开始学习人工智能前，先建立一个可复现、互不干扰、便于记录实验的 Python 环境。
本节以 Windows + VS Code 为主。完成后，你将能够：
.venv。pip 安装并记录依赖。一个项目对应一个虚拟环境。安装包、运行脚本和打开 Notebook 时，都使用该项目自己的 .venv，不要依赖系统全局 Python。
| 名称 | 它是什么 | 你会用它做什么 |
|---|---|---|
| Python 解释器 | 执行 Python 代码的程序 | 运行 .py 文件、创建虚拟环境 |
| pip | Python 的包安装工具 | 安装 NumPy、pandas、Jupyter 等库 |
| 虚拟环境（venv） | 项目专属的 Python 与第三方包目录 | 隔离不同项目的依赖版本 |
| Jupyter Notebook | 可逐格运行代码、文字和图表的实验文档 | 学习、验证公式、绘制图像 |
可以把它们理解成：Python 是实验设备，pip 是购买实验材料的工具，虚拟环境是一间专属实验室，Notebook 是实验记录本。
打开 Python 官方下载页，下载当前稳定版 Python 3 的 Windows 安装程序。
安装界面中建议勾选：
Add python.exe to PATH
它会让终端识别 python 命令。安装完成后，重新打开 PowerShell，运行：
python --version
python -m pip --version
预期会看到类似结果：
Python 3.x.x
pip x.x.x from ...
如果系统提示找不到 python，先关闭并重新打开终端；仍无效时，重新执行安装程序并确认已勾选 PATH 选项。不要通过复制网上不明来源的安装脚本来解决问题。
python -m pip后续安装包时，优先使用：
python -m pip install 包名
而不是单独使用 pip install 包名。前一种写法明确要求“用当前 python 对应的 pip 安装”，能减少多版本 Python 环境下装错位置的问题。Python Packaging User Guide 也建议用 venv 和 pip 在隔离环境中管理项目依赖。官方指南
F:\Project\AILearning。Ctrl + ` 打开集成终端。VS Code 会探测常见位置的 Python 和工作区内的虚拟环境。选中的解释器会用于补全、调试、终端运行和 Notebook；可点击状态栏中的 Python 版本，或按 Ctrl+Shift+P 后执行 Python: Select Interpreter 更换解释器。VS Code 官方文档
在 VS Code 的 PowerShell 终端中，确认当前目录是项目根目录，然后运行：
python -m venv .venv
这会在项目根目录创建 .venv 文件夹。Python 标准库的 venv 就是用于创建虚拟环境的工具；它会在该目录中放置独立的 Python 解释器与包目录。Python 官方文档
激活环境：
.venv\Scripts\Activate.ps1
激活成功后，终端提示符前通常会出现：
(.venv) PS F:\Project\AILearning>
再次验证：
python --version
python -c "import sys; print(sys.executable)"
第二条命令输出的路径应包含：
F:\Project\AILearning\.venv\Scripts\python.exe
若出现“因为此系统上禁止运行脚本”之类的报错，不要关闭系统安全设置。可以仅对当前终端会话临时放宽策略：
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
.venv\Scripts\Activate.ps1
关闭该终端后，这个临时设置会失效。也可以不激活环境，直接使用 .venv\Scripts\python.exe 运行命令，但初学阶段建议学会激活和验证解释器。
确认终端前有 (.venv) 后，依次执行：
python -m pip install --upgrade pip
python -m pip install numpy pandas matplotlib jupyterlab
这些包的作用：
| 包 | 用途 |
|---|---|
numpy | 向量、矩阵和数值计算，是机器学习计算基础。 |
pandas | 读取与处理表格数据。 |
matplotlib | 画散点图、直方图、训练曲线等。 |
jupyterlab | 提供 Notebook 实验环境。 |
安装后，记录当前项目的依赖版本：
python -m pip freeze > requirements.txt
requirements.txt 的意义是：未来在另一台电脑或另一个环境中，可以用同一份依赖清单重建实验环境：
python -m pip install -r requirements.txt
不要将 .venv、密钥、个人数据集或大型模型文件提交到 Git。.venv 应写入 .gitignore；requirements.txt 才是需要提交的依赖说明。
创建 .venv 后，VS Code 通常会自动发现它。请确认状态栏显示的解释器路径包含：
.venv\Scripts\python.exe
如果没有：
Ctrl+Shift+P。Python: Select Interpreter。.venv 解释器。python -c "import sys; print(sys.executable)" 验证。这一步非常重要。VS Code 的 Python 扩展会将当前解释器用于代码补全、格式检查、调试，以及新建终端中的 Python 运行环境。官方环境说明
在项目根目录新建临时文件 check_environment.py：
import sys
import matplotlib
import numpy as np
import pandas as pd
print("Python:", sys.version.split()[0])
print("解释器:", sys.executable)
print("NumPy:", np.__version__)
print("pandas:", pd.__version__)
print("Matplotlib:", matplotlib.__version__)
在已激活 .venv 的终端运行：
python check_environment.py
如果每一行都正常输出版本号，说明：解释器、虚拟环境和基础包已经连通。
.py、Notebook、注释与帮助如何配合.py 是从上到下运行的脚本，适合把已经验证过的步骤保存为可重复执行的程序；.ipynb 是由许多单元格组成的实验记录，适合边写边观察。学习时可以先在 Notebook 探索，再把稳定的过程整理到 .py。无论使用哪一种，都要用注释说明“为什么这样做”，而不是重复代码表面意思。
# 这条信息用于确认：运行代码的解释器来自当前虚拟环境。
import sys
print(sys.executable)
help(len) # 在终端显示 len 的内置帮助；Notebook 中也可以写 len?
下面的最小目录足以开始一个可复现实验。requirements.txt 记录依赖，.gitignore 告诉 Git 忽略可重新生成或不应公开的文件：
my-first-ai-project/
.gitignore
.venv/
check_environment.py
python-environment.ipynb
requirements.txt
.gitignore 至少加入：
.venv/
__pycache__/
.ipynb_checkpoints/
有两种方式，任选一种。
python-environment.ipynb。.venv。import sys
import numpy as np
print(sys.executable)
print(np.arange(5) ** 2)
在激活环境的终端运行：
jupyter lab
浏览器会打开 JupyterLab。官方文档将 JupyterLab 作为安装后可使用的编辑与实验界面；如果命令不可用，首先确认是在已激活的虚拟环境中安装和运行。JupyterLab 安装文档
Notebook 会保留内核中的变量。请按顺序运行下面两格：
learning_rate = 0.1
print(learning_rate)
如果你先运行第二格，理论上会报错；但若之前运行过第一格，它仍可能成功。这会造成“文件看起来能运行，换电脑或重启后却失败”的问题。
每次要保存、分享或提交 Notebook 前，请执行：
Restart Kernel → Run All Cells
只有从空内核完整运行通过，实验才可复现。
先点击“重新赋值”，再运行输出单元格；然后重置内核并只运行输出单元格。这个演示把 Notebook 中看不见的内核状态变成可观察的状态，说明为什么共享 Notebook 前必须执行“Restart Kernel -> Run All Cells”。
下面代码验证 NumPy 与 Matplotlib 是否可用，同时预告后续的“数据可视化”章节：
如果你在当前网站的代码块中运行它，未来会由浏览器本地 Python 环境执行；在本地学习时，也可以先复制到 Notebook 中运行。
| 现象 | 常见原因 | 处理方式 |
|---|---|---|
python 找不到 | Python 未加入 PATH 或终端未重开 | 重新打开终端；检查 Python 安装与 PATH。 |
ModuleNotFoundError: No module named 'numpy' | 包安装在另一个 Python/环境里 | 激活 .venv，用 python -m pip install numpy 安装。 |
| VS Code 能运行，Notebook 找不到包 | Notebook 内核不是 .venv | 在 Notebook 右上角切换到 .venv 内核。 |
pip 与 python 版本不一致 | 系统有多个 Python | 总是使用 python -m pip。 |
| Notebook 结果前后矛盾 | 单元格乱序执行、变量残留 | Restart Kernel 后 Run All。 |
| 激活脚本被阻止 | PowerShell 当前策略限制 | 用 Set-ExecutionPolicy -Scope Process 临时处理。 |
python --version 能输出 Python 版本。.venv，且它已在 .gitignore 中。python -c "import sys; print(sys.executable)" 指向 .venv。numpy、pandas、matplotlib、jupyterlab 可正常导入。.venv 解释器/内核。requirements.txt。python -m pip install，而不是只输入 pip install？下一章：02.变量、基本类型与表达式。