实验一：实验平台及环境安装

本实验手册用于指导学生在 Windows 平台 上安装 Python、Anaconda、PyCharm、Jupyter Notebook，并配置数据挖掘实验所需的 Python 环境（Python 3.7）与常见库（包括 PyTorch 2.2.2）。

1. 实验目标

• 在 Windows 上安装并配置 Anaconda Python 环境。
• 创建独立数据挖掘环境 DM (Python 3.7)。
• 安装 PyCharm 与 Jupyter Notebook。
• 学习使用 pip 和 conda 管理软件包。
• 安装 PyTorch 2.2.2 与数据分析常用库。

2. 环境要求

• Windows 10 / Windows 11
• 稳定互联网
• Anaconda（最新版）
• PyCharm Community / Professional
• 至少 10 GB 可用磁盘空间

3. 安装流程

3.1 安装 Anaconda

1. 进入官网下载 Windows 版本 Anaconda。
2. 双击运行安装包，按默认选项安装。
3. 打开 Anaconda Prompt，输入以下命令验证是否安装成功：

conda --version

3.2 创建 Python 环境 DM

# 创建名为 DM 的 Python 3.7 环境
conda create -n DM python=3.7 -y

# 激活环境
conda activate DM

# 查看已有环境
conda env list 

3.3 安装 Jupyter Notebook

conda install jupyter -y

启动：

jupyter notebook

浏览器正常打开即成功。

3.4 安装 PyCharm

1. 从 JetBrains 官网下载并安装 PyCharm。
2. 安装完成后打开 PyCharm → File → Settings → Project → Python Interpreter
3. 选择：
   • Add Interpreter → Conda Environment → Existing Environment
   • 选择路径：<Anaconda路径>\Scripts\conda.exe
4. 点击 OK，让项目使用 DM 环境的解释器。

3.5 安装 PyTorch 2.2.2

CPU 版本

conda install pytorch==2.2.2 torchvision torchaudio cpuonly -c pytorch -y

GPU 版本（示例 CUDA 11.8）

conda install pytorch==2.2.2 torchvision torchaudio cudatoolkit=11.8 -c pytorch -y

验证 PyTorch：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

3.6 安装常用 Python 库

使用 conda 安装（优先推荐）

conda install numpy pandas matplotlib seaborn scikit-learn scipy -y 
conda install -c 
conda-forge umap-learn -y

使用 pip 安装

pip install h5py mygene tensorflow

4. 验证环境

在 Jupyter 或 Python 中运行以下代码：

import sys 
import torch 
import numpy as np  
print("Python:", sys.version) 
print("PyTorch:", torch.__version__) 
print("CUDA Available:", torch.cuda.is_available()) 
print("NumPy:", np.__version__)

验证结果应正常输出版本号，不报错。

5. 常见问题 FAQ

❗ conda 命令无法使用

使用 Anaconda Prompt，而不是普通 CMD。

❗ PyTorch 安装失败

若 GPU 安装失败，可能是python版本的问题，尝试将python版本升到3.10：

conda install python=3.10 -y

如果仍然失败，可以使用 CPU-only 版本：

conda install pytorch==2.2.2 torchvision torchaudio cpuonly -c pytorch

❗ Jupyter Notebook 无法启动

可能是端口被占用：

jupyter notebook --port=8890