企业官网建设流程全解析

很多人一上来就抱着"机器学习=数学公式+调参"的想法，结果光是环境配置和数据处理就劝退了。我的建议一直很明确：先花一周把numpy、pandas、matplotlib这三个库的基本操作彻底吃透，再谈算法。因为不管你是看吴恩达的课程、啃周志华的《机器学习》，还是跑Kaggle上的入门比赛，你会发现所有代码都建立在这三个库之上——它们是机器学习的"通用语言"，数据进模型之前要过它们的关，训练出来的结果也要靠它们来理解和验证。

这篇文章不是教科书式的API罗列，而是按机器学习实际工作流来组织的实操笔记：先说明为什么这三个库是一定要做的准备，再逐一拆解它们最核心的操作、背后的原理、容易踩的坑，最后集中排查新手最典型的几个问题。所有内容都围绕"学机器学习之前需要什么基础"这条主线展开，你可以直接照着做。

1. 为什么学机器学习之前要先把这三个库练熟

1.1 它们分别对应机器学习流程中的哪一步

机器学习项目落到代码上，基本就是一条流水线：数据加载与清洗、特征构造、转换为数值矩阵、训练模型、结果可视化。pandas负责前两段——读数据、清洗、变换、分组聚合；numpy负责中间那段——把数据变成张量或者矩阵，做数值运算；matplotlib负责最后那段——画损失曲线、分布图、结果对比。三个库一前一后，把整个流程的骨架撑起来了。

你可能觉得"我直接学scikit-learn不就行了？"说实话还真不行。scikit-learn的接口要求输入是二维数组（形状为(n_samples, n_features)），而这个数组要么直接是numpy数组，要么是从pandas的DataFrame转过来的。你如果不懂numpy的shape、dtype、广播机制，连"喂数据给模型"这一步都会莫名其妙报错；不懂pandas，特征选择、缺失值填充这些预处理根本没法做；不懂matplotlib，模型训练完你只剩一堆数字，看不出收敛情况、分布差异和异常点。

1.2 从热搜词能看出初学者最痛的点

我特意翻了近期关于这个主题的热搜词，发现大家的问题高度集中在这么几类：numpy和list谁快、numpy怎么求矩阵逆、numpy版本不匹配、pandas数据类型转换、pandas正则表达式、matplotlib中figure/axes/axis三者的关系、散点图的透明度与网格、雷达图、还有一大堆"安装报错ModuleNotFoundError"。

这些热搜词透露了一个关键信息：绝大多数人不是卡在"算法太难"，而是卡在"基础工具不熟"。np和list的性能差异涉及底层内存布局，不搞明白就没法理解为什么要向量化；figure、axes、axis搞不清楚，画图就只能照着模板抄，一旦要改子图、共享坐标轴就抓瞎；版本不匹配更是环境问题里最常见的地雷。所以这篇我把这些内容全串起来讲清楚，而不是给你一个干巴巴的API清单。

2. 环境准备：装库、选工具、版本匹配

2.1 安装过程中的高频报错与处理思路

热搜词里出现频率最高的错误就是ModuleNotFoundError: No module named 'numpy'。这个错误本身很简单，但我见过太多人卡在它上面，根因基本是三种：第一，pip装到了系统Python而不是当前解释器；第二，用的是PyCharm但解释器没切换；第三，Jupyter用自己的kernel而安装用的是base环境。

正确的处理方式分两步。第一步先确认当前环境里有没有库：

python -m pip list | grep numpy python -c "import numpy; print(numpy.__version__)"

第二步，如果确实没有，再用python -m pip install而不是裸的pip install，原因在于python -m pip能确保pip和当前解释器绑定，避免"装完找不到"的经典问题。PyCharm用户记得在Settings > Project > Python Interpreter里确认环境路径，Jupyter用户则要检查内核是否指向安装包的那个解释器。

2.2 版本匹配：别让版本成为第一个坑

热搜词里"numpy版本不匹配"也是个高频词。这个坑通常出现在你装了最新版numpy，但项目里某个库还没适配新版本的时候。最典型的表现形式是numpy.dtype size changed或者numpy.core._exceptions._ArrayMemoryError，前者通常是二进制兼容性问题，后者可能是内存不足。

我给一个比较实用的版本选择策略：不要追求最新版，优先选scikit-learn、pandas、matplotlib这三个库当前依赖的numpy版本区间。如果你用的是Python 3.10及以上，推荐组合是numpy>=1.26,<2.0、pandas>=2.0、matplotlib>=3.8、scikit-learn>=1.3。如果安装时提示版本冲突，用pip install numpy==1.26.4 pandas==2.1.4 matplotlib==3.8.2 scikit-learn==1.3.2这种显式指定版本的方式，能一次性把环境锁死。

2.3 用什么编辑器：Jupyter Notebook还是PyCharm

很多初学者会在Jupyter Notebook和PyCharm之间纠结。我的个人经验是：两个都要用，角色不同。Jupyter Notebook适合探索性分析——你加载数据、看一眼分布、试几个变换，这些操作需要立刻看到结果反馈，Notebook的单元格模式天然契合这种"试错"节奏。PyCharm适合写完整脚本——数据清洗逻辑、特征工程函数、模型训练流程，这些是需要长期维护和调试的代码。

如果你用的是PyCharm，装包还有一个小技巧：不要打开终端去pip，直接去Settings > Project > Python Interpreter，点加号搜索包名安装，这样能保证包装进当前解释器。解决"PyCharm怎么安装pandas包""PyCharm安装matplotlib"这类热搜问题最快的方式就是这个。

3. NumPy实操：从数组到广播，把矩阵运算变成直觉

3.1 numpy比list快在哪：底层内存布局与广播机制

"numpy和list比快在哪"能上热搜，说明大家都听说过numpy快，但不知道快在哪里。核心原因有两点。第一，list存的是Python对象的引用，每个对象还有类型信息、引用计数这些额外的开销，内存不连续；而numpy数组是一个连续的内存块，里面存的是同一类型的原始数值，CPU缓存命中率完全不同。举个直观的例子：一个包含100万个整数的list和一个同样数据的numpy数组，后者内存占用大约是前者的四分之一到三分之一。第二，numpy的核心运算用C语言实现，并且支持向量化操作，不需要在Python层面一层层循环。

还有一点是旁路机制（broadcasting）。所谓广播，就是当两个数组shape不完全相同时，numpy自动把维度较小的数组沿着缺失的维度"拉伸"到和另一个数组对齐，再进行逐元素操作。比如一个形状为(3, 1)的数组和一个形状为(1, 4)的数组相加，结果形状是(3, 4)。这个概念初学者很难一次上手，但它几乎是所有numpy高效写法的灵魂，机器学习里的标准化、归一化、加权求和处处都依赖它。

3.2 机器学习中最常碰到的numpy操作集

我把机器学习入门阶段最重要的numpy操作按场景做了分类，不要贪多，把这几组练熟就够了。

创建数组：

import numpy as np # 从列表创建 arr = np.array([1, 2, 3, 4, 5]) # 创建全0、全1、单位矩阵 zeros = np.zeros((3, 4)) ones = np.ones((2, 3)) eye = np.eye(3) # 创建等差数列 range_arr = np.arange(0, 10, 2) # [0, 2, 4, 6, 8] linspace_arr = np.linspace(0, 1, 5) # [0, 0.25, 0.5, 0.75, 1] # 随机数（机器学习里最常用） np.random.seed(42) # 固定随机种子，便于复现 rand_arr = np.random.rand(3, 3) # 均匀分布[0,1) normal_arr = np.random.randn(3, 3) # 标准正态分布

形状操作：

arr = np.arange(12) # reshape不修改原始数据，返回新视图 reshaped = arr.reshape(3, 4) # 3行4列 flattened = reshaped.flatten() # 拉平为一维 transposed = reshaped.T # 转置 # 拼接与切分 a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) hstacked = np.hstack([a, b]) # 水平拼接，列数增加 vstacked = np.vstack([a, b]) # 垂直拼接，行数增加

索引与切片：

numpy的索引和Python列表类似，但要记住一个关键差异：切片返回的是原数组的视图（view），不是副本，修改切片会影响原数组。如果你需要副本，务必用.copy()。机器学习代码里经常因为这个问题莫名其妙改坏了原始数据。

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 取单个元素 print(arr[1, 2]) # 6 # 取第一行 print(arr[0, :]) # [1, 2, 3] # 取第一列 print(arr[:, 0]) # [1, 4, 7] # 布尔索引（数据筛选的核心工具） mask = arr > 5 print(arr[mask]) # [6, 7, 8, 9]

3.3 线性代数：矩阵求逆、乘法与解方程

机器学习里线性代数无处不在，线性回归的闭式解w = (X^T X)^(-1) X^T y就是典型例子。热搜词问的"numpy如何求解矩阵的逆"，直接看这段代码：

# 求解矩阵的逆 A = np.array([[1, 2], [3, 4]]) A_inv = np.linalg.inv(A) # array([[-2. , 1. ], [ 1.5, -0.5]]) # 验证 A @ A_inv 是否等于单位阵 result = np.round(A @ A_inv, 8) # 多数情况下你不需要显式求逆，而是用solve解线性方程组 # 解 Ax = b b = np.array([5, 11]) x = np.linalg.solve(A, b) # 比显式求逆更稳定更快

这里必须提醒一句：实际做机器学习时尽量用np.linalg.solve而不是np.linalg.inv再去乘。求逆的数值稳定性不如直接解方程，尤其是当矩阵接近奇异时，求逆会放大浮点误差。你只在需要显式看到逆矩阵时才用inv。

3.4 归一化与标准化：numpy在数据预处理中的典型应用

模型训练之前，特征缩放几乎是必做的一步。用numpy手写z-score标准化是这样的：

X = np.array([[1, 200], [2, 400], [3, 600]]) # 计算每个特征的均值与标准差 mean = X.mean(axis=0) # axis=0表示沿着行的方向求均值，得到每列的均值 std = X.std(axis=0) # 标准化： (X - mean) / std X_scaled = (X - mean) / std # 手动实现最小-最大归一化 X_min = X.min(axis=0) X_max = X.max(axis=0) X_norm = (X - X_min) / (X_max - X_min)

axis=0和axis=1是numpy新手最容易搞混的地方。我自己的记忆方法是：axis=0对应"行方向"，但最终结果是"沿着这个方向操作，其他维度保留"——所以X.mean(axis=0)拿到的是一组"列的均值"；X.mean(axis=1)拿到的是一组"行的均值"。把这两个方向练熟，后续大量操作都顺了。

4. Pandas实操：数据加载、清洗与特征工程的日常

4.1 Series和DataFrame：pandas的两种核心数据结构

pandas的两个核心数据结构，一个是Series，类似带索引的一维数组；另一个是DataFrame，类似带行索引和列名的二维表格。DataFrame每一列在底层其实都是一个Series，理解这点对后面的操作很重要——你取一列时拿到的是Series，对它做的一切操作（如fillna、astype）都会按列生效。

创建DataFrame最常用的方式是从字典构建：

import pandas as pd data = { "name": ["张三", "李四", "王五"], "age": [25, 30, 35], "score": [85.5, 92.0, 78.5] } df = pd.DataFrame(data) print(df.head(2)) # 查看前2行 print(df.info()) # 查看列名、非空计数、dtype print(df.describe()) # 数值列的统计摘要

df.info()是拿到数据集后第一件要做的事，它能瞬间告诉你数据长什么样、有没有缺值、每一列是什么类型。这一步判断错误，后面所有预处理都会跑偏。

4.2 数据加载：从CSV和Excel读数据时的细节

机器学习项目里数据最常见的存在形式就是CSV和Excel表格。pandas读取CSV：

df = pd.read_csv("data.csv") df = pd.read_csv("data.csv", encoding="utf-8") # 中文文件经常需要指定编码 df = pd.read_csv("data.csv", parse_dates=["date"]) # 自动解析时间列

pandas读取Excel文件是热搜词里的另一个高频问题，这里有一个非常常见的坑：read_excel依赖openpyxl或xlrd库，如果只装了pandas没装读Excel的引擎，会直接报ImportError: Missing optional dependency 'openpyxl'。解决办法很直接：

pip install openpyxl

之后就能正常读取了：

df = pd.read_excel("data.xlsx", sheet_name="Sheet1")

我建议读入数据后，统一做一次df.columns查看列名。我遇到过太多Excel表列名带空格、带特殊符号的情况，这些在后续df["列名"]索引时就是隐患，预处理第一步应该顺手清理列名：

df.columns = df.columns.str.strip().str.replace(" ", "_")

4.3 数据类型转换：astype与to_datetime

热搜词里"pandas数据类型转换"是高频问题，它通常出在两个场景：一是读入Excel后数字被识别成了字符串，二是日期列变成了object类型。

第一种场景的根源在于Excel单元格格式混乱，比如"001"这种编号字符串在pandas读入后可能变成整数1。这时候显式转换类型：

# 转数值类型，errors='coerce'让无法转换的变NaN，后续再处理 df["age"] = pd.to_numeric(df["age"], errors="coerce") # 转字符串类型 df["id"] = df["id"].astype(str) # 转时间类型 df["date"] = pd.to_datetime(df["date"])

特别注意：astype是pandas里的高频操作，但它不能处理"字符串丢失""非法时间格式"这类情况。处理脏数据时优先用pd.to_numeric、pd.to_datetime再加errors="coerce"，把所有无法解析的变成缺失值，再统一处理缺失值通道，这样比让astype直接抛异常要优雅得多。

4.4 数据清洗三板斧：缺失值、重复值、正则筛选

缺失值处理是数据清洗的重头戏。拿到数据后先看缺失情况：

# 缺失值统计 print(df.isnull().sum()) # 删除含缺失值的行 df_dropna = df.dropna() # 用均值/中位数/固定值填充 df["score"] = df["score"].fillna(df["score"].mean()) # 用均值填充 df["age"] = df["age"].fillna(0) # 用固定值填充 df = df.ffill() # 用前一个有效值填充

选择删除还是填充，取决于业务逻辑和数据量。如果缺失比例超过30%，我通常会考虑直接删掉该列；如果只是个别行缺值，也可以删行；如果缺失值有规律（如设备未上报），则要考虑单独给一个"缺失标记"。

重复值处理相对简单：

# 判断重复 print(df.duplicated().sum()) # 删除完全重复的行 df = df.drop_duplicates() # 按指定列去重，保留第一条 df = df.drop_duplicates(subset=["id"], keep="first")

热搜词里的"pandas正则表达式"，最常见的应用是把一列文本中的关键信息提取出来，或者按规则筛选行。pandas的str访问器天然支持正则：

# 按正则筛选：筛出所有邮箱格式的行 mask = df["contact"].str.contains(r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$") df_email = df[mask] # 提取手机号 df["phone"] = df["text"].str.extract(r"(1[3-9]\d{9})") # 把文本中的数字替换成空 df["clean_text"] = df["text"].str.replace(r"\d+", "", regex=True)

正则表达式本身是个大课题，但在pandas里你只需要记住几个常用模式就够起步：\d+匹配数字、\w+匹配字母数字下划线、.*?非贪婪匹配、用()做捕获组提取。不要一上来就背复杂的正则，先学会在具体列上用str.contains做筛选，用str.extract做提取，这两个够应付大多数初学场景。

4.5 特征工程的基础操作：groupby、apply、ewm

特征工程是机器学习和数据分析的交叉地带，pandas在这里承担主要工作。

groupby是我们做分组聚合的利器，它的逻辑可以拆成三步：拆分（split）→ 应用（apply）→ 合并（combine）。举个例子，计算不同年龄段用户的平均分：

# 先创建年龄分组列 df["age_group"] = pd.cut(df["age"], bins=[0, 18, 30, 60], labels=["少年", "青年", "中老年"]) # 按分组列聚合：求平均分和人数 result = df.groupby("age_group")["score"].agg(["mean", "count", "std"])

apply是我们对DataFrame或Series逐行/逐列施加自定义函数的方法。很多初学机器学习的人一上来就用apply写复杂逻辑，但我要提醒一句：apply本质上还是在Python层循环，速度远慢于向量化操作。能用df["score"] * 2这种向量化写法就别用apply；必须用apply时，优先选择Series.apply而不是DataFrame.apply按行跑，因为后者开销更大。

ewm函数是pandas里的指数加权移动平均，它在时间序列平滑、波动率估计里很常用。参数主要有span、alpha、halflife，其中span对应的关系是alpha = 2 / (span + 1)。比如：

# 指数加权移动平均，span=5表示最近5期左右的权重集中区 df["ewm_score"] = df["score"].ewm(span=5).mean()

初学阶段不需要深入推导ewm的数学细节，但要理解它的作用：比简单移动平均更看重近期数据，在预测任务中能有效降低噪声。

5. Matplotlib实操：把数据讲清楚，先搞懂figure、axes、axis

5.1 figure、axes、axis这三个概念到底是什么

热搜词里"matplotlib中figure、axes、axis三个核心概念之间的关系和区别"能上热搜，说明这是几乎所有初学者都会卡住的概念。我用大白话解释一遍，你一旦想通就再也忘不掉。

一个完整的matplotlib图形结构可以类比成一块画板。figure是整个画板或窗口，它承载一切；在这块画板上可以有多个子图区域，每个子图区域在matplotlib里叫axes；而axis不是axes的复数，它指的是坐标系里的x轴或y轴。所以一张figure可以包含多个axes，每个axes都有自己的x轴和y轴。

对应到代码层面：

import matplotlib.pyplot as plt # 创建一张画布，包含1行1列的子图布局，返回figure对象和axes对象 fig, ax = plt.subplots(1, 2, figsize=(10, 4)) # ax是包含两个axes对象的数组 ax[0].plot([1, 2, 3], [4, 5, 6]) ax[1].scatter([1, 2, 3], [4, 5, 6]) # 设置x轴标签，这操作的是axis ax[0].set_xlabel("x") ax[0].set_ylabel("y") # 设置标题 ax[0].set_title("折线图") plt.tight_layout() plt.show()

很多人用matplotlib熟练之后就只用plt.plot、plt.xlabel这种pyplot接口，完全不接触axes对象。短时间内没问题，但一旦涉及到子图布局、共享坐标轴、在同一个图上叠加多个坐标系，不理解axes就寸步难行。我的建议是：从一开始就用fig, ax = plt.subplots()这种显式面向对象的写法，养成习惯后你的控制力会上一个台阶。

5.2 机器学习场景中最常用的几种图

我把机器学习过程中最高频的图形需求列一遍，每一种给出适用场景和核心参数，你按需抄作业就行。

折线图：看训练曲线、损失下降

# 模拟训练过程中的损失变化 epochs = range(1, 51) train_loss = [0.9 / (i**0.5) + 0.05 for i in epochs] val_loss = [0.95 / (i**0.4) + 0.08 for i in epochs] fig, ax = plt.subplots(figsize=(8, 5)) ax.plot(epochs, train_loss, label="train_loss", linewidth=2) ax.plot(epochs, val_loss, label="val_loss", linewidth=2, linestyle="--") ax.set_xlabel("Epoch") ax.set_ylabel("Loss") ax.set_title("训练过程损失曲线") ax.legend() ax.grid(True, alpha=0.3) plt.show()

训练曲线是最需要做出来的图之一：训练损失持续下降但验证损失开始抬升，那就是过拟合的典型信号；两个损失都不降，说明模型没有在学习。这里legend、grid、linestyle都是高频参数，热搜词也专门提到图例和网格。

散点图：看二维特征分布、回归拟合效果

import numpy as np np.random.seed(42) x = np.random.randn(100) y = 2 * x + 1 + np.random.randn(100) * 0.5 fig, ax = plt.subplots() ax.scatter(x, y, alpha=0.6, s=30, c="steelblue", edgecolors="white") ax.set_xlabel("Feature") ax.set_ylabel("Target") ax.set_title("回归数据的散点图") ax.grid(True, linestyle="--", alpha=0.4) plt.show()

散点图的两个参数强烈建议熟练掌握：alpha控制透明度，当数据点特别多、重叠严重时，把alpha调到0.3~0.6能看清密度分布，这是热搜词"散点图透明度网格"背后的实际诉求；c控制颜色，在分类问题里常用c=y按标签着色。

直方图与箱线图：看单变量分布与异常值

fig, axes = plt.subplots(1, 2, figsize=(10, 4)) # 直方图 axes[0].hist(df["score"], bins=30, edgecolor="white") axes[0].set_title("score分布直方图") # 箱线图 axes[1].boxplot(df["score"]) axes[1].set_title("score箱线图")

直方图和箱线图能快速告诉你数据是否偏态、有没有离群点。如果数据严重偏态，后续建模前往往要做对数变换。

雷达图：多维度指标对比

热搜词里"matplotlib雷达图"也有不少人搜索。雷达图适合展示多个维度的数值对比，比如不同模型在不同指标上的表现。核心代码是用极坐标绘制：

import numpy as np labels = ["准确率", "精确率", "召回率", "F1-score", "AUC"] model1 = [0.85, 0.80, 0.82, 0.81, 0.88] model2 = [0.80, 0.85, 0.78, 0.81, 0.82] angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist() angles += angles[:1] # 闭合 model1 += model1[:1] model2 += model2[:1] fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True)) ax.plot(angles, model1, label="Model1") ax.fill(angles, model1, alpha=0.25) ax.plot(angles, model2, label="Model2") ax.fill(angles, model2, alpha=0.25) ax.set_xticks(angles[:-1]) ax.set_xticklabels(labels) ax.legend(loc="upper right") plt.show()

注意雷达图有个大坑：数据必须闭合，也就是数组首尾要相接，否则画出来的图形不封口。

5.3 子图、图例、颜色与中文乱码的处理

子图布局用plt.subplots(nrows, ncols)就能搞定，重点是灵活搭配figsize控制整体尺寸，避免图太小或比例失衡。图例的处理有三个容易忽略的细节：一是必须先给每个plot传label参数，legend才有内容可显示；二是loc参数控制图例位置，数据点占据右上角时改成upper left或lower right；三是图例字体可以用prop={"size": 10}控制大小。

中文乱码是matplotlib另一大痛点，默认字体不含中文字形。一套稳定方案是：

import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "Noto Sans CJK JP"] # 按系统选择 plt.rcParams["axes.unicode_minus"] = False # 解决负号显示为方块的问题

设置之后负号显示也要单独处理，因为默认的减号字形也依赖字体。Mac用户可以用"Arial Unicode MS"，Linux用户装fonts-noto-cjk后设"Noto Sans CJK SC"。

6. 新手最典型的三类报错与排查思路

6.1 ModuleNotFoundError：大多数人没真正弄清楚环境

ModuleNotFoundError: No module named 'numpy'（或者pandas、matplotlib）是绝对的热搜词冠军。前面我在环境部分说了基本解法，这里把完整排查链路给你列出来，照着做就行。

第一步，判断当前解释器：

python -c "import sys; print(sys.executable)"

这个命令会输出当前使用的Python解释器路径。确认它是不是你IDE里选的那个路径。

第二步，如果系统里其实装了numpy但导入失败，用排除法：

python -m pip show numpy python -c "import numpy; print(numpy.__file__)"

如果pip show有输出但import失败，大概率是解释器对不上；如果都没输出，那就是没装。

第三步，重装或修复：

python -m pip uninstall numpy && python -m pip install numpy

在PyCharm里，最容易忽略的是项目解释器被设置成了虚拟环境，而虚拟环境里没有装包。我的建议是：新建项目时选择New environment using Virtualenv，之后所有包都在这个虚拟环境里装，别用系统环境，这样项目间不会互相污染。

6.2 numpy版本不匹配：和谁匹配，怎么锁版本

numpy版本不匹配的报错有几种常见形态，每种处理方式不一样。

第一种是编译型报错，比如numpy.dtype size changed，这往往是某个扩展模块是按旧版numpy编译的，新版numpy改了二进制结构。解法：把numpy降到项目依赖要求的版本，比如pip install numpy==1.26.4。

第二种是API变更报错，比如调用np.float、np.bool等已被移除的别名，新版numpy给出了更清晰的报错提示。解法：改成float、bool或使用np.float64。如果你在跑一些老教程的代码，这种情况非常常见。

第三种是依赖冲突，比如安装了最新版numpy后，某个库声明它只支持numpy<2.0，pip安装时会自动尝试降级，但有时降级不干净。解法：用pip check检查依赖一致性：

pip check

如果提示冲突，直接按前面推荐的安全组合重装一遍。我的经验是：在一开始就建一个requirements.txt把版本锁死，后面能少踩80%的版本坑。

6.3 matplotlib显示异常：文字、画布、性能三类问题

matplotlib的显示问题，初学者遇到最多的是空白图、中文方块、图像不刷新这三类。

空白图通常是因为用了非交互式后端，或者没有调用plt.show()。在Notebook里用%matplotlib inline；在脚本里老老实实加plt.show()；如果你用的是PyCharm的SciView，它有时需要手动关闭交互模式，在代码开头加plt.switch_backend("TkAgg")试试。

中文方块问题就是前面说的rcParams设置，不再重复。还有一类不太容易想到：保存图片时中文正常、显示时就变方块，这种情况要检查你当前的交互后端是否支持所选字体，常见的解决方式是统一设置plt.rcParams["font.family"]为系统已有中文字体。

图像不刷新是Notebook里的经典坑：你在一个单元格里改了代码重新运行，但图片还是上一张。解决方式是：在绘图单元格的最前面加plt.clf()（清除当前figure）和plt.close("all")（关闭所有figure），这样可以避免图形对象残留。我自己的习惯是在每个Notebook的绘图代码块开头都放一个plt.clf()，习惯了之后这类问题几乎不会碰见。

6.4 一套自查组合命令

最后分享一个我在带新人时给的"三板斧"自查流程，每到一个新项目，先把这三条命令跑一遍，能避免大量后续问题：

python -c "import sys; print(sys.executable)" python -c "import numpy; print(numpy.__version__); import pandas; print(pandas.__version__); import matplotlib; print(matplotlib.__version__)" python -m pip check

第一条确认解释器，第二条确认核心库有没有装上、版本是多少，第三条确认依赖关系是否一致。如果这三条都没有报错，那环境就基本稳了，接下来才值得花时间在算法和数据上。

我在实际带项目的过程中还发现一个规律：凡是环境问题频繁的人，大多不是因为操作复杂，而是因为从来不确认"当前代码到底在哪个环境里跑"。只要把这个习惯改过来，与其反复搜索各种报错代码，不如从一开始就和自己的环境建立明确的认知边界。