1.4 搭建 Python 与 Jupyter 环境
前三节建立了分析的推理层：从决策定义问题，在生命周期中保留证据链，并声明数据集粒度与模式。现在需要一个不会隐藏结果产生过程的工作环境。
本课程使用 Python 和 JupyterLab。Notebook（交互式笔记本）把可执行代码单元、运行结果和说明性 Markdown 单元放在一个文档中，非常适合学习和探索；但它的实时内存也可能让不可复现的分析看起来一切正常。
创建隔离环境
Python 虚拟环境（virtual environment）可以让本课程使用的软件包与其他项目隔离。在新的项目目录中运行：
python -m venv .venv在 Windows PowerShell 中激活环境：
.\.venv\Scripts\Activate.ps1在 macOS 或 Linux 中激活：
source .venv/bin/activate然后安装本课程最初需要的工具：
python -m pip install --upgrade pip
python -m pip install jupyterlab numpy pandas matplotlib scikit-learn使用 python -m pip 可以让安装操作明确对应当前选择的 Python 解释器。安装后要验证解释器和版本，不要仅凭终端外观猜测环境是否正确：
python --version
python -m pip show numpy pandas matplotlib scikit-learn jupyterlab从项目根目录启动 JupyterLab：
python -m jupyter lab不要在 Notebook 中放入密钥、顾客数据或访问令牌。分享 Notebook 时，运行输出可能仍嵌在文件里。本课程应使用去敏数据；需要配置时使用环境变量。
理解内核与隐藏状态
内核（kernel）是 Notebook 运行时保存变量和已导入模块的 Python 进程。编辑代码单元只会改变屏幕上的文字；执行该单元以后，内核内存才会改变。
考虑以下两个单元：
discount = 0.20total = 100 * (1 - discount)
total依次运行后，total 是 80。如果把第一个单元改成 discount = 0.10 却不重新运行，屏幕上显示的是 10%，内核仍然保存 20%。此时只运行第二个单元，结果仍是 80。这种不一致就是隐藏状态（hidden state）。
让 Notebook 能够从头运行到底
可信的 Notebook 应通过一项简单测试：重启内核、清空旧内存，然后按顺序运行全部单元，不需要人工补救。组织单元时应让依赖关系清晰可见：
- 导入语句靠近开头。
- 配置与路径只声明一次。
- 数据读取位于配置之后。
- 验证发生在分析以前。
- 派生结果位于所需输入之后。
- 最终输出由代码生成，不依赖手工修改。
使用项目内相对路径，不要把路径绑定到某个人的桌面：
from pathlib import Path
PROJECT_ROOT = Path.cwd()
DATA_PATH = PROJECT_ROOT / "data" / "raw" / "deliveries.csv"Path.cwd() 表示当前工作目录。这个例子假设从项目根目录启动 JupyterLab，因此 README 里也要写明这一假设。以后编写可复用的生产代码时，还可以把路径定位到软件包或配置文件。
当输入违反假设时应尽早失败：
import pandas as pd
deliveries = pd.read_csv(DATA_PATH)
required_columns = {"order_id", "zone", "delivery_minutes"}
assert len(deliveries) > 0, "The dataset is empty"
assert required_columns <= set(deliveries.columns), "Required columns are missing"断言不是完整的数据验证系统，却好过画完三张图后才发现读取了错误文件。
可复现性控制的不只是代码
可复现性（reproducibility）是指另一个人，或未来的你，能够使用记录好的输入和流程获得相同结果；如果允许一定误差，也要明确写出误差范围。四类条件经常破坏可复现性：
| 条件 | 不加控制时的故障 | 控制方法 |
|---|---|---|
| 环境 | 软件包行为改变 | 记录 Python 与依赖版本 |
| 输入 | 来源文件被悄悄替换 | 为数据快照记录版本或校验值 |
| 随机性 | 抽样或模型每次变化 | 设置并记录随机种子 |
| 执行 | Notebook 隐藏状态影响输出 | 重启内核并运行全部单元 |
随机种子（random seed）控制伪随机序列，能够帮助重复数据拆分或模拟，却不能修复有偏数据，也不能保证所有软件和硬件组合都得到完全相同的行为。它只是一个需要记录的条件，不是正确性的魔法印章。
制作交接包，而不是私人作品
一个小型分析项目至少应该说明：
- 要支持的决策和分析问题。
- 数据来源、提取日期、范围和使用限制。
- Python 与直接依赖的版本。
- 从干净状态运行分析的命令或顺序。
- 将生成哪些文件，以及用什么检查判断运行成功。
如果真实数据不能分享，应提供经过适当去敏的小型样例和清晰的获取说明。绝不能用编造的信息代替缺失的来源记录。
第 1 章为后续课程建立了一份契约：每项计算都回答明确问题，每行数据都有声明好的含义，每条结论都不越过证据边界，每个输出都可以追踪并重新运行。第 2 章将在这份契约上介绍 NumPy 数组、形状、轴、数据类型和向量化计算。