4. 环境与工具准备：Python 环境搭建、Jupyter Notebook 配置、核心依赖库安装与验证

在开始金融压力测试 A/B 分流实验之前，必须搭建一个稳定、可复现的本地开发环境。本章将指导你完成从 Python 解释器安装到核心依赖库验证的全流程，确保后续所有实验代码能够无故障运行。

4.1 Python 环境搭建

推荐使用 Python 3.9 ~ 3.12 版本，避免使用 3.8 以下或 3.13 以上（部分金融库尚未完全兼容）。建议通过 Miniconda 或 Anaconda 进行环境管理，以隔离不同项目的依赖冲突。

4.1.1 安装步骤（Windows / macOS / Linux）

1. 下载对应操作系统的 Miniconda 安装包（官方地址）。
2. 运行安装程序，勾选“Add Miniconda to PATH”（Windows）或按默认配置完成安装。
3. 打开终端（Terminal / CMD / PowerShell），验证安装：

conda --version
# 输出示例：conda 24.1.2

python --version
# 输出示例：Python 3.12.2

4.1.2 创建专用虚拟环境

conda create -n stress_test python=3.12 -y
conda activate stress_test

激活后，终端提示符前会出现 (stress_test) 字样，表示已进入隔离环境。

4.2 Jupyter Notebook 配置

Jupyter Notebook 是金融数据分析与压力测试实验的首选交互式工具。它支持代码、可视化、Markdown 文档混排，非常适合 A/B 分流策略的迭代验证。

4.2.1 安装与启动

# 在 stress_test 环境中安装
conda install jupyter notebook -y

# 启动 Jupyter Notebook
jupyter notebook

启动后浏览器会自动打开 http://localhost:8888/tree，默认工作目录为终端启动时的路径。

4.2.2 配置内核绑定

确保 Jupyter 使用当前虚拟环境的内核：

conda install ipykernel -y
python -m ipykernel install --user --name stress_test --display-name "Python (stress_test)"

重启 Jupyter 后，在“New”下拉菜单中即可选择 Python (stress_test) 内核。

4.3 核心依赖库安装与验证

金融压力测试 A/B 分流涉及数据处理、统计分析、可视化与轻量级 Web 服务。以下五个库是本次课程的核心依赖：

库名	版本要求	主要用途
pandas	≥ 2.0	数据清洗、分组聚合、时间序列处理
numpy	≥ 1.24	数值计算、矩阵运算、随机数生成
scipy	≥ 1.11	统计分布、假设检验、优化算法
matplotlib	≥ 3.7	图表绘制、分布可视化、回测曲线
flask	≥ 3.0	轻量级 A/B 分流 API 服务

4.3.1 批量安装命令

conda install pandas numpy scipy matplotlib flask -y

如果使用 pip（不推荐混用，但可备选）：

pip install pandas numpy scipy matplotlib flask

4.3.2 版本验证脚本

在 Jupyter Notebook 中新建一个 Cell，粘贴以下代码并运行：

import pandas as pd
import numpy as np
import scipy
import matplotlib
import flask

print(f"pandas      : {pd.__version__}")
print(f"numpy       : {np.__version__}")
print(f"scipy       : {scipy.__version__}")
print(f"matplotlib  : {matplotlib.__version__}")
print(f"flask       : {flask.__version__}")

print("\n✅ 所有核心库导入成功，版本符合要求！")

预期输出示例：

pandas      : 2.2.0
numpy       : 1.26.4
scipy       : 1.12.0
matplotlib  : 3.8.3
flask       : 3.0.2

✅ 所有核心库导入成功，版本符合要求！

4.4 环境架构总览

下图展示了从底层操作系统到上层应用服务的完整技术栈关系：

4.5 常见问题与快速排查

问题现象	可能原因	解决方案
conda: command not found	Miniconda 未加入 PATH	重新安装并勾选“Add to PATH”，或手动添加环境变量
Jupyter 无法启动	端口 8888 被占用	jupyter notebook --port=8889 更换端口
导入库报错	内核未绑定虚拟环境	重新执行 python -m ipykernel install
版本过低	Conda 源未更新	conda update --all 或指定版本安装