2. 环境搭建：Python环境配置、Jupyter Notebook安装、必备库安装与验证

本章将引导你完成从零搭建额度定价漂移检测所需的完整开发环境。一个干净、版本一致的环境是后续所有实验可复现的基础。我们将依次完成Python解释器安装、Jupyter Notebook交互式环境配置，以及pandas、numpy、scikit-learn、alibi-detect、matplotlib等核心库的安装与验证。

2.1 Python环境配置

推荐使用Python 3.9～3.11版本，alibi-detect对Python 3.12的支持尚在完善中。以下两种方式任选其一：

2.2 Jupyter Notebook安装

Jupyter Notebook提供交互式编程界面，适合数据探索与模型调试。安装方式如下：

1. 激活虚拟环境：conda activate drift_detection
2. 安装Jupyter：pip install jupyter notebook
3. 启动：终端执行 jupyter notebook，浏览器自动打开工作目录

2.3 必备库安装与版本验证

本课程依赖五个核心库，各自承担关键角色：

批量安装命令：

pip install pandas numpy scikit-learn alibi-detect matplotlib

2.4 安装验证脚本

在Jupyter Notebook中新建一个Cell，粘贴以下代码并运行。若所有库导入成功且版本符合要求，则环境搭建完成。

# 环境验证脚本
import sys
import pandas as pd
import numpy as np
import sklearn
import alibi_detect
import matplotlib

print(f"Python版本: {sys.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"alibi-detect版本: {alibi_detect.__version__}")
print(f"matplotlib版本: {matplotlib.__version__}")

# 快速功能验证：生成随机数据并计算均值
data = np.random.randn(100)
print(f"\n随机数据均值: {data.mean():.4f} (验证numpy)")

# 快速功能验证：创建DataFrame
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
print(f"DataFrame形状: {df.shape} (验证pandas)")

print("\n✅ 所有库安装成功，环境就绪！")

2.5 环境依赖关系图

下图展示了各组件之间的调用关系与数据流向，帮助你理解环境全貌：

2.6 常见问题与解决方案