2. 环境准备：Python环境搭建与核心库安装

在开始构建LightGBM评分卡及PSI漂移告警系统之前，需要搭建一个稳定、可复现的Python开发环境。本节将指导你完成从Python解释器安装到核心机器学习库配置的全过程，确保所有依赖版本兼容，避免后续开发中的环境冲突。

2.1 Python版本选择与虚拟环境

推荐使用Python 3.8 ~ 3.11版本。LightGBM对Python 3.12的官方支持尚在完善中，为避免兼容性问题，建议选择经过广泛验证的3.9或3.10版本。

创建虚拟环境（以venv为例）

# 创建项目目录
mkdir lightgbm_scorecard_psi
cd lightgbm_scorecard_psi

# 创建虚拟环境
python -m venv .venv

# 激活虚拟环境（Windows）
.venv\Scripts\activate

# 激活虚拟环境（macOS/Linux）
source .venv/bin/activate

2.2 核心库安装清单

下表列出了本课程所需的核心库及其在评分卡与PSI监控中的主要用途：

2.3 一键安装命令

激活虚拟环境后，执行以下命令批量安装所有依赖：

pip install lightgbm pandas numpy scikit-learn matplotlib seaborn joblib

2.4 安装验证脚本

运行以下Python脚本，验证所有库是否安装成功且版本符合要求：

import sys
import lightgbm as lgb
import pandas as pd
import numpy as np
import sklearn
import matplotlib
import seaborn as sns
import joblib

print(f"Python版本: {sys.version}")
print(f"LightGBM版本: {lgb.__version__}")
print(f"Pandas版本: {pd.__version__}")
print(f"NumPy版本: {np.__version__}")
print(f"Scikit-learn版本: {sklearn.__version__}")
print(f"Matplotlib版本: {matplotlib.__version__}")
print(f"Seaborn版本: {sns.__version__}")
print(f"Joblib版本: {joblib.__version__}")

print("\n✅ 所有核心库安装成功！")

2.5 环境依赖关系架构

下图展示了本课程中各个库之间的依赖关系与数据流向：

2.6 常见安装问题与解决方案

• LightGBM安装失败（Windows）： 缺少Microsoft Visual C++运行时库。下载安装“Microsoft Visual C++ Redistributable for Visual Studio 2015-2022”即可解决。
• pip安装速度慢： 使用国内镜像源加速，例如 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple lightgbm。
• 版本冲突： 如果已安装旧版本，使用 pip install --upgrade 包名 升级到指定版本。
• macOS M1/M2芯片： LightGBM已原生支持ARM架构，直接使用pip安装即可，无需额外配置。