3. Python环境与工具准备：Anaconda安装、Jupyter Notebook配置、Pandas/NumPy/Scikit-learn/Matplotlib/Seaborn库介绍

在开始异常值检测的实战之前，搭建一个稳定、可复现的Python数据科学环境是第一步。本章将引导你完成从环境安装到核心库认知的全流程，确保后续所有代码示例都能在统一配置下顺利运行。

3.1 Anaconda：一站式数据科学发行版

Anaconda是目前最流行的Python数据科学发行版，它预装了超过1500个科学计算包，并内置了强大的包管理器conda。使用Anaconda可以避免手动安装依赖时常见的版本冲突问题。

3.1.1 安装步骤

1. 下载安装包：访问 https://www.anaconda.com/download，选择对应操作系统（Windows/macOS/Linux）的Python 3.9+版本。
2. 执行安装：
   • Windows：双击.exe文件，勾选“Add Anaconda to my PATH environment variable”（建议勾选，方便命令行调用）。
   • macOS/Linux：在终端运行bash Anaconda3-xxx.sh，按提示完成安装。
3. 验证安装：打开终端（或Anaconda Prompt），输入以下命令：

   conda --version
   python --version

   若正常显示版本号，则安装成功。

3.2 Jupyter Notebook：交互式分析利器

Jupyter Notebook是数据探索和原型开发的首选工具。它支持将代码、可视化图表、Markdown说明文档整合在一个.ipynb文件中，非常适合风控数据质量的逐行调试与结果展示。

3.2.1 启动与配置

1. 启动Notebook：在终端或Anaconda Prompt中运行：

   jupyter notebook

   浏览器将自动打开 http://localhost:8888。
2. 新建笔记本：点击右上角“New” → “Python 3”，即可开始编写代码。
3. 常用快捷键：

   快捷键	功能
   Shift + Enter	运行当前单元格并选中下一个
   Ctrl + Enter	运行当前单元格
   Esc + M	将当前单元格切换为Markdown模式
   Esc + B	在当前单元格下方插入新单元格

3.3 核心库全景：Pandas/NumPy/Scikit-learn/Matplotlib/Seaborn

这五个库构成了风控数据质量分析的技术栈底座。下表总结了它们各自在异常值检测流程中的角色定位：

3.3.1 库安装与版本验证

如果使用Anaconda，以下库已预装。若需单独安装或升级，可使用conda或pip：

# 使用conda安装（推荐）
conda install numpy pandas scikit-learn matplotlib seaborn

# 使用pip安装
pip install numpy pandas scikit-learn matplotlib seaborn

# 验证版本
import numpy as np
import pandas as pd
import sklearn
import matplotlib
import seaborn as sns

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

3.4 环境架构与数据流关系

下图展示了从原始数据输入到异常值检测输出的完整工具链协作关系：

3.5 快速上手：加载数据并检查环境

完成环境配置后，建议执行以下代码验证所有工具是否就绪，并熟悉Pandas的基本数据加载操作：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.ensemble import IsolationForest

# 设置中文显示（避免matplotlib乱码）
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

# 创建一个模拟的风控数据集
np.random.seed(42)
data = {
    '用户ID': range(1, 101),
    '交易金额': np.random.exponential(scale=500, size=100),
    '登录次数': np.random.poisson(lam=5, size=100),
    '设备评分': np.random.uniform(0, 100, size=100)
}
df = pd.DataFrame(data)

# 插入几个明显的异常值
df.loc[5, '交易金额'] = 5000
df.loc[20, '登录次数'] = 50
df.loc[45, '设备评分'] = -10

print("数据集前5行预览：")
print(df.head())
print(f"\n数据集形状: {df.shape}")
print(f"各列缺失值统计:\n{df.isnull().sum()}")