机器学习与深度学习 / 系统课时

安装 Python 数据科学环境

安装 Python 数据科学环境

学习目标

完成本课后,你将能够:

  • 创建独立的 Python 虚拟环境
  • 安装 NumPy、Pandas、Matplotlib 和 scikit-learn
  • 通过版本检查和测试程序验证环境

环境准备

建议使用 Python 3,并为课程创建独立虚拟环境。虚拟环境可以避免不同项目依赖版本相互覆盖。开始前确认命令可用:

bash
python --version

在部分 Linux 或 macOS 环境中,命令可能是:

bash
python3 --version

预期结果:

text
Python 3.x.x

创建并激活虚拟环境

在项目目录执行:

bash
python -m venv .venv

Windows PowerShell 激活命令:

powershell
.\.venv\Scripts\Activate.ps1

macOS 或 Linux 激活命令:

bash
source .venv/bin/activate

激活后,终端提示符通常会出现 (.venv)。如果 PowerShell 阻止脚本运行,可在当前用户范围调整执行策略后重试:

powershell
Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

安装核心依赖

先升级包管理工具,再安装课程依赖:

bash
python -m pip install --upgrade pip
python -m pip install numpy pandas matplotlib scikit-learn jupyter

安装成功时终端会显示各包安装完成。网络较慢时应优先检查代理、DNS 和镜像配置,不要重复删除虚拟环境。

验证安装结果

将下面代码保存为 check_environment.py:

python
import matplotlib
import numpy
import pandas
import sklearn

packages = {
    "NumPy": numpy.__version__,
    "Pandas": pandas.__version__,
    "Matplotlib": matplotlib.__version__,
    "scikit-learn": sklearn.__version__,
}

for name, version in packages.items():
    print(f"{name}: {version}")

运行命令:

bash
python check_environment.py

预期输出格式:

text
NumPy: <VERSION>
Pandas: <VERSION>
Matplotlib: <VERSION>
scikit-learn: <VERSION>

实际版本号取决于安装时间,只要四个库都能导入且无异常,即表示基础环境可用。

常见安装问题

表现 常见原因 处理方式
python 命令不存在 未安装或未加入 PATH 重新安装并配置 PATH
pip 安装到错误环境 未激活虚拟环境 使用 python -m pip
权限不足 安装到系统目录 使用虚拟环境,不使用管理员全局安装
下载超时 网络或镜像问题 检查代理、镜像源和防火墙
导入失败 编辑器解释器不一致 选择项目 .venv 解释器

判断当前 pip 属于哪个 Python,可以运行:

bash
python -m pip --version

本课练习

  1. 创建名为 .venv 的虚拟环境并成功激活。
  2. 输出五个核心包的版本号。
  3. 新建第二个虚拟环境,验证两个环境的包列表互不影响。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

安装 Python 数据科学环境

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通