Data Science for Beginners 环境搭建完全指南从零配置 Jupyter、Python 与测验应用INSTALLATION.md 实战详解【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本文围绕 Data Science for Beginners 课程仓库的 INSTALLATION.md 展开环境搭建实战讲解。你将学会在 Windows / macOS / Linux 上完整配置 Git、Python 3.7、Jupyter Notebook、数据科学依赖库以及课程配套的 Vue 测验应用quiz-app与 Docsify 文档服务器并掌握 GitHub Codespaces 云端开发、VS Code Dev Containers 容器化开发与安装结果验证的全部细节。读完本文你可以直接跑通课程中任意一课的.ipynb笔记本与 40 道随堂测验。安装前置条件在开始搭建之前请确认具备以下基础条件INSTALLATION.md 原文要求对命令行 / 终端有基本了解能执行cd、pip、npm等命令即可一个 GitHub 账号用于 Codespaces 云开发、Fork 与提交练习稳定的网络连接初次安装依赖与克隆仓库时需要联网。快速起步两条路线怎么选课程提供了两条完全不同的起步路径建议初学者优先选择云端路线把精力留给数据科学本身而不是环境排障。路线一GitHub Codespaces推荐初学者Codespaces 会在浏览器里为你启动一台预装好全部依赖的云端开发环境无需在本地安装任何东西打开仓库页面点击绿色Code下拉按钮切换到Codespaces标签页点击Create codespace on main等待环境初始化约 23 分钟首次创建稍慢。初始化完成后你的云端环境里已经预装了课程所需依赖可以直接打开任意一课的笔记本开始学习。这也是课堂场景下最省事的方案——学生之间环境完全一致不存在我这边跑不起来的差异问题。路线二本地开发如果你希望在自己的电脑上长期学习、离线工作或提交自己的练习请跟随下文 本地安装详解 一节逐步操作。本地环境可控性强且所有数据文件data/ 目录下的 CSV、TSV都随仓库一起提供。本地安装详解本地安装共分 8 个步骤下面按顺序逐一展开。若只想完成数据科学课程做到第 5 步即可若要运行随堂测验应用需要继续完成第 6、7 步第 8 步用于离线阅读文档。第 1 步安装 GitGit 用于克隆仓库、跟踪你的学习进度与提交练习。Windows从 git-scm.com 下载安装包按默认设置一路下一步即可。macOS推荐通过 Homebrew 安装brew install gitLinux按发行版选择# Debian/Ubuntu sudo apt-get update sudo apt-get install git # Fedora sudo dnf install git # Arch sudo pacman -S git第 2 步克隆仓库含稀疏检出优化克隆本仓库并进入目录git clone https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners提示跳过翻译目录加速克隆。本仓库包含 50 种语言的课程翻译见 README.md 的多语言支持章节翻译与翻译图片目录会显著增大下载体积。如果你只关心英文原版课程可以用稀疏检出只拉取课程核心内容该做法在 README 的Prefer to Clone Locally?小节中有明确说明# Bash / macOS / Linux git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images:: CMDWindows git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images这样下载的仓库包含完成课程所需的全部课程目录、数据与代码但体积小得多。需要翻译时随时可以用git sparse-checkout重新拉取对应语言目录翻译位于 translations/。第 3 步安装 Python 与 Jupyter课程要求Python 3.7 或更高版本INSTALLATION.md 原文明确仓库中的示例与笔记本也以此为基线见 examples/README.md 的前置要求。Windows从 python.org 下载安装包安装时务必勾选Add Python to PATH否则命令行无法直接调用python。macOSbrew install python3 python3 --versionLinux# 大多数发行版已预装 Python python3 --version # 若未安装 # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip装好后先验证版本python --version # Windows python3 --version # macOS / Linux第 4 步创建并激活虚拟环境强烈建议使用虚拟环境隔离依赖避免污染系统 Python也避免不同项目之间相互干扰# 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激活后终端提示符通常会带有(venv)前缀后续pip install的包都会安装进该环境。第 5 步安装数据科学依赖库一次性安装课程所需的全部数据科学库Jupyter 笔记本运行时 数据处理 可视化 机器学习入门pip install jupyter pandas numpy matplotlib seaborn scikit-learn各库在课程中的典型用途结合仓库各课实际使用情况库课程中的典型用途对应课程目录jupyter运行各课的.ipynb交互式笔记本几乎所有课均含notebook.ipynbpandas数据加载、清洗、聚合CSV/TSV2-Working-With-Data/07-python、2-Working-With-Data/08-data-preparationnumpy数值计算与数组操作同上matplotlib数量、分布、比例、关系可视化3-Data-Visualization/README.md 下的第 913 课seaborn高级统计绘图箱线图、密度图等3-Data-Visualization/10-visualization-distributionsscikit-learn回归、聚类等机器学习入门5-Data-Science-In-Cloud/19-Azure 等课程第 6 步安装 Node.js 与 npm运行测验应用所需测验应用quiz-app是一个基于 Vue 2 的前端工程其 quiz-app/package.json 明确依赖vue: ^2.6.11、vue-router、vue-i18n需要 Node.js 与 npm 才能安装依赖并启动开发服务器。Windows / macOS从 nodejs.org 下载 LTS 版本安装包运行即可。Linux以 Debian/Ubuntu 为例# WARNING: 直接从网络管道执行脚本存在安全风险。 # 官方建议先下载并审查脚本再运行 # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # 审查无误后执行 sudo -E bash setup_lts.x sudo apt-get install -y nodejs # Fedora sudo dnf install nodejs验证安装node --version npm --version第 7 步安装测验应用依赖进入quiz-app目录安装依赖cd quiz-app npm install cd ..依赖安装完成后quiz-app 即可支持三种常用脚本对应 quiz-app/package.json 中的scripts字段npm run serve # 开发服务器热重载 npm run build # 生产构建输出到 dist npm run lint # 代码风格检查与自动修复从源码结构看quiz-app 的测验数据按分组存放在 quiz-app/src/assets/translations/英文官方测验分为group-1.json~group-6.json六个分组全课程共 40 道测验编号从 0 开始每道测验 3 个问题通过 quiz-app/src/main.js 中基于vue-i18n的国际化机制按语言加载。关于测验翻译的组织方式与部署到 Azure Static Web App 的详细流程可参考 quiz-app/README.md。第 8 步安装 Docsify可选用于离线文档如果你希望离线浏览课程文档无需联网也能查看各课 README可以全局安装 Docsify CLInpm install -g docsify-cli安装后即可在仓库根目录运行docsify serve见下文验证部分。仓库根目录的 index.html 就是 Docsify 的入口页它通过window.$docsify配置了站点名称、仓库地址与relativePath: true相对路径模式配合 docs/_sidebar.md 生成左侧导航目录。注意Docsify 只能渲染 Markdown 文档无法渲染 Jupyter 笔记本。需要运行.ipynb时请用 VS Code 配合 Python 内核打开README 中亦有此提示。验证安装是否成功环境搭建完成后务必按下面三步做一次冒烟测试确保一切可用。验证 Jupyter 与 Python# 若未激活虚拟环境先激活 # 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。此时你可以导航到任意课程的.ipynb文件例如1-Introduction/01-defining-data-science/notebook.ipynb2-Working-With-Data/07-python/notebook.ipynb3-Data-Visualization/09-visualization-quantities/notebook.ipynb在笔记本中执行单元Shift Enter确认 pandas、matplotlib 等库都能正常导入。如果导入失败说明第 5 步的依赖安装不完整回到虚拟环境中重新执行pip install。验证测验应用cd quiz-app npm run serve开发服务器启动后浏览器访问http://localhost:8080若 8080 端口被占用会自动切换其他端口以终端输出为准。页面应能正常展示课程测验并切换题目由于 quiz-app 内置了 vue-i18n 国际化你还可以通过?loc语言代码之类的查询参数体验多语言测验翻译约定详见 quiz-app/README.md。验证 Docsify 文档服务器# 在仓库根目录执行 docsify serve浏览器访问http://localhost:3000应能看到课程文档站点与左侧导航目录。此时即使断网也能离线阅读全部课程 README。进阶方案VS Code Dev Containers如果你已安装 Docker还可以用 VS Code Dev Containers 在容器中开发环境完全隔离、可复现安装 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首次运行会构建容器镜像等待构建完成即可之后启动会快很多。容器方案的好处是不管你的宿主系统是 Windows / macOS / Linux课程运行环境始终一致且容器内的依赖与本地隔离不怕装坏。安装完成后的学习路径环境就绪后按以下顺序进入课程浏览 README.md 了解课程全貌10 周 20 课覆盖数据科学定义、伦理、数据处理、可视化、生命周期、云上数据科学等主题阅读 USAGE.md 掌握课程的常见使用流程如何逐课学习、如何运行笔记本、如何组织课堂完全零基础的同学建议先跑一遍 examples/README.md 目录下的 5 个入门脚本Hello World → 加载数据 → 简单分析 → 基础可视化 → 真实数据完整流程这些脚本注释详尽、可独立运行是进入正课前的绝佳热身从第 1 课 1-Introduction/01-defining-data-science/README.md 开始顺序学习每课按课前测验 → 阅读 → 笔记本实操 → 作业 → 课后测验的节奏推进。遇到问题怎么办安装或使用中遇到任何问题依次尝试查阅 TROUBLESHOOTING.md其中整理了常见问题的解决方案搜索仓库已有的 Issues看是否有人遇到相同问题在官方 Discord 社区提问README.md 中提供了社区入口以上都无解时新建一个 Issue并附上你的操作系统、Python / Node 版本与完整报错信息便于维护者定位。小结本文完整继承了 INSTALLATION.md 的全部安装步骤并补充了稀疏检出优化、quiz-app 源码级细节、Docsify 配置原理与验证清单。按文操作你将得到一套可离线、可复现、可用于课堂或自学的完整数据科学学习环境Jupyter 负责动手实验quiz-app 负责随堂测验巩固Docsify 负责文档阅读Dev Containers 则保证环境一致性。现在就可以启动jupyter notebook开始你的数据科学之旅。【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 Data Science for Beginners 环境搭建完全指南：从零配置 Jupyter、Python 与测验应用（INSTALLATION.md 实战详解）
Data Science for Beginners 环境搭建完全指南从零配置 Jupyter、Python 与测验应用INSTALLATION.md 实战详解【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本文围绕 Data Science for Beginners 课程仓库的 INSTALLATION.md 展开环境搭建实战讲解。你将学会在 Windows / macOS / Linux 上完整配置 Git、Python 3.7、Jupyter Notebook、数据科学依赖库以及课程配套的 Vue 测验应用quiz-app与 Docsify 文档服务器并掌握 GitHub Codespaces 云端开发、VS Code Dev Containers 容器化开发与安装结果验证的全部细节。读完本文你可以直接跑通课程中任意一课的.ipynb笔记本与 40 道随堂测验。安装前置条件在开始搭建之前请确认具备以下基础条件INSTALLATION.md 原文要求对命令行 / 终端有基本了解能执行cd、pip、npm等命令即可一个 GitHub 账号用于 Codespaces 云开发、Fork 与提交练习稳定的网络连接初次安装依赖与克隆仓库时需要联网。快速起步两条路线怎么选课程提供了两条完全不同的起步路径建议初学者优先选择云端路线把精力留给数据科学本身而不是环境排障。路线一GitHub Codespaces推荐初学者Codespaces 会在浏览器里为你启动一台预装好全部依赖的云端开发环境无需在本地安装任何东西打开仓库页面点击绿色Code下拉按钮切换到Codespaces标签页点击Create codespace on main等待环境初始化约 23 分钟首次创建稍慢。初始化完成后你的云端环境里已经预装了课程所需依赖可以直接打开任意一课的笔记本开始学习。这也是课堂场景下最省事的方案——学生之间环境完全一致不存在我这边跑不起来的差异问题。路线二本地开发如果你希望在自己的电脑上长期学习、离线工作或提交自己的练习请跟随下文 本地安装详解 一节逐步操作。本地环境可控性强且所有数据文件data/ 目录下的 CSV、TSV都随仓库一起提供。本地安装详解本地安装共分 8 个步骤下面按顺序逐一展开。若只想完成数据科学课程做到第 5 步即可若要运行随堂测验应用需要继续完成第 6、7 步第 8 步用于离线阅读文档。第 1 步安装 GitGit 用于克隆仓库、跟踪你的学习进度与提交练习。Windows从 git-scm.com 下载安装包按默认设置一路下一步即可。macOS推荐通过 Homebrew 安装brew install gitLinux按发行版选择# Debian/Ubuntu sudo apt-get update sudo apt-get install git # Fedora sudo dnf install git # Arch sudo pacman -S git第 2 步克隆仓库含稀疏检出优化克隆本仓库并进入目录git clone https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners提示跳过翻译目录加速克隆。本仓库包含 50 种语言的课程翻译见 README.md 的多语言支持章节翻译与翻译图片目录会显著增大下载体积。如果你只关心英文原版课程可以用稀疏检出只拉取课程核心内容该做法在 README 的Prefer to Clone Locally?小节中有明确说明# Bash / macOS / Linux git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images:: CMDWindows git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images这样下载的仓库包含完成课程所需的全部课程目录、数据与代码但体积小得多。需要翻译时随时可以用git sparse-checkout重新拉取对应语言目录翻译位于 translations/。第 3 步安装 Python 与 Jupyter课程要求Python 3.7 或更高版本INSTALLATION.md 原文明确仓库中的示例与笔记本也以此为基线见 examples/README.md 的前置要求。Windows从 python.org 下载安装包安装时务必勾选Add Python to PATH否则命令行无法直接调用python。macOSbrew install python3 python3 --versionLinux# 大多数发行版已预装 Python python3 --version # 若未安装 # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip装好后先验证版本python --version # Windows python3 --version # macOS / Linux第 4 步创建并激活虚拟环境强烈建议使用虚拟环境隔离依赖避免污染系统 Python也避免不同项目之间相互干扰# 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激活后终端提示符通常会带有(venv)前缀后续pip install的包都会安装进该环境。第 5 步安装数据科学依赖库一次性安装课程所需的全部数据科学库Jupyter 笔记本运行时 数据处理 可视化 机器学习入门pip install jupyter pandas numpy matplotlib seaborn scikit-learn各库在课程中的典型用途结合仓库各课实际使用情况库课程中的典型用途对应课程目录jupyter运行各课的.ipynb交互式笔记本几乎所有课均含notebook.ipynbpandas数据加载、清洗、聚合CSV/TSV2-Working-With-Data/07-python、2-Working-With-Data/08-data-preparationnumpy数值计算与数组操作同上matplotlib数量、分布、比例、关系可视化3-Data-Visualization/README.md 下的第 913 课seaborn高级统计绘图箱线图、密度图等3-Data-Visualization/10-visualization-distributionsscikit-learn回归、聚类等机器学习入门5-Data-Science-In-Cloud/19-Azure 等课程第 6 步安装 Node.js 与 npm运行测验应用所需测验应用quiz-app是一个基于 Vue 2 的前端工程其 quiz-app/package.json 明确依赖vue: ^2.6.11、vue-router、vue-i18n需要 Node.js 与 npm 才能安装依赖并启动开发服务器。Windows / macOS从 nodejs.org 下载 LTS 版本安装包运行即可。Linux以 Debian/Ubuntu 为例# WARNING: 直接从网络管道执行脚本存在安全风险。 # 官方建议先下载并审查脚本再运行 # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # 审查无误后执行 sudo -E bash setup_lts.x sudo apt-get install -y nodejs # Fedora sudo dnf install nodejs验证安装node --version npm --version第 7 步安装测验应用依赖进入quiz-app目录安装依赖cd quiz-app npm install cd ..依赖安装完成后quiz-app 即可支持三种常用脚本对应 quiz-app/package.json 中的scripts字段npm run serve # 开发服务器热重载 npm run build # 生产构建输出到 dist npm run lint # 代码风格检查与自动修复从源码结构看quiz-app 的测验数据按分组存放在 quiz-app/src/assets/translations/英文官方测验分为group-1.json~group-6.json六个分组全课程共 40 道测验编号从 0 开始每道测验 3 个问题通过 quiz-app/src/main.js 中基于vue-i18n的国际化机制按语言加载。关于测验翻译的组织方式与部署到 Azure Static Web App 的详细流程可参考 quiz-app/README.md。第 8 步安装 Docsify可选用于离线文档如果你希望离线浏览课程文档无需联网也能查看各课 README可以全局安装 Docsify CLInpm install -g docsify-cli安装后即可在仓库根目录运行docsify serve见下文验证部分。仓库根目录的 index.html 就是 Docsify 的入口页它通过window.$docsify配置了站点名称、仓库地址与relativePath: true相对路径模式配合 docs/_sidebar.md 生成左侧导航目录。注意Docsify 只能渲染 Markdown 文档无法渲染 Jupyter 笔记本。需要运行.ipynb时请用 VS Code 配合 Python 内核打开README 中亦有此提示。验证安装是否成功环境搭建完成后务必按下面三步做一次冒烟测试确保一切可用。验证 Jupyter 与 Python# 若未激活虚拟环境先激活 # 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。此时你可以导航到任意课程的.ipynb文件例如1-Introduction/01-defining-data-science/notebook.ipynb2-Working-With-Data/07-python/notebook.ipynb3-Data-Visualization/09-visualization-quantities/notebook.ipynb在笔记本中执行单元Shift Enter确认 pandas、matplotlib 等库都能正常导入。如果导入失败说明第 5 步的依赖安装不完整回到虚拟环境中重新执行pip install。验证测验应用cd quiz-app npm run serve开发服务器启动后浏览器访问http://localhost:8080若 8080 端口被占用会自动切换其他端口以终端输出为准。页面应能正常展示课程测验并切换题目由于 quiz-app 内置了 vue-i18n 国际化你还可以通过?loc语言代码之类的查询参数体验多语言测验翻译约定详见 quiz-app/README.md。验证 Docsify 文档服务器# 在仓库根目录执行 docsify serve浏览器访问http://localhost:3000应能看到课程文档站点与左侧导航目录。此时即使断网也能离线阅读全部课程 README。进阶方案VS Code Dev Containers如果你已安装 Docker还可以用 VS Code Dev Containers 在容器中开发环境完全隔离、可复现安装 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首次运行会构建容器镜像等待构建完成即可之后启动会快很多。容器方案的好处是不管你的宿主系统是 Windows / macOS / Linux课程运行环境始终一致且容器内的依赖与本地隔离不怕装坏。安装完成后的学习路径环境就绪后按以下顺序进入课程浏览 README.md 了解课程全貌10 周 20 课覆盖数据科学定义、伦理、数据处理、可视化、生命周期、云上数据科学等主题阅读 USAGE.md 掌握课程的常见使用流程如何逐课学习、如何运行笔记本、如何组织课堂完全零基础的同学建议先跑一遍 examples/README.md 目录下的 5 个入门脚本Hello World → 加载数据 → 简单分析 → 基础可视化 → 真实数据完整流程这些脚本注释详尽、可独立运行是进入正课前的绝佳热身从第 1 课 1-Introduction/01-defining-data-science/README.md 开始顺序学习每课按课前测验 → 阅读 → 笔记本实操 → 作业 → 课后测验的节奏推进。遇到问题怎么办安装或使用中遇到任何问题依次尝试查阅 TROUBLESHOOTING.md其中整理了常见问题的解决方案搜索仓库已有的 Issues看是否有人遇到相同问题在官方 Discord 社区提问README.md 中提供了社区入口以上都无解时新建一个 Issue并附上你的操作系统、Python / Node 版本与完整报错信息便于维护者定位。小结本文完整继承了 INSTALLATION.md 的全部安装步骤并补充了稀疏检出优化、quiz-app 源码级细节、Docsify 配置原理与验证清单。按文操作你将得到一套可离线、可复现、可用于课堂或自学的完整数据科学学习环境Jupyter 负责动手实验quiz-app 负责随堂测验巩固Docsify 负责文档阅读Dev Containers 则保证环境一致性。现在就可以启动jupyter notebook开始你的数据科学之旅。【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