📚 课程目录第4章 Python环境与依赖

4. Python 环境与依赖：Python 3.10+ 安装、虚拟环境搭建、核心依赖

在开始构建欺诈图谱阈值自动巡检系统之前，必须建立稳定、可复现的 Python 运行环境。本章将指导你完成从 Python 解释器安装到核心科学计算库配置的全流程，确保后续章节的代码能够无缝执行。

4.1 Python 3.10+ 版本选择与安装

本课程所有代码均基于 Python 3.10 及以上版本开发。选择 3.10+ 版本的原因包括：

结构模式匹配（match-case）：简化复杂阈值规则的逻辑分支编写。
类型注解增强：支持更精确的联合类型与可选类型声明，提升代码可读性。
性能优化：相比 3.8/3.9，字典与列表操作有显著性能提升。

操作系统	推荐安装方式	下载地址
Windows	官方安装包（勾选“Add Python to PATH”）	python.org/downloads
macOS	Homebrew: `brew install python@3.11`	brew.sh
Linux (Ubuntu/Debian)	APT + deadsnakes PPA: `sudo apt install python3.11 python3.11-venv`	launchpad.net/~deadsnakes

验证安装： 打开终端执行 python --version，确认输出为 Python 3.10.x 或更高版本。若系统同时存在多个 Python 版本，建议使用 python3.11 命令明确指定版本。

4.2 虚拟环境搭建

虚拟环境是 Python 项目隔离依赖的基石。针对欺诈图谱项目，我们推荐使用 venv（内置模块）或 conda（适合数据科学场景）。

4.2.1 使用 venv 创建虚拟环境

# 创建虚拟环境（在项目根目录下执行）
python -m venv fraud_graph_env

# 激活虚拟环境
# Windows (CMD/PowerShell):
fraud_graph_env\Scripts\activate

# macOS / Linux:
source fraud_graph_env/bin/activate

# 验证激活状态（终端应显示环境名称前缀）
(fraud_graph_env) $

4.2.2 使用 conda 创建虚拟环境（备选）

# 创建环境并指定 Python 版本
conda create -n fraud_graph python=3.11

# 激活环境
conda activate fraud_graph

重要提醒： 不要将项目依赖直接安装到系统全局 Python 环境中。虚拟环境可以避免版本冲突，并允许你为不同项目维护独立的依赖集合。每次开始工作前，务必确认虚拟环境已激活。

4.3 核心依赖安装与说明

欺诈图谱阈值自动巡检系统依赖五个核心库。下表列出了每个库的用途、推荐版本及安装命令：

库名	版本要求	核心用途	安装命令
NetworkX	≥ 3.0	构建与操作欺诈关系图谱（图数据结构、连通分量、中心性计算）	`pip install networkx`
Pandas	≥ 2.0	阈值数据表格化处理、时间序列分析、CSV/Excel 读写	`pip install pandas`
NumPy	≥ 1.24	数值计算、矩阵运算、统计指标（均值、标准差、分位数）	`pip install numpy`
Scikit-learn	≥ 1.3	异常检测算法（孤立森林、LOF）、阈值动态调整模型	`pip install scikit-learn`
Matplotlib	≥ 3.7	阈值趋势可视化、图谱布局绘制、巡检报告图表生成	`pip install matplotlib`

你可以将以上依赖写入 requirements.txt 文件，实现一键安装：

# requirements.txt
networkx>=3.0
pandas>=2.0
numpy>=1.24
scikit-learn>=1.3
matplotlib>=3.7

# 安装命令
pip install -r requirements.txt

4.4 依赖关系与数据流架构

下图展示了五个核心库在欺诈图谱阈值自动巡检系统中的协作关系：

4.5 环境验证脚本

完成安装后，执行以下脚本验证所有依赖是否就绪：

import sys
import networkx as nx
import pandas as pd
import numpy as np
import sklearn
import matplotlib

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

# 快速功能验证：创建一个小型欺诈图谱
G = nx.Graph()
G.add_edge("用户A", "用户B", weight=0.8)
G.add_edge("用户B", "用户C", weight=0.9)
print(f"\n图谱验证成功：包含 {G.number_of_nodes()} 个节点，{G.number_of_edges()} 条边")

  预期输出示例：

  Python 版本: 3.11.5

  NetworkX 版本: 3.2.1

  Pandas 版本: 2.1.3

  NumPy 版本: 1.26.2

  Scikit-learn 版本: 1.3.2

  Matplotlib 版本: 3.8.2

  图谱验证成功：包含 3 个节点，2 条边

4.6 常见问题与解决方案

问题现象	可能原因	解决方案
`pip install` 速度极慢或超时	默认连接 PyPI 官方源，网络不稳定	使用国内镜像源：`pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名`
安装 Scikit-learn 时编译失败	缺少 C++ 编译工具或 Python 开发头文件	Linux: `sudo apt install build-essential python3.11-dev`；Windows: 安装 Microsoft C++ Build Tools
虚拟环境激活后仍调用全局 Python	PATH 环境变量未正确更新	检查 `which python` 路径是否指向虚拟环境目录；Windows 检查 PowerShell 执行策略
Matplotlib 中文显示为方框	缺少中文字体或字体缓存未更新	执行 `plt.rcParams['font.sans-serif'] = ['SimHei']` 并删除 `~/.matplotlib/fontlist-*.json` 缓存

4.7 本章小结

至此，你已经完成了欺诈图谱阈值自动巡检系统的环境搭建工作。我们安装了 Python 3.10+ 解释器，创建了隔离的虚拟环境，并配置了 NetworkX、Pandas、NumPy、Scikit-learn 和 Matplotlib 五个核心依赖。下一阶段将正式进入图谱构建与阈值分析的核心代码实现。