配置Python环境

要将线性代数概念应用于实际的机器学习 (machine learning)场景，计算环境是必需的。Python作为编程语言，因其在数据科学和机器学习社区中的通用性和广泛采用而广受欢迎。数值计算主要依赖于NumPy，它是一个用于数值计算的基础Python库。

为什么选择Python和NumPy？

Python清晰的语法使其相对容易学习，即使您是编程新手。它在数值任务上的真正优势来自其丰富的库生态系统。NumPy（数值Python）是这个生态体系的支柱。它提供：

• 高效数组对象： NumPy的主要对象是ndarray（N维数组），它允许高效存储和处理数值数据，其在数学运算方面的表现远超标准的Python列表。向量 (vector)和矩阵，作为线性代数的主要组成部分，可以直接映射到NumPy数组上。
• 数学函数： NumPy提供了一套全面的数学函数，可直接对数组进行操作，从而简化了加法、乘法、计算范数、寻找逆矩阵等操作的执行。
• 集成性： NumPy与SciPy（科学Python）、Pandas（用于数据处理）和Matplotlib（用于绘图）等其他科学库良好集成，为数据分析和机器学习 (machine learning)任务构成了强大的组合。

使用Python和NumPy，我们可以从理论知识转向，有效地实现线性代数运算，这与它们在实际机器学习工作流中的用法一致。

使用Anaconda安装您的环境

如果您是编程环境的新手，最容易设置Python和NumPy等所需库的方法是使用Anaconda发行版。Anaconda将Python、一个包管理器（conda）以及许多流行的数据科学库（包括NumPy、SciPy、Pandas、Jupyter）捆绑到一个易于安装的软件包中。它处理依赖项和环境管理，这些对于新手来说通常是难点。

Anaconda安装步骤：

1. 下载： 访问Anaconda发行版网站。下载适合您操作系统的安装程序（Windows、macOS或Linux）。选择最新的Python 3版本。
2. 安装： 运行下载的安装程序。按照屏幕上的说明操作。我们建议接受默认设置，包括在Windows安装过程中如果出现提示，选择“将Anaconda添加到我的PATH环境变量”（尽管Anaconda现在通常不建议这样做，而是建议使用Anaconda Navigator或Anaconda Prompt）。如果您选择不将其添加到PATH，则需要使用“Anaconda Prompt”（在Windows上）或标准终端（在macOS/Linux上），并激活Anaconda环境。
3. 验证： 安装完成后，您可以验证它。

验证您的安装

为确保Python和NumPy已正确安装并可用，请打开您的终端应用程序：

• Windows： 在“开始”菜单中搜索“Anaconda Prompt”并打开。
• macOS： 打开“终端”应用程序（位于“应用程序”>“实用工具”）。
• Linux： 打开您喜欢的终端应用程序。

现在，逐行输入以下命令，每行输入后按回车键：

1. 检查Python版本：

   python --version
   

   或在某些系统上：

   python3 --version
   

   您应该会看到显示Python版本（可能为3.x.x）的输出，与Anaconda安装的版本对应。

2. 检查NumPy安装和版本：

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

   此命令启动Python，导入NumPy库，并打印其版本号。如果NumPy已正确安装，您将看到一个版本号（例如，1.23.5或类似）。如果您收到类似ModuleNotFoundError的错误，则表示安装出了问题，或者您的终端未正确配置以找到Anaconda安装。请回顾Anaconda安装步骤或查阅其文档。

使用Jupyter Notebook（推荐）

许多人认为Jupyter Notebook是学习和试验代码的极佳工具，尤其在数据科学中。它们允许您创建包含实时代码、公式、可视化内容和叙述性文本的文档，这些内容位于独立的块或“单元格”中。Anaconda通常包含Jupyter Notebook。

启动它：

1. 打开您的Anaconda Prompt或终端。
2. 输入命令：

   jupyter notebook
   

3. 这应该会在您的网页浏览器中打开一个新标签页，显示Jupyter文件浏览器。从这里，您可以创建新的notebook或打开现有notebook。

虽然遵循本课程并非严格要求，但使用Jupyter Notebook可以提升您的学习体验，让您能够轻松运行代码片段，即时查看输出，并添加您自己的笔记。

您的NumPy初次体验

让我们通过创建一个简单的NumPy数组来进行快速检查。打开一个Python解释器（通过在终端中输入python或python3）或创建一个新的Jupyter Notebook。然后，输入以下代码行：

# 导入NumPy库，并为其指定标准别名'np'
import numpy as np

# 从Python列表创建一个简单向量（一维NumPy数组）
my_vector = np.array([1, 2, 3, 4, 5])

# 打印向量
print(my_vector)

# 检查其类型
print(type(my_vector))

您应该会看到以下输出：

[1 2 3 4 5]
<class 'numpy.ndarray'>

这证实您可以导入NumPy并创建其主要数据结构——ndarray。

环境配置并验证完毕后，您现在准备好进入后续章节，我们将开始使用NumPy进行并执行向量 (vector)和矩阵上的线性代数运算。此项配置为本课程中所有实例和练习提供了支持。