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 .venvWindows PowerShell 激活命令:
powershell
.\.venv\Scripts\Activate.ps1macOS 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
- 创建名为
.venv的虚拟环境并成功激活。 - 输出五个核心包的版本号。
- 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。