2. 环境搭建：Python 3.10+安装、虚拟环境配置、必备库安装

在开始贷后预警延迟尖峰的监控实战之前，搭建一个干净、可复现的Python开发环境是第一步。本章将指导你完成从Python解释器安装到核心依赖库配置的全流程，确保后续所有监控脚本和数据分析任务都能稳定运行。

2.1 Python 3.10+ 安装与验证

本课程所有代码均基于Python 3.10及以上版本开发，利用其增强的类型提示、模式匹配（match-case）以及性能优化特性。请根据你的操作系统选择安装方式。

python --version
# 预期输出: Python 3.11.x 或 Python 3.10.x

pip --version
# 预期输出: pip 23.x.x from ... (python 3.11)

2.2 虚拟环境配置

虚拟环境是Python项目隔离依赖的基石。在贷后预警项目中，我们将使用Python内置的venv模块创建独立的运行沙箱，避免不同项目间的库版本冲突。

创建与激活虚拟环境

# 1. 创建项目目录并进入
mkdir loan_early_warning
cd loan_early_warning

# 2. 创建虚拟环境（命名为 .venv 是行业惯例）
python -m venv .venv

# 3. 激活虚拟环境
# Windows (CMD/PowerShell)
.venv\Scripts\activate

# macOS / Linux (bash/zsh)
source .venv/bin/activate

# 4. 验证激活状态（终端前会出现 (.venv) 前缀）
(.venv) $ python --version

2.3 必备库安装与功能矩阵

贷后预警监控涉及数据采集、计算、可视化与系统交互。以下五个库构成了本课程的技术栈核心。请确保在已激活的虚拟环境中执行安装命令。

pip install pandas numpy matplotlib psutil requests

# 查看已安装库的版本，确认安装成功
pip list

2.4 环境验证脚本

为了确保所有组件正确衔接，请运行以下验证脚本。如果所有检查项均通过，说明你的监控环境已准备就绪。

# verify_env.py
import sys
import pandas as pd
import numpy as np
import matplotlib
import psutil
import requests

print(f"Python 版本: {sys.version}")
print(f"pandas 版本: {pd.__version__}")
print(f"numpy 版本: {np.__version__}")
print(f"matplotlib 版本: {matplotlib.__version__}")
print(f"psutil 版本: {psutil.__version__}")
print(f"requests 版本: {requests.__version__}")

# 简单功能测试：创建一个延迟时间序列
delay_series = pd.Series([0, 1, 5, 30, 120, 0], name="delay_days")
print(f"\n延迟数据统计:\n{delay_series.describe()}")

# 检查系统CPU核心数
print(f"\nCPU 逻辑核心数: {psutil.cpu_count(logical=True)}")
print("✅ 环境验证通过，所有库加载正常！")

2.5 依赖管理与复现

为了确保团队成员或生产环境能完全复现你的监控环境，建议在项目初始化时生成依赖清单文件。

# 在虚拟环境激活状态下，导出当前环境的所有依赖
pip freeze > requirements.txt

# 在其他机器上复现环境时
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt