📚 课程目录第3章 Python环境准备

3. Python环境准备：安装Python与必要库

在开始构建反欺诈图谱与阈值调优之前，必须搭建一个干净、可复现的Python开发环境。本章将指导你完成Python解释器安装、虚拟环境配置以及核心科学计算与图分析库的部署。

3.1 Python版本选择与安装

反欺诈图谱项目依赖较新的Python特性（如类型提示、数据类），同时需保证与主流库的兼容性。推荐使用 Python 3.9 ~ 3.11 版本。

版本	推荐场景	注意事项
3.9	生产环境稳定首选	兼容所有依赖库
3.10	开发与实验环境	支持更优的错误提示
3.11	追求性能提升	部分旧库可能需更新

验证安装： 打开终端或命令提示符，输入 python --version，确认输出为 Python 3.9.x 或更高版本。

3.2 虚拟环境配置

虚拟环境可以隔离不同项目的依赖，避免包版本冲突。推荐使用Python内置的 venv 模块，无需额外安装。

创建与激活虚拟环境

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

# Windows 激活
fraud_env\Scripts\activate

# macOS / Linux 激活
source fraud_env/bin/activate

激活后，终端提示符前会出现 (fraud_env) 标识，表示已进入虚拟环境。

常见错误： 如果激活失败，请检查执行策略（Windows PowerShell 需先执行 Set-ExecutionPolicy Unrestricted -Scope Process）或确认路径中无中文/空格。

3.3 必要库安装与说明

反欺诈图谱阈值调优涉及图结构构建、数值计算、数据分析与机器学习建模。以下为必须安装的核心库：

库名	版本建议	核心用途
NetworkX	≥3.0	图结构创建、节点/边操作、图谱指标计算
Pandas	≥2.0	数据加载、清洗、聚合与特征工程
NumPy	≥1.24	数值计算、矩阵运算、随机数生成
Scikit-learn	≥1.3	阈值搜索、模型评估、异常检测算法

一键安装命令

# 确保已激活虚拟环境
pip install --upgrade pip
pip install networkx pandas numpy scikit-learn

  验证安装： 在Python交互环境中逐行导入，无报错即表示安装成功。

  import networkx as nx

  import pandas as pd

  import numpy as np

  from sklearn.metrics import precision_recall_curve

3.4 依赖关系与工作流程

下图展示了各库在反欺诈图谱阈值调优流程中的协作关系：

3.5 环境验证脚本

执行以下完整脚本，可一次性验证所有库是否就绪：

# check_env.py
import sys
import importlib

required_packages = [
    ("networkx", "nx"),
    ("pandas", "pd"),
    ("numpy", "np"),
    ("sklearn", "sklearn"),
]

print(f"Python 版本: {sys.version}")
print("-" * 40)

for pkg_name, alias in required_packages:
    try:
        mod = importlib.import_module(pkg_name)
        version = getattr(mod, "__version__", "未知")
        print(f"[✓] {pkg_name} ({alias}) 版本: {version}")
    except ImportError:
        print(f"[✗] {pkg_name} 未安装")

print("-" * 40)
print("环境检查完成！")

最佳实践： 将上述脚本保存为 check_env.py，每次切换环境后运行一次，确保依赖完整。

3.6 常见问题与解决方案

pip安装超时： 使用国内镜像源，如 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
NetworkX版本冲突： 确保NumPy版本 ≥ 1.22，否则部分图算法会报错
Scikit-learn警告： 升级至最新版可消除弃用警告
虚拟环境重复创建： 每个项目独立创建，不要复用同一环境