Data Science for Beginners 环境搭建完全指南从零配置 20 课数据科学学习环境【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners本指南以 Data Science for Beginners 课程的官方安装文档INSTALLATION.md为骨架面向第一次接触该课程的学习者系统讲解从 Git、Python/Jupyter 到测验应用Quiz App与离线文档服务Docsify的完整环境搭建流程并结合仓库内的配置文件如 quiz-app/package.json、package.json补充实现细节与常见排错方案。读完本文你将能够独立完成本地开发环境的搭建与验证并掌握快速启动Codespaces与 VS Code Dev Containers 等备选方案。一、安装前的前置条件在开始安装之前请确认自己具备以下基础这会让后续操作顺畅得多命令行/终端基本操作能力课程大量依赖 Git、pip、npm 等命令行工具需要熟悉cd、ls、sudo等基础命令。一个 GitHub 账号免费虽然本仓库以只读方式即可下载但账号可用于后续参与讨论、提 issue 或贡献内容。稳定的网络连接首次安装需要下载 Git、Python、Node.js 及各语言包依赖网络稳定性直接影响安装成功率。提示本仓库包含 50 语言的翻译目录translations/与translated_images/克隆体积较大。如果不打算阅读翻译内容可参考下文“稀疏克隆”一节减小下载量。二、快速启动两种上手方式方式一GitHub Codespaces推荐初学者Codespaces 是零本地依赖的云端开发环境浏览器即可完成所有操作最省时打开仓库主页点击Code下拉菜单切换到Codespaces标签页点击Create codespace on main等待环境初始化完成约 23 分钟。环境初始化完成后所有课程依赖已预装可以直接打开任意课程的 Jupyter Notebook 开始学习。方式二本地开发如果你希望在自己电脑上长期学习、保存笔记并跟踪进度请按下文“本地安装”章节逐步操作。两者唯一差别在于运行环境的位置课程内容完全一致。三、本地安装分步详解第 1 步安装 GitGit 用于克隆仓库并跟踪你的学习改动。Windows从 Git 官方站点下载安装包按默认设置一路安装即可安装完成后重启终端。macOS通过 Homebrew 安装brew install git或从官方站点下载安装包。Linux各发行版命令不同# Debian/Ubuntu sudo apt-get update sudo apt-get install git # Fedora sudo dnf install git # Arch sudo pacman -S git验证安装git --version。第 2 步克隆仓库# 克隆仓库 git clone https://github.com/microsoft/Data-Science-For-Beginners.git # 进入目录 cd Data-Science-For-Beginners针对本仓库的优化建议——稀疏克隆Sparse Checkout仓库根目录的 README.md 明确提示由于内置 50 语言翻译全量克隆会显著增加下载体积。如果只需要英文课程内容官方推荐使用稀疏克隆跳过translations/与translated_images/目录# Bash / macOS / Linux git clone --filterblob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images:: CMD (Windows) git clone --filterblob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images这样既能拿到完成全部 20 课所需的所有材料下载速度又大幅提升。第 3 步安装 Python 与 Jupyter课程要求Python 3.7 或更高版本。Windows从 python.org 下载 Python 安装包安装时务必勾选Add Python to PATH否则终端将无法识别python命令验证python --version。macOS# 使用 Homebrew brew install python3 # 验证安装 python3 --versionLinux多数发行版已预装 Python 3python3 --version # 若未安装 # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip注意macOS/Linux 上命令通常为python3与pip3Windows 上为python与pip。若系统中python与python3不一致可参考 TROUBLESHOOTING.md 中Python Not Found or Wrong Version一节通过 alias 或显式使用python3解决。第 4 步创建并激活 Python 虚拟环境官方强烈建议使用虚拟环境隔离依赖避免污染系统全局 Python 环境# 创建虚拟环境 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate激活成功后终端提示符前会出现(venv)字样。后续所有pip install都应在该环境下执行。第 5 步安装数据科学 Python 库课程笔记本需要以下核心库一条命令全部安装pip install jupyter pandas numpy matplotlib seaborn scikit-learn各库在课程中的用途如下表库用途对应课程jupyter交互式 Notebook 运行环境全部课程的.ipynb文件pandas表格数据处理、CSV 加载07-python、08-data-preparationnumpy数值计算与数组运算各数据分析章节matplotlib基础绘图3-Data-Visualization 全部课程seaborn高级统计可视化可视化课程0913 课scikit-learn机器学习建模云上课程与实战章节仓库data/目录下的birds.csv、diabetes.tsv、mushrooms.csv、taxi.csv等数据集即为各课程 Notebok 的练习数据安装完成后即可直接读取。第 6 步安装 Node.js 与 npm用于测验应用课程内置的测验应用Quiz App是 Vue 项目需要 Node.js 与 npm 才能运行。Windows/macOS从 nodejs.org 下载安装包推荐LTS 版本运行安装程序即可。Linux# Debian/Ubuntu # 警告将脚本直接从网络管道到 bash 存在安全风险。 # 建议先下载并审查脚本再执行 # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # 审查确认后再运行 # sudo -E bash setup_lts.x # # 或自行承担风险使用如下一行命令 curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash - sudo apt-get install -y nodejs # Fedora sudo dnf install nodejs # 验证安装 node --version npm --version第 7 步安装测验应用的依赖# 进入测验应用目录 cd quiz-app # 安装依赖 npm install # 返回仓库根目录 cd ..关于测验应用的实现可以从 quiz-app/package.json 得到更多细节它是一个 Vue 2vue: ^2.6.11单页应用同时依赖vue-router路由与vue-i18n国际化支撑多语言测验构建工具为vue/cli-service~4.5.0。其中定义的脚本包括脚本命令作用servevue-cli-service serve启动本地开发服务器默认端口 8080buildvue-cli-service build构建生产环境产物lintvue-cli-service lint代码风格检查第 8 步安装 Docsify可选用于离线文档课程文档采用 Docsify 渲染安装 CLI 后可以在本地离线浏览全部课程文档npm install -g docsify-cli仓库根目录的 index.html 是 Docsify 的入口页面而 docs/_sidebar.md 定义了左侧导航结构——从 Introduction、Working With Data 到 Data Visualization、Data Science Lifecycle、Cloud、Real World 共 6 大板块、20 课的内容组织。另见根目录 package.json其convert脚本docsify-to-pdf可将文档一键转换为 PDF需要离线打印课件的学习者可以自行尝试npm run convert。四、验证安装是否成功安装完成后务必按以下三步验证确保环境可用。验证 1Python 与 Jupyter# 若尚未激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 启动 Jupyter Notebook jupyter notebook浏览器应自动打开 Jupyter 界面。此时可导航到任意课程的.ipynb文件例如 1-Introduction/01-defining-data-science/notebook.ipynb 或 2-Working-With-Data/08-data-preparation/notebook.ipynb。验证 2测验应用# 进入测验应用目录 cd quiz-app # 启动开发服务器 npm run serve测验应用默认运行在http://localhost:8080如果 8080 端口被占用Vue CLI 会自动切换端口并在终端输出实际地址。可运行npm run serve -- --port 8081手动指定端口。验证 3文档服务器# 必须在仓库根目录执行 docsify serve文档站点默认运行在http://localhost:3000此后即使断网也能正常浏览全部课程文档。这一特性特别适合课堂场景——教师可提前搭建好本地文档站点供学生访问参见 USAGE.md 中 Running Docsify for Offline Access 一节。五、备选方案VS Code Dev Containers如果你已安装 Docker可以使用 VS Code Dev Containers 获得一个开箱即用的隔离开发环境安装 Docker Desktop安装 Visual Studio Code安装 Remote - Containers 扩展在 VS Code 中打开本仓库按F1选择Remote-Containers: Reopen in Container等待容器构建完成仅在首次启动时执行。容器构建完成后仓库内预置的 Python、Jupyter 与 Node.js 环境即可直接使用与 Codespaces 的体验类似但完全运行在你自己的机器上。六、常见问题速查源自官方排错指南官方排错文档 TROUBLESHOOTING.md 系统整理了安装与使用中的高频问题这里摘录与安装直接相关的几类Python 命令找不到或版本不对分别执行python --version与python3 --version确认Windows 用户需在安装时勾选 Add Python to PATH 并重启终端macOS/Linux 用户可在~/.bashrc或~/.zshrc中添加alias pythonpython3或直接显式使用python3 -m pip install ...。虚拟环境无法激活Windows 报执行策略错误时Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser再执行venv\Scripts\activatemacOS/Linux 确保venv/bin/activate有执行权限chmod x venv/bin/activate用which python确认当前解析到的 Python 是否位于 venv 内。npm install 失败或测验应用无法启动清除 npm 缓存npm cache clean --force删除node_modules与package-lock.json后重装遇到依赖冲突时尝试npm install --legacy-peer-depsNode.js 版本建议 12.x 或更高可用node --version确认端口冲突时改用npm run serve -- --port 8081。Docsify 命令找不到全局安装npm install -g docsify-climacOS/Linux 权限不足时加sudo仍找不到时执行npm config get prefix获取全局路径并加入 PATH。七、安装完成后的下一步环境就绪后建议按以下顺序展开学习阅读 README.md 了解 10 周 20 课的整体课程结构通读 USAGE.md 掌握课程的标准使用流程每课包含课前测验 → 阅读 → Notebook 实操 → 作业 → 课后测验与四种学习工作流循序渐进、专题聚焦、项目驱动、云端数据科学遇到问题优先查阅 TROUBLESHOOTING.md教师用户可参考 for-teachers.md 获取课堂组织、10 周排课建议与作业评分方法有意参与课程建设者阅读 CONTRIBUTING.md。从 1-Introduction/01-defining-data-science/README.md 开始你的第一课吧——环境已经就绪剩下的就是动手实践。【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考