第1章：Python科学计算环境搭建

各位同学好，我是老张。在风电行业摸爬滚打了十几年，从最早的机械检修到现在的智能运维，我最大的感触就是——工具太重要了。今天咱们要聊的，就是机器学习实战的第一步：把Python科学计算环境搭好。

说实话，我见过太多人卡在环境配置上。明明算法思路都通了，结果装个库装了半天，最后还报错。嗯，咱们今天就把这事一次性搞定。

1.1 为什么选择Anaconda？

你可能要问：直接装Python不行吗？当然可以。但我在项目中遇到过太多次版本冲突了——这个项目要Python 3.8，那个项目要3.10，来回折腾。Anaconda说白了就是个「环境管家」，它能帮你隔离不同项目，互不干扰。

1.2 Anaconda安装实战

我个人习惯去清华镜像站下载，速度快很多。记住，别去官网，那速度能急死人。

安装步骤：

1. 访问清华镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2. 选择对应系统版本（我用的Anaconda3-2023.09-0）
3. 双击安装，一路默认即可
4. 关键一步：安装时勾选「Add Anaconda3 to my PATH environment variable」

安装完成后，打开命令行输入：

conda --version

如果看到版本号，恭喜你，成了。

1.3 Jupyter Notebook配置

Jupyter Notebook这东西，我刚开始用的时候觉得「不就是个网页版编辑器吗？」后来做风电数据探索时才发现，真香。你想想看，一边写代码一边看结果，还能加注释、画图表，特别适合做数据分析。

启动方式：

# 命令行直接启动
jupyter notebook

# 或者指定端口（我习惯用8888）
jupyter notebook --port=8888

启动后浏览器会自动打开，看到那个熟悉的界面就对了。

1.4 核心库安装：NumPy、Pandas、Scikit-learn

这三个库是咱们做风机故障分类的基石。NumPy处理数组，Pandas处理表格数据，Scikit-learn做机器学习模型。说白了，一个都不能少。

安装命令：

# 创建虚拟环境（我习惯叫wind_env）
conda create -n wind_env python=3.9

# 激活环境
conda activate wind_env

# 批量安装
conda install numpy pandas scikit-learn

安装完成后，验证一下：

python -c "import numpy; import pandas; import sklearn; print('All good!')"

如果没报错，说明环境搭好了。

1.5 知识体系总览

下面这张图是我自己画的，把整个环境搭建的逻辑串起来了。你一看就明白：

1.6 环境验证与测试

环境搭好了，咱们跑个小例子验证一下。这段代码会生成一组模拟的风机振动数据：

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split

# 生成模拟数据：1000个样本，5个特征
np.random.seed(42)
data = {
    '振动_x': np.random.normal(0, 1, 1000),
    '振动_y': np.random.normal(0, 1.2, 1000),
    '温度': np.random.normal(75, 10, 1000),
    '转速': np.random.normal(1500, 200, 1000),
    '功率': np.random.normal(2000, 300, 1000)
}
df = pd.DataFrame(data)

# 划分训练集和测试集
X_train, X_test = train_test_split(df, test_size=0.2, random_state=42)

print(f"训练集大小: {X_train.shape}")
print(f"测试集大小: {X_test.shape}")
print("环境验证通过！")

如果看到输出结果，说明你的环境已经可以跑机器学习项目了。

好了，环境搭建就到这里。记住，工具是死的，人是活的。把环境弄顺了，后面做风机故障分类才能专心搞算法。咱们下章见。