2、Python与数据分析环境搭建：Anaconda安装、Jupyter Notebook配置、Pandas与NumPy库简介
各位同学，咱们直接进入正题。
做制造业质量检测的数据挖掘，第一步不是写代码，而是搭环境。我见过太多人，代码写得挺溜，结果环境配了一周还没跑通第一个例子。说白了，工具没准备好，后面全是坑。
今天我就带你把环境一次搞定。咱们用Anaconda，这是目前最省心的Python发行版。你想想看，要是手动装Python、再一个个装库，光依赖冲突就能让你怀疑人生。Anaconda把这些打包好了，开箱即用。
2.1 Anaconda安装：别走弯路
Anaconda是什么？简单说，就是Python + 常用数据科学库 + 包管理工具conda。你装一个，等于装了全套。
下载地址：去官网 anaconda.com 下载对应版本。我建议选Python 3.9或3.10的版本，太新的版本有些工业库还没适配。
安装要点：
- Windows用户：安装时勾选「Add Anaconda to my PATH environment variable」。虽然安装程序会警告你，但相信我，勾上省事。
- Linux/Mac用户：用命令行安装，记得用bash命令执行.sh文件。
- 安装路径不要有中文，不要有空格。我在工厂项目里见过有人装在「D:\质量分析工具」下面，结果后面各种报错。
2.2 Jupyter Notebook配置：你的交互式工作台
Jupyter Notebook是我个人最常用的工具。为什么？因为它能让你边写代码边看结果，特别适合做数据探索。
启动方式：
- 打开Anaconda Navigator，点击「Launch」按钮下的Jupyter Notebook。
- 或者直接打开命令行，输入
jupyter notebook回车。
启动后浏览器会自动打开一个页面，显示你的文件目录。点右上角「New」→「Python 3」，就新建了一个笔记本。
几个实用配置：
- 修改默认目录：找到配置文件
jupyter_notebook_config.py，搜索c.NotebookApp.notebook_dir，改成你放项目文件的路径。比如我习惯设成D:\quality_projects。 - 安装扩展插件：运行
pip install jupyter_contrib_nbextensions，然后重启Jupyter。你会看到多了一个「Nbextensions」标签，里面有很多实用插件，比如代码折叠、表格美化。 - 快捷键：记住两个最常用的——
Shift+Enter运行当前单元格并新建下一个，Esc + H查看所有快捷键。
2.3 Pandas库简介：表格数据的瑞士军刀
做质量检测，你面对的数据大多是表格形式——产品ID、检测时间、尺寸偏差、缺陷类型……Pandas就是专门处理这种数据的。
核心数据结构：
- DataFrame：二维表格，类似Excel的sheet。每一列可以有不同的数据类型（数值、字符串、日期等）。
- Series：一维数组，相当于DataFrame的一列。
快速上手示例：
import pandas as pd
# 读取CSV文件（质量检测数据）
df = pd.read_csv('quality_inspection.csv')
# 看看数据长什么样
print(df.head()) # 前5行
print(df.info()) # 每列的数据类型、非空数量
# 简单统计
print(df.describe()) # 数值列的均值、标准差、四分位数
# 筛选出缺陷产品
defective = df[df['defect_flag'] == 1]
print(f"缺陷产品数量：{len(defective)}")我在项目中遇到过最常用的操作就是筛选和分组。比如按产线分组统计缺陷率：
# 按产线分组，计算缺陷率
defect_rate = df.groupby('production_line')['defect_flag'].mean()
print(defect_rate)嗯，这里要注意：groupby 后面跟的是分组依据的列名，mean() 计算的是缺陷标志列的平均值。因为缺陷标志是0或1，平均值就是缺陷率。
2.4 NumPy库简介：数值计算的基石
NumPy是Pandas的底层引擎。你想想看，Pandas处理数据时，很多计算其实都调用了NumPy。它最核心的东西是ndarray（N维数组）。
为什么需要NumPy？
- 比Python原生的列表快10-100倍。做质量检测时，数据量动不动几十万行，速度差距很明显。
- 支持向量化运算。不用写循环，一行代码搞定批量计算。
常用操作：
import numpy as np
# 创建数组
measurements = np.array([10.2, 10.5, 9.8, 10.1, 10.3])
# 批量计算
mean_val = np.mean(measurements) # 均值
std_val = np.std(measurements) # 标准差
max_val = np.max(measurements) # 最大值
print(f"均值：{mean_val:.2f}, 标准差：{std_val:.2f}")
# 条件筛选（找出超出公差范围的值）
tolerance = 0.3
out_of_spec = measurements[np.abs(measurements - mean_val) > tolerance]
print(f"超差数据：{out_of_spec}")2.5 实战小练习：加载你的第一份质量数据
光说不练假把式。咱们来个小练习，把今天学的串起来。
任务：假设你有一份轴承外径检测数据，包含「产品编号」「外径测量值」「标准值」「检测时间」四列。请完成：
- 用Pandas读取数据
- 计算每个产品的偏差（测量值 - 标准值）
- 找出偏差超过±0.05mm的产品
参考代码：
import pandas as pd
import numpy as np
# 1. 读取数据
df = pd.read_csv('bearing_diameter.csv')
# 2. 计算偏差
df['deviation'] = df['measure_value'] - df['standard_value']
# 3. 找出超差产品
out_of_tolerance = df[np.abs(df['deviation']) > 0.05]
print(f"共检测 {len(df)} 个产品")
print(f"超差产品 {len(out_of_tolerance)} 个，占比 {len(out_of_tolerance)/len(df)*100:.2f}%")
print(out_of_tolerance[['product_id', 'deviation']])这个练习做完，你就掌握了质量检测数据分析最基础的操作。后面咱们会在这个基础上，一步步深入。
好了，环境搭好了，基础库也认识了。下一章咱们开始真正接触质量检测数据，看看实际工厂里的数据长什么样，有哪些坑等着我们。
公众号:蓝海资料掘金营，微信deep3321