2. 环境搭建：Python版本选择、Anaconda安装、Jupyter Notebook配置、核心库安装

在开始贷后预警特征漂移检测之前，需要搭建一个稳定、可复现的Python数据科学环境。本章将指导你完成从Python版本选择到核心库安装的全流程，确保后续所有实验代码能够顺利运行。

2.1 Python版本选择

Python版本众多，但并非所有版本都适合数据科学和风控建模。推荐使用Python 3.9 ~ 3.11版本，原因如下：

• 兼容性：alibi-detect 0.11+ 和 evidently 0.4+ 对Python 3.9-3.11支持最佳。
• 性能：Python 3.11相比3.8有约10-60%的性能提升，对大规模特征计算更友好。
• 生态：scikit-learn 1.3+、pandas 2.0+ 均已放弃对Python 3.7的支持。

2.2 Anaconda安装与配置

Anaconda是目前数据科学领域最流行的Python发行版，内置了conda包管理器、Jupyter Notebook和大量预装库。安装步骤如下：

1. 下载安装包：访问 Anaconda官网，选择对应操作系统的Python 3.11版本安装包。
2. 安装过程：
   • Windows：双击安装包，勾选“Add Anaconda to my PATH environment variable”（建议勾选，方便命令行调用）。
   • macOS/Linux：使用bash命令安装，如 bash Anaconda3-2024.10-1-Linux-x86_64.sh。
3. 验证安装：打开终端（或Anaconda Prompt），输入以下命令验证：

conda --version
python --version

如果显示conda版本号和Python 3.11.x，说明安装成功。

2.3 创建独立虚拟环境

为了避免不同项目之间的库冲突，强烈建议为本课程创建一个独立的虚拟环境：

conda create -n drift_detection python=3.11 -y
conda activate drift_detection

环境名称 drift_detection 可以自定义，后续所有库安装和代码运行都在此环境中进行。

2.4 Jupyter Notebook配置

Jupyter Notebook是交互式数据分析和模型开发的利器。安装并配置内核：

conda install jupyter notebook ipykernel -y
python -m ipykernel install --user --name drift_detection --display-name "Python (drift_detection)"

启动Jupyter Notebook：

jupyter notebook

在浏览器中打开后，新建Notebook时选择内核 Python (drift_detection)，即可使用刚创建的环境。

2.5 核心库安装

本课程涉及的核心库分为三类：基础数据处理、机器学习建模、漂移检测专用库。使用pip统一安装：

pip install pandas numpy scipy scikit-learn alibi-detect evidently

各库版本要求及用途如下表所示：

2.6 环境验证脚本

安装完成后，运行以下Python脚本验证所有库是否可用：

import pandas as pd
import numpy as np
import scipy.stats as stats
import sklearn
import alibi_detect
import evidently

print("pandas version:", pd.__version__)
print("numpy version:", np.__version__)
print("scipy version:", scipy.__version__)
print("scikit-learn version:", sklearn.__version__)
print("alibi-detect version:", alibi_detect.__version__)
print("evidently version:", evidently.__version__)
print("✅ 所有核心库安装成功！")

如果所有版本号正常输出，说明环境搭建完成。

2.7 环境架构总览

下图展示了本课程所使用的技术栈层次关系：

2.8 常见问题与解决方案