsmodels: {statsmodels.__version__}")
print(f"toad: {toad.__version__}")
print(f"scorecardpy: {sc.__version__}")
print("✅ 环境搭建完成，所有库加载成功！")

3.5 常见问题与避坑指南

• ❌ 问题1： pip install toad 报错 Microsoft Visual C++ 14.0 is required。
  ✅ 解决： 安装 Microsoft C++ Build Tools 或使用 conda install -c conda-forge toad。
• ❌ 问题2： scorecardpy导入时提示 No module named 'sklearn'。
  ✅ 解决： 确认scikit-learn已安装且版本≥1.2，重新执行 pip install --upgrade scikit-learn。
• ❌ 问题3： Jupyter Notebook内核列表不显示评分卡环境。
  ✅ 解决： 在评分卡环境中执行 python -m ipykernel install --user --name scorecard，重启Notebook。