【数据挖掘】Python基础环境安装配置

【数据挖掘】Python基础环境安装配置

一、摘要

本文主要介绍如何在Windows上安装Python3.13.2,然后基于该Python版本安装Jupyter notebook、Numpy、pandas等数据挖掘涉及到的相关库,本文适合Python初学者和数据挖掘初学者作为学习后续课程的准备。

二、安装Python3.13.2

  1. 到官网下载Python,官网地址:Python官网

  2. 安装python:双击python-3.13.2-amd64.exe,一路下一步即可。当然安装路径可选择自定义盘,默认安装在C:\Program Files\Python313。

  3. 验证Python环境和pip环境

    打开cmd,输入:python -Vpip -V

三、安装Jupyter Notebook

  1. 使用管理员身份打开cmd,然后执行如下命令进行安装:

    shell 复制代码
    pip install notebook

    执行结果:

  2. 修改 Jupyter Notebook 默认启动目录

    打开命令行(Windows 的 cmd / PowerShell,macOS/Linux 的终端),输入以下命令生成配置文件:

    python 复制代码
    jupyter notebook --generate-config

    执行后会显示配置文件路径(如 Windows 系统通常为 C:\Users\用户名.jupyter\jupyter_notebook_config.py)。

  3. 定位并编辑配置文件

    • Windows :通过文件资源管理器进入 C:\Users\用户名\.jupyter\ 目录,用记事本、VS Code 等文本编辑器打开 jupyter_notebook_config.py
  4. 修改默认目录

    • 在配置文件中搜索 # c.NotebookApp.notebook_dir = '',删除行首的 # 取消注释,将路径修改为目标目录:

      python 复制代码
      c.NotebookApp.notebook_dir = 'D:/jupyter_workspace'  # 替换为你的目标目录
    • 确保目录已存在(如提前在 D 盘创建 jupyter_workspace 文件夹)。

    • 路径写法注意:Windows 用反斜杠 \ 需转义(如 D:\\jupyter_workspace),或直接用正斜杠 D:/jupyter_workspace;macOS/Linux 用标准路径(如 /Users/用户名/my_jupyter_dir)。

  5. 重启验证

    保存配置文件,关闭所有 Jupyter 进程,重新打开命令行输入 jupyter notebook。启动后,浏览器中 Jupyter 的文件目录会显示为你设置的目标目录。

四、安装Numpy和Pandas以及matplotlib

  1. 建议以管理员身份执行如下命令。

  2. 安装numpy,只需执行如下命令即可:

    shell 复制代码
    pip install numpy

    执行结果:

  3. 安装numpy,只需执行如下命令即可:

    shell 复制代码
    pip install pandas

    执行结果:

  4. 安装matplotlib,只需执行如下命令即可:

    shell 复制代码
    pip install matplotlib

    执行结果:

五、安装scikit-learn库和seaborn库

  1. 建议以管理员身份执行如下命令。

  2. 安装依赖库scipy(若已安装 scipy 可跳过):

    shell 复制代码
    pip install scipy

    执行结果:

  3. 安装 scikit-learn:

    shell 复制代码
    pip install scikit-learn

    执行结果:

  4. 安装 seaborn库:

    shell 复制代码
    pip install seaborn

    执行结果:

到此,学习数据挖掘的基础python环境已经安装配置完成,可以愉快的玩耍了~~

相关推荐
转转技术团队4 小时前
没有测试的核心代码,怎么交给 AI 重构
人工智能
爱读源码的大都督5 小时前
Claude Code源码分析(三):为什么系统提示词中需要有tools呢?
前端·人工智能·后端
半个落月6 小时前
LLM如何预测下一个Token?一文拆解Transformer核心流程
人工智能
触底反弹6 小时前
🔥 2026 年爆火的 Harness Engineering 到底是什么?从原理到实战一文讲透
javascript·人工智能·程序员
user4465117917916 小时前
源码深读 XAgent:6 个 Agent 怎么分工?工具失败不崩、死循环怎么防?
人工智能
魏祖潇6 小时前
SDD 完整指南——Spec 端打底、Story 端交付、留白区
人工智能·后端
常丛丛6 小时前
5.9 式输出:实时查看 LangGraph Agent 思考过程
人工智能
Token炼金师6 小时前
从节点图到低秩矩阵:ComfyUI 推理引擎与 LoRA 适配机制拆解
人工智能·aigc
武子康6 小时前
调查研究-210 Netflix 用 AI 复刻 Gene Wilder 的声音:语音克隆的下半场,不是模型,而是权利
人工智能·aigc·openai