第2章：环境准备——Python科学计算环境搭建
说实话，每次带新人入门，我最怕听到的就是「环境装好了，但跑不起来」。我自己踩过的坑，少说也有十几个版本。所以这一章，咱们把基础打牢。
你想想看，聚类分析说白了就是一堆数学公式在跑。如果底层环境没配好，后面所有代码都可能翻车。我个人的习惯是：先装Anaconda，再配Jupyter，最后装库。一步到位，省心。
2.1 为什么选Anaconda？
很多新手会问：「我直接装Python不行吗？」当然可以。但Anaconda帮你省了三件事：
- 包管理——conda命令比pip稳，尤其在Windows上
- 环境隔离——每个项目一个环境，互不干扰
- 预装库——装完就有100+常用库，省去一个个pip的麻烦
我在项目中遇到过最头疼的事：两个项目依赖不同版本的NumPy，结果一个跑起来另一个就崩。后来用conda环境隔离，再也没出过这种问题。
2.2 安装步骤（Windows/Mac/Linux通用）
- 去官网下载Anaconda最新版（Python 3.9+版本）
- 双击安装，一路默认就行
- 安装完打开终端，输入
conda --version验证
嗯，这里要注意：安装过程中有个「Add Anaconda to PATH」的选项。我建议勾上，省得后面手动配环境变量。不过如果你对系统比较敏感，也可以不勾，用Anaconda Prompt启动。
2.3 Jupyter Notebook——你的实验笔记本
Jupyter Notebook是我最常用的工具。为什么？因为它能让你边写代码边看结果，特别适合做数据分析。
启动方式很简单：
# 在终端输入
jupyter notebook浏览器会自动打开一个页面。点「New」→「Python 3」就能新建一个笔记本。
我个人习惯把每个聚类实验放在单独的notebook里。比如「客户分群_v1.ipynb」、「客户分群_v2.ipynb」。这样改起来方便，也不会搞混。
!conda install 包名 来安装，它会自动识别当前环境。
2.4 必备库安装
咱们做聚类分析，核心就四个库。我按重要性排了个序：
| 库名 | 作用 | 安装命令 |
|---|---|---|
| Scikit-learn | 聚类算法核心库（KMeans、DBSCAN等） | conda install scikit-learn |
| Pandas | 数据处理、表格操作 | conda install pandas |
| Matplotlib | 基础绘图 | conda install matplotlib |
| Seaborn | 统计图表、更美观的配色 | conda install seaborn |
安装命令很简单，打开终端（或Anaconda Prompt），逐条执行就行：
conda install scikit-learn
conda install pandas
conda install matplotlib
conda install seaborn如果你网络慢，可以换成国内镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes装完之后，验证一下：
import sklearn
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
print("所有库导入成功！")如果没报错，恭喜你，环境搭好了。
import sys; print(sys.executable)，看看当前用的是哪个Python解释器。
2.5 环境验证小实验
咱们来跑个简单的聚类代码，验证环境是否正常：
from sklearn.cluster import KMeans
import numpy as np
# 生成随机数据
X = np.random.rand(100, 2)
# 训练KMeans
kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(X)
print("聚类标签：", kmeans.labels_)
print("聚类中心：", kmeans.cluster_centers_)如果输出正常，说明Scikit-learn和NumPy都装好了。接下来就可以正式进入聚类算法的世界了。
说实话，环境搭建这一步虽然枯燥，但值得花时间。我当年第一次做客户分群项目，就是因为环境问题折腾了两天。后来学乖了，每次新项目都先建一个干净的环境，再装库。省下的时间，够你多跑十次聚类了。
conda create -n 项目名 python=3.9。这样不同项目之间不会打架。
好了，环境准备好了。下一章咱们就开始动手做第一个聚类实验——用KMeans给客户分群。到时候你会发现，前面这些准备工作，全都值了。