Data Science for Beginners 课程环境搭建指南从零安装到运行验证【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导读《Data Science for Beginners》是一套为期 10 周、包含 20 课的系统性数据科学入门课程本仓库即其完整代码库。本指南基于仓库根目录的 INSTALLATION.md原文亦提供保加利亚语版本 translations/bg/INSTALLATION.md整理而成完整覆盖从前置条件、GitHub Codespaces 快速开始、本地分步安装Git、Python、Jupyter、Node.js、Docsify到安装验证与 VS Code Dev Containers 的整个流程。读完本文你将能在本地或云端环境中独立复现这套课程的全部 20 节课练习、运行配套测验应用并将文档离线化。一、前置要求在开始安装之前需要确认具备以下基础条件前置条件说明命令行/终端基础需要会执行基本的 shell 命令cd、git、pip、npm等GitHub 账号免费注册即可用于克隆仓库或使用 Codespaces 云环境稳定的网络连接首次安装依赖包、克隆仓库时需要安装完成后你将获得一个可以逐课推进的学习环境每节课都遵循课前测验 → 手绘示意图 → 书面讲解 → Jupyter Notebook 动手练习 → 作业 → 课后测验的统一结构详见 USAGE.md 中的课程工作流说明。二、快速开始两种路径方案 1GitHub Codespaces推荐初学者这是上手最快的方式浏览器内即可获得完整开发环境所有依赖已预装。操作步骤进入本仓库主页点击Code下拉菜单切换到Codespaces标签页点击Create codespace on main等待环境初始化约 23 分钟。初始化完成后环境即已就绪可直接开始逐课学习。这种方式尤其适合希望跳过本地环境配置、直接进入课程内容的初学者。方案 2本地开发如果你希望在自己的电脑上长期使用并自由定制请按下文本地安装的详细步骤操作。两种方式学习内容完全一致选择符合自身习惯的即可。三、本地安装八个步骤详解第 1 步安装 GitGit 用于克隆仓库并跟踪你对练习代码的改动。Windows从 git-scm.com 下载 Windows 版安装包使用默认设置一路安装即可。macOS# 通过 Homebrew 安装 brew install gitLinux# 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# 克隆本课程仓库 git clone https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git # 进入课程目录 cd Data-Science-For-Beginners克隆完成后你会看到课程按六个单元组织对应目录结构如下可对照 docs/_sidebar.md 中的文档导航确认单元目录课程内容1-Introduction1-Introduction/定义数据科学、数据伦理、定义数据、概率与统计第 14 课2-Working-With-Data2-Working-With-Data/关系型数据库、非关系型数据库、Python、数据准备第 58 课3-Data-Visualization3-Data-Visualization/数量、分布、比例、关系、有意义可视化的五种可视化第 913 课4-Data-Science-Lifecycle4-Data-Science-Lifecycle/数据科学生命周期、分析、沟通第 1416 课5-Data-Science-In-Cloud5-Data-Science-In-Cloud/云端数据科学入门、低代码工具、Azure第 1719 课6-Data-Science-In-Wild6-Data-Science-In-Wild/真实世界案例第 20 课此外仓库还内置了课程所需的全部数据集位于 data/ 目录包括 COVID-19 时间序列 CSV、birds.csv、mushrooms.csv、taxi.csv等克隆后即可离线使用无需额外下载。第 3 步安装 Python 与 Jupyter课程的数据科学练习要求Python 3.7 或更高版本。Windows从 python.org 下载安装包安装时务必勾选Add Python to PATH验证安装python --versionmacOS# 使用 Homebrew brew install python3 # 验证安装 python3 --versionLinux# 多数发行版已预装 Python先检查版本 python3 --version # 若未安装 # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip第 4 步配置 Python 虚拟环境强烈建议使用虚拟环境隔离项目依赖避免与系统其他 Python 包相互干扰# 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激活后终端提示符前会出现(venv)前缀后续所有pip安装的包都会被隔离在该环境内。第 5 步安装数据科学 Python 包pip install jupyter pandas numpy matplotlib seaborn scikit-learn这些是课程练习的核心依赖各包用途如下包用途典型课程场景jupyterNotebook 交互式编程环境所有课程的.ipynb练习文件pandas表格数据处理与读取读取 CSV 数据、数据准备第 8 课numpy数值计算概率与统计练习第 4 课matplotlib基础绘图各类可视化课程第 913 课seaborn高级统计可视化分布、关系图绘制scikit-learn机器学习建模分析类练习第 15 课仓库中的入门示例脚本examples/README.md额外提供了一套循序渐进的可选练习其基础依赖为pip install pandas numpy matplotlib其中 examples/01_hello_world_data_science.py 无需任何第三方库即可运行适合安装完成后第一时间体验。第 6 步安装 Node.js 与 npm测验应用所需配套的测验应用quiz-app是基于 Vue.js 构建的前端项目需要 Node.js 与 npm。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 # 注意直接通过管道将网络脚本交给 bash 执行存在安全风险 # 建议先下载脚本审查后再运行 # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # 审查确认后执行 # 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 ..关于测验应用的技术细节可参考其 quiz-app/package.json项目基于 Vue 2vue^2.6.11构建集成了vue-i18n国际化对应仓库 40 种语言的翻译支持与vue-router路由开发构建工具链为vue/cli-service ~4.5.0并提供三个 npm 脚本npm run serve启动开发服务器下文验证步骤使用npm run build构建生产版本npm run lint代码风格检查。第 8 步安装 Docsify可选如需离线访问课程文档全部课程的 README 汇总可全局安装 Docsifynpm install -g docsify-cli仓库根目录的 index.html 即 Docsify 的入口配置其中定义了站点名称、仓库地址并开启了relativePath: true相对路径解析仓库根目录的 package.json 还提供了npm run convert脚本基于docsify-to-pdf依赖可将文档离线转换为 PDF 文件适合课堂分发或离线阅读。四、验证安装是否成功验证 Python 与 Jupyter# 若虚拟环境尚未激活先激活 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 启动 Jupyter Notebook jupyter notebook浏览器会自动打开 Jupyter 界面此时即可导航到任意课程的.ipynb文件开始练习例如 1-Introduction/01-defining-data-science/notebook.ipynb、2-Working-With-Data/07-python/notebook.ipynb 等。Notebook 的常用操作执行单元格Shift Enter、全部运行、重启内核等见 USAGE.md 中的说明。验证测验应用# 进入测验应用目录 cd quiz-app # 启动开发服务器 npm run serve测验应用应可通过http://localhost:8080访问若 8080 端口被占用Vue CLI 会自动分配其他端口并在终端提示。该命令底层调用的是 quiz-app/package.json 中定义的vue-cli-service serve。课程每一节的课前/课后测验链接即指向该应用。验证文档服务器# 在仓库根目录执行 docsify serve文档应可通过http://localhost:3000访问呈现与在线文档一致的完整课程导航与全部章节内容此方式在无外网环境下依然可用。五、进阶使用 VS Code Dev Containers如果你已安装 Docker可以使用 Dev Containers 在隔离的容器环境中开发免去逐一手动配置的繁琐安装 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首次启动时需要。容器构建完成后环境即包含预配置的开发工具链与本地安装效果等价。六、后续步骤与常见问题推荐学习路径安装验证通过后按以下顺序推进详见 USAGE.md阅读根目录 README.md 了解课程全貌与进度跟踪方式从第 1 课 1-Introduction/01-defining-data-science/README.md 开始逐课完成课前测验 → 阅读 → Notebook 练习 → 作业 → 课后测验完成 examples/README.md 中的 5 个入门脚本作为热身教师可参考 for-teachers.md 中的 10 周排课建议组织课堂。获取帮助遇到问题时按以下顺序排查查阅 TROUBLESHOOTING.md 中的常见问题清单在仓库的 Issues 区搜索是否已有相同问题或提交包含详细环境信息操作系统、Python/Node 版本、完整报错输出的新 Issue加入课程社区向其他学习者与维护者求助。如需参与课程内容改进如补充翻译、修正示例代码请先阅读 CONTRIBUTING.md 了解贡献规范。结语从安装 Git、克隆仓库、配置 Python 虚拟环境与数据科学依赖到搭建测验应用与 Docsify 文档服务再到可选的 Dev Containers 容器化方案本指南已覆盖 Data Science for Beginners 课程的全部环境准备环节。完成验证后20 节课的全部 Notebook 练习、数据集与配套测验即可在本地完整运行为后续 10 周的数据科学学习打下坚实基础。【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