企业官网建设流程全解析

Data-Science-For-Beginners 安装环境配置实战指南：从 Git 克隆到 Jupyter、Quiz 应用与 Docsify 文档站的完整验证

【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

本指南基于 Data-Science-For-Beginners 课程仓库的官方安装文档（含其波斯语译本 translations/fa/INSTALLATION.md），完整讲解课程环境的搭建流程：Git 与 Python/Jupyter 环境、Quiz 应用的 Node.js 依赖、可选的 Docsify 离线文档站，以及三项可执行的安装验证方法。读完本文，你可以独立在 Windows、macOS 或 Linux 上复刻一套可运行的学习环境，并能对照仓库内的 package.json、quiz-app/package.json 等文件理解每一步依赖从何而来。

安装前检查清单

在开始任何安装之前，官方文档列出的前置条件有三项：

• 对命令行/终端的基本操作能力；
• 一个免费的 GitHub 账号；
• 初始配置阶段需要稳定的网络连接。

为什么需要这三项？从仓库结构看，本课程的全部 20 节课程以 Markdown + Jupyter Notebook 形式存放在 6 大主题目录（1-Introduction到6-Data-Science-In-Wild）中，克隆仓库即获得全部讲义；而 data/ 目录已内置了birds.csv、diabetes.tsv、mushrooms.csv、taxi.csv等课程用数据集，因此首次联网主要是为了git clone与pip install/npm install下载依赖包。

快速开始选项

选项一：GitHub Codespaces（推荐初学者使用）

无需本地配置，直接在浏览器中获得完整开发环境。官方步骤为：

1. 打开课程仓库页面；
2. 点击Code下拉菜单；
3. 选择Codespaces选项卡；
4. 点击Create codespace on main；
5. 等待环境初始化（约 2-3 分钟）。

环境初始化完成后，所有依赖已预装，可以直接打开任意课程的.ipynb文件开始学习。如果你无法访问 Codespaces，则使用下面的本地安装方案。

选项二：本地开发环境

以下 8 个步骤覆盖本地安装的完整流程，全部命令可直接复制执行。

本地安装：8 个步骤

步骤 1：安装 Git

Git 用于克隆仓库和跟踪你的本地修改。

Windows：从 Git 官方下载站获取安装包，以默认设置运行安装程序即可。

macOS：通过 Homebrew 安装：

brew install git

Linux：

# Debian/Ubuntu sudo apt-get update sudo apt-get install git # Fedora sudo dnf install git # Arch sudo pacman -S git

步骤 2：克隆仓库

# Clone the repository git clone https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git # Navigate to the directory cd Data-Science-For-Beginners

克隆完成后，你可以验证目录结构与 INSTALLATION.md 所述一致：根目录包含 6 个课程主题目录、quiz-app、data、translations（含 40+ 语言的翻译，每个语言目录镜像根目录结构，如 translations/fa/ 下同样有 6 大课程目录与全套根级文档）以及index.html、package.json 等文件。

步骤 3：安装 Python 与 Jupyter

课程要求Python 3.7 或更高版本。

Windows：从 Python 官网下载安装程序，安装过程中务必勾选"Add Python to PATH"，然后验证：

python --version

macOS：

# Using Homebrew brew install python3 # Verify installation python3 --version

Linux：大多数发行版已预装 Python 3：

python3 --version # 如未安装： # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip

步骤 4：创建并激活 Python 虚拟环境

官方推荐使用虚拟环境隔离依赖，避免污染系统 Python：

# Create a virtual environment python -m venv venv # Activate the virtual environment # On Windows: venv\Scripts\activate # On macOS/Linux: source venv/bin/activate

激活成功的标志是命令行提示符前出现(venv)。如果 Windows PowerShell 报执行策略错误，可参考 TROUBLESHOOTING.md 中的Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser解决方案。

步骤 5：安装数据科学 Python 包

pip install jupyter pandas numpy matplotlib seaborn scikit-learn

这六个包正是课程笔记本的核心依赖：jupyter提供.ipynb运行环境，pandas/numpy用于第 7-8 课的数据操作与准备，matplotlib/sebastian/seaborn支撑第 9-13 课的四个可视化章节（数量、分布、比例、关系），scikit-learn用于数据分析类练习。安装后可以用下面命令抽查：

python -c "import pandas; print(pandas.__version__)"

步骤 6：安装 Node.js 与 npm（Quiz 应用所需）

仓库根目录下的 quiz-app/ 是一个基于 Vue 2 的答题应用，负责课程的前后测 quiz（共 40 题组，编号 0-39）。从 quiz-app/package.json 可以看到它依赖 Vue 2.6、vue-router 与 vue-i18n，构建工具链是@vue/cli-service4.5，因此需要 Node.js 环境（官方排障文档建议 Node 12.x 或更高，推荐 LTS 版本）。

Windows/macOS：从 Node.js 官网下载 LTS 安装包并运行即可。

Linux：

# Debian/Ubuntu # 安全提示：直接将网络脚本通过管道交给 bash 执行存在风险。 # 推荐做法是先下载脚本、审阅后再执行： # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # sudo -E bash setup_lts.x # 也可以在自担风险的前提下使用下面的单行命令： 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

步骤 7：安装 Quiz 应用依赖

# Navigate to quiz app directory cd quiz-app # Install dependencies npm install # Return to root directory cd ..

npm install会依据 quiz-app/package.json 拉取vue、vue-i18n、vue-router及 eslint 等开发依赖；quiz 的多语言内容存放在 quiz-app/src/assets/translations/ 下，按en/es/fr等语言目录组织。

步骤 8：安装 Docsify（可选，用于离线文档）

npm install -g docsify-cli

这一步服务于仓库根目录的 Docsify 站点。从 index.html 可以看到，该站通过window.$docsify配置并显式开启了relativePath: true，这正是docsify serve能把根目录下所有课程 Markdown 渲染成网页文档的关键——它让 Docsify 按当前页面位置解析相对路径。另外，package.json 中的convert脚本与 docsifytopdf.js 配置表明，仓库还内置了基于docsify-to-pdf0.0.5 的 PDF 导出能力，导出入口目录为 docs/_sidebar.md，产物输出到pdf/readme.pdf，可作为离线讲义的分发方式。

验证安装：三项测试

测试 1：Python 与 Jupyter

# 如未激活虚拟环境，先激活 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # Start Jupyter Notebook jupyter notebook

浏览器应打开 Jupyter 界面。此时建议从仓库根目录启动，然后在文件树中打开任意课程的笔记本（例如 1-Introduction/01-defining-data-science/notebook.ipynb 或 3-Data-Visualization/09-visualization-quantities/notebook.ipynb），运行一个单元格确认 pandas/matplotlib 导入无报错。若出现 "Kernel not found"，参考 TROUBLESHOOTING.md 中的python -m ipykernel install --user重建内核。

测试 2：Quiz 应用

# Navigate to quiz app cd quiz-app # Start development server npm run serve

serve脚本对应 quiz-app/package.json 中的vue-cli-service serve。应用默认运行在http://localhost:8080（若 8080 端口被占用会自动改用其他端口；也可显式指定：npm run serve -- --port 8081）。首页由 quiz-app/src/views/Home.vue 渲染，quiz 组件见 quiz-app/src/components/Quiz.vue。

测试 3：Docsify 文档服务器

# 在仓库根目录下执行 docsify serve

文档站应可在http://localhost:3000访问，无需互联网即可离线浏览全部课程讲义。若提示docsify: command not found，说明步骤 8 的全局安装未生效，可检查npm config get prefix并将全局 bin 目录加入 PATH（详见 TROUBLESHOOTING.md）。

可选方案：VS Code Dev Containers

如果已安装 Docker，还可以用 Dev Containers 获得隔离的开发容器：

1. 安装 Docker Desktop；
2. 安装 Visual Studio Code；
3. 安装 Remote - Containers 扩展；
4. 用 VS Code 打开本仓库；
5. 按F1并选择 "Remote-Containers: Reopen in Container"；
6. 首次使用需等待容器构建完成。

需要说明的一点：从当前仓库检出结构看，根目录下并没有随附.devcontainer配置目录，因此使用此方案时可能需要自行准备容器定义，或以后续仓库中补充的官方 Dev Container 配置为准；对初学者而言，前文的本地安装或 Codespaces 方案已经足够。

安装完成后的下一步

官方安装文档指引读者在环境就绪后按以下路径继续：

• 阅读 README.md 了解课程全貌（10 周、20 节课程的编排）；
• 阅读 USAGE.md 掌握每节课的标准流程（课前 quiz → 讲义 → notebook → 作业 → 课后 quiz）与常见工作流；
• 遇到问题时查阅 TROUBLESHOOTING.md，它覆盖了 Python/Jupyter 内核、pip 安装失败、端口占用、Docsify 不加载、CSV 读取等具体故障；
• 若希望参与课程建设（例如为 translations/fa/ 这类翻译目录补充或校对译文），可参阅 CONTRIBUTING.md。

求助渠道与问题描述规范

遇到环境问题时，官方建议的顺序是：先查 TROUBLESHOOTING.md，再检索项目的已有 Issues，最后提交新问题。提交问题时应包含：操作系统及发行版、python --version输出、完整错误信息、复现步骤、以及已尝试过的解决方案——这套模板在 TROUBLESHOOTING.md 的 "How to Ask for Help" 一节中有现成示例，照此填写能显著加快问题的定位速度。

小结

Data-Science-For-Beginners 的环境配置本质上由三条相互独立的工具链组成：

完成上述 8 个安装步骤并通过 3 项验证后，你就可以从 1-Introduction/01-defining-data-science/README.md 开始第一节课的学习了。

【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