4. 环境搭建：Python环境、Jupyter Notebook、关键库安装与配置

贷后预警尖峰告警的Drift Monitoring实战需要一套稳定、可复现的Python环境。本节将指导你完成从基础环境到核心库的完整配置，确保后续所有实验能够顺利运行。

4.1 环境概览与技术选型

本课程采用以下技术栈，各组件分工明确，共同支撑从数据探索到模型监控的完整流程：

4.2 环境搭建步骤

推荐使用conda或venv创建独立虚拟环境，避免与系统Python产生冲突。以下是完整的安装流程：

1. 创建虚拟环境

   conda create -n drift_monitor python=3.10 -y
   conda activate drift_monitor

2. 安装Jupyter Notebook

   pip install jupyter notebook ipykernel
   python -m ipykernel install --user --name drift_monitor --display-name "Drift Monitor"

3. 安装核心科学计算库

   pip install numpy pandas scikit-learn matplotlib seaborn

4. 安装alibi-detect

   pip install alibi-detect

5. 验证安装

   python -c "import numpy, pandas, sklearn, alibi_detect; print('All libraries imported successfully')"

4.3 环境架构与组件关系

下图展示了本课程实验环境的整体架构，各组件之间的数据流向与依赖关系一目了然：

4.4 关键库功能对比

在贷后预警场景中，各库承担不同职责。下表对比了它们在数据漂移监控中的具体作用：

4.5 配置验证与测试

安装完成后，建议执行以下验证脚本，确保所有组件正常工作：

# 验证脚本：check_environment.py
import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler
from alibi_detect.cd import KSDrift

# 1. 验证NumPy数组操作
print(f"NumPy version: {np.__version__}")
arr = np.random.randn(100, 5)
print(f"Array shape: {arr.shape}")

# 2. 验证Pandas DataFrame
print(f"Pandas version: {pd.__version__}")
df = pd.DataFrame(arr, columns=[f'feat_{i}' for i in range(5)])
print(f"DataFrame head:\n{df.head()}")

# 3. 验证scikit-learn预处理
scaler = StandardScaler()
scaled = scaler.fit_transform(arr)
print(f"Scaled data mean: {scaled.mean():.4f}")

# 4. 验证alibi-detect漂移检测
cd = KSDrift(p_val=0.05, alternative='two-sided')
preds = cd.predict(arr[:50], arr[50:])
print(f"Drift detected: {preds['data']['is_drift']}")
print("All components verified successfully!")

4.6 环境配置清单速查

为方便快速搭建，以下汇总了完整的安装命令清单：

# 一键安装命令（conda环境）
conda create -n drift_monitor python=3.10 -y
conda activate drift_monitor
pip install jupyter notebook ipykernel
python -m ipykernel install --user --name drift_monitor --display-name "Drift Monitor"
pip install numpy pandas scikit-learn matplotlib seaborn
pip install alibi-detect
python -c "import numpy, pandas, sklearn, alibi_detect; print('Ready!')"