2. 项目环境搭建：Python环境、Anaconda安装、Jupyter Notebook配置、虚拟环境创建
说实话，很多做反洗钱的同学，一听到「环境搭建」就头大。我当年刚入行时也是这样——装个Python折腾一下午，最后发现路径配错了。嗯，今天咱们就把这事一次性捋清楚。
你想想看，反洗钱智能预警系统，说白了就是一堆算法在跑数据。没有好的环境，代码写得再漂亮也跑不起来。我个人习惯是：先搭好地基，再盖楼。这个地基，就是Python + Anaconda + Jupyter + 虚拟环境。
核心要点：环境搭建不是一次性的工作。你在项目中会反复创建新环境、装新包。所以一开始就要养成好习惯。
2.1 为什么选Python？
这个问题我经常被问到。其实答案很简单：反洗钱领域的数据处理、机器学习、规则引擎，Python都有现成的库。我在项目中用过R、用过Java，最后还是回到了Python。为什么？因为快。
举个例子：你要处理100万条交易记录，用Python的pandas库，几行代码就搞定。换成Java，你得写半天。而且反洗钱模型迭代特别快，今天要加个聚类算法，明天要试试随机森林——Python的生态让你能快速验证想法。
2.2 Anaconda：一站式安装
我个人强烈建议用Anaconda。为什么？因为它把Python、常用库、包管理器都打包好了。你不需要一个个去装numpy、pandas、scikit-learn——Anaconda一次性搞定。
安装步骤其实很简单：
- 去Anaconda官网下载对应操作系统的安装包（Windows/Mac/Linux）
- 双击安装，一路默认就行
- 注意：安装时勾选「Add Anaconda to my PATH environment variable」
我曾经踩过的坑：第一次装Anaconda时没勾选PATH选项，结果在命令行里死活找不到conda命令。后来折腾了半天才加上环境变量。所以这一步千万别省。
装完之后，打开终端（Windows用cmd或PowerShell，Mac/Linux用terminal），输入：
conda --version如果看到版本号，说明安装成功了。我一般会再跑一句：
python --version确保Python版本是3.8以上。反洗钱项目里很多新库已经不支持Python 2了，别用老版本。
2.3 Jupyter Notebook：交互式开发利器
做反洗钱数据分析，Jupyter Notebook是我的首选。为什么？因为它能让你边写代码边看结果。你想想看，你写一段数据清洗的代码，马上就能看到清洗后的数据长什么样——这比写脚本然后运行、再打印输出要高效得多。
安装Jupyter很简单，Anaconda已经自带了。你只需要在终端输入：
jupyter notebook浏览器会自动打开一个页面，默认地址是 http://localhost:8888。这时候你就可以新建一个Notebook开始写代码了。
我的小技巧：我会在项目根目录下创建一个 notebooks/ 文件夹，专门放Jupyter文件。这样项目结构清晰，不会把代码和数据混在一起。
Jupyter里常用的快捷键你得记住几个：
| 快捷键 | 功能 |
|---|---|
| Shift + Enter | 运行当前单元格并跳到下一个 |
| Ctrl + Enter | 运行当前单元格但不跳转 |
| A | 在当前单元格上方插入新单元格 |
| B | 在当前单元格下方插入新单元格 |
| DD | 删除当前单元格 |
嗯，这些快捷键用熟了，效率能翻倍。
2.4 虚拟环境：隔离的艺术
这是很多新手容易忽略的一步。你想想看，你同时做两个项目：一个用TensorFlow 1.x，一个用TensorFlow 2.x。如果装在同一个环境里，肯定会冲突。虚拟环境就是解决这个问题的。
创建虚拟环境的命令很简单：
conda create -n aml_env python=3.9这里 aml_env 是环境名字，你可以随便起。我习惯用项目名缩写，比如 aml 代表反洗钱（Anti-Money Laundering）。
创建好之后，激活环境：
conda activate aml_env这时候你的终端前面会多一个 (aml_env) 的标识，说明你已经在这个虚拟环境里了。接下来安装的所有包，都只在这个环境里生效。
重要：每次开始新项目，都创建一个新的虚拟环境。这是专业做法。我在项目中见过太多因为环境混乱导致的bug，排查起来特别痛苦。
退出虚拟环境用：
conda deactivate查看你有哪些虚拟环境：
conda env list如果某个环境不要了，可以删除：
conda env remove -n aml_env2.5 安装反洗钱项目必备库
环境搭好了，接下来装一些常用的库。在虚拟环境里执行：
conda install numpy pandas matplotlib seaborn scikit-learn
conda install -c conda-forge imbalanced-learn xgboost这些库的作用：
- numpy：数值计算，所有数据操作的基础
- pandas：数据处理，反洗钱里90%的数据清洗工作靠它
- matplotlib + seaborn：数据可视化，画交易分布图、异常检测图
- scikit-learn：机器学习算法，分类、聚类、回归都有
- imbalanced-learn：处理不平衡数据——反洗钱数据里正常交易占99%，异常交易只有1%，这个库专门解决这个问题
- xgboost：梯度提升树，反洗钱模型里效果最好的算法之一
我的经验：装包时尽量用conda而不是pip。conda会自动处理依赖关系，pip有时候会装出冲突。如果conda里没有某个包，再用pip。
2.6 验证环境是否正常
装完之后，咱们跑个简单的测试。在Jupyter里新建一个Notebook，输入：
import numpy as np
import pandas as pd
import sklearn
print("所有库导入成功！")
print(f"NumPy版本: {np.__version__}")
print(f"Pandas版本: {pd.__version__}")
print(f"Scikit-learn版本: {sklearn.__version__}")如果没报错，说明环境搭好了。恭喜你，可以开始写反洗钱代码了。
2.7 本章知识体系
下面这张图帮你理清今天讲的内容：
这张图把今天的内容串起来了。你从Python开始，用Anaconda一键安装，用Jupyter写代码，用虚拟环境隔离项目。每一步都有它的作用，缺一不可。
最后说一句：环境搭建看起来琐碎，但这是你未来几个月甚至几年写代码的基础。花半小时把这一步做好，后面能省下无数排查环境问题的时间。我在项目中吃过太多环境不兼容的亏，所以现在每次新项目都老老实实走这套流程。
公众号:蓝海资料掘金营，微信deep3321