Data Science for Beginners 环境搭建全指南从零配置 Git、Python、Jupyter 与 Quiz 应用【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导读本指南以仓库中的 安装指南希腊语翻译版 为骨架系统讲解 Data Science for Beginners10 周 20 课时的开源数据科学课程的完整环境搭建流程。无论你是完全零基础的新手还是想在本机复现课程的开发者读完本文都能独立完成Git 安装与仓库克隆、Python 3.7 与 Jupyter Notebook 配置、数据科学依赖库安装、Vue 驱动的 Quiz 测验应用本地运行以及可选的 Docsify 离线文档服务与 VS Code Dev Containers 容器化开发环境。文章同时结合仓库源码quiz-app/package.json、docs/_sidebar.md 等给出实现级佐证确保每一步都可验证、可落地。环境前置准备开始之前请确认你具备以下基础条件命令行/终端基本操作能力安装过程涉及git clone、pip install、npm install等命令需要熟悉终端的基本使用一个免费的 GitHub 账号用于访问仓库、可选地创建 Codespaces 云端开发环境以及后续 fork 仓库完成课程作业稳定的网络连接首次安装需要下载 Git、Python、Node.js 及各语言包依赖。以上三点是官方安装指南明确列出的前置要求其余环节均在下面分步展开。快速启动选项两条路线二选一路线一GitHub Codespaces官方推荐给初学者如果不想在本机折腾环境Codespaces 是成本最低的入口——它在浏览器中提供一套预装全部依赖的完整开发环境。操作步骤打开课程仓库页面点击Code下拉菜单切换到Codespaces标签页点击Create codespace on main等待环境初始化完成约 23 分钟。环境就绪后即自带课程所需的全部依赖可直接打开各课的.ipynbnotebook 开始学习无需任何本机安装。路线二本机本地开发详细步骤见下文如果希望在自己的电脑上长期学习、做笔记或提交作业请按下面 本地安装 的 8 个步骤逐项操作。本地安装8 步完整流程步骤 1安装 GitGit 用于克隆仓库并在本地跟踪你的改动是后续所有步骤的基础。Windows从 git-scm.com 下载 Windows 版安装包按默认设置完成安装。macOS通过 Homebrew 安装brew install git或从 git-scm.com 下载 macOS 版。Linux按发行版选择对应包管理器# Debian/Ubuntu sudo apt-get update sudo apt-get install git # Fedora sudo dnf install git # Arch sudo pacman -S git安装完成后可用git --version验证。步骤 2克隆仓库# 克隆仓库含完整课程与翻译内容 git clone https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git # 进入仓库目录 cd Data-Science-For-Beginners针对大仓库的优化建议本仓库包含 50 语言的翻译目录translations/与翻译图片translated_images/体积较大。如果只想学习而不需要翻译内容官方 README 提供了sparse checkout稀疏检出方式可显著加快下载速度# Bash / macOS / Linux git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images:: CMD (Windows) git clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone /* !translations !translated_images这样只拉取课程主内容即可快速完成下载并开始学习。步骤 3安装 Python 与 Jupyter课程的数据科学部分要求Python 3.7 或更高版本。Windows从 python.org 下载 Python 安装包安装时务必勾选Add Python to PATH否则命令行无法直接调用python验证安装python --versionmacOS# 通过 Homebrew 安装 brew install python3 # 验证安装 python3 --versionLinux# 大多数发行版自带 Python先检查 python3 --version # 若未安装 # Debian/Ubuntu sudo apt-get install python3 python3-pip # Fedora sudo dnf install python3 python3-pip步骤 4配置 Python 虚拟环境官方指南强烈建议使用虚拟环境隔离项目依赖避免污染系统 Python# 创建虚拟环境在仓库根目录执行 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate激活后命令行提示符会带上(venv)前缀表示后续安装的包都只作用于该环境。步骤 5安装 Python 数据科学依赖包一次性安装课程各 notebook分布在1-Introduction、2-Working-With-Data、3-Data-Visualization等课程目录下的.ipynb文件所需的全部核心库pip install jupyter pandas numpy matplotlib seaborn scikit-learn各库在课程中的典型用途库用途仓库中的使用示例jupyter运行与编辑 notebook各课程的notebook.ipynb如 1-Introduction/01-defining-data-science/notebook.ipynbpandas表格数据读取与处理课程数据集位于 data/如 data/birds.csv、data/honey.csvnumpy数值计算概率统计、分布计算相关 notebookmatplotlib / seaborn数据可视化3-Data-Visualization各课绘制的柱状图、直方图、箱线图等scikit-learn机器学习基础生命周期与真实案例课程的建模练习步骤 6安装 Node.js 与 npm用于 Quiz 测验应用课程配套的 Quiz 测验应用是一个Vue 2 单页应用源码位于 quiz-app/运行它需要 Node.js 与 npm。Windows / macOS从 nodejs.org 下载安装包建议使用LTS 长期支持版运行安装程序即可。Linux# Debian/Ubuntu # ⚠️ 安全提示将互联网脚本直接管道到 bash 存在安全风险 # 官方建议先下载并审查脚本内容再执行 # curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x # less setup_lts.x # 审查通过后执行 # sudo -E bash setup_lts.x sudo apt-get install -y nodejs # Fedora sudo dnf install nodejs # 验证安装 node --version npm --version关于 Node.js 版本的源码依据从 quiz-app/package.json 可以看到该应用基于 Vue^2.6.11、Vue CLI~4.5.0构建属 Vue 2 生态安装 LTS 版 Node 即可满足构建要求。步骤 7安装 Quiz 应用依赖# 进入 quiz-app 目录 cd quiz-app # 安装依赖依据 package.json 的 dependencies/devDependencies npm install # 返回仓库根目录 cd ..依赖安装成功后quiz-app/src/main.js 定义的 Vue 入口即可被构建工具正确解析测验题目数据位于 quiz-app/src/assets/ 下的 JSON 文件。步骤 8安装 Docsify可选如需离线访问课程文档可全局安装 Docsify CLI本地以静态站点方式浏览仓库中的全部 Markdown 文档npm install -g docsify-cli仓库文档的导航结构定义在 docs/_sidebar.md它按 Introduction / Working With Data / Data Visualization / Data Science Lifecycle / Data Science in the Cloud / Data Science in the Wild 六大模块组织 20 节课程安装后可沿此目录离线阅读。安装验证三项冒烟测试环境配置完成后务必按以下三项逐一验证确保一切就绪。验证 Python 与 Jupyter# 若尚未激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 启动 Jupyter Notebook jupyter notebook浏览器应自动打开 Jupyter 界面此时即可导航到任意课程的.ipynb文件开始练习。验证 Quiz 测验应用# 进入 quiz-app 目录 cd quiz-app # 启动开发服务器对应 package.json 中 serve: vue-cli-service serve npm run serve测验应用默认运行在http://localhost:8080若 8080 端口被占用会自动换用其他端口。另外两个常用脚本也记录在 quiz-app/package.json 中npm run build # 编译并压缩生成生产环境产物输出到 dist/ npm run lint # 检查并修复代码规范问题验证 Docsify 文档服务器# 在仓库根目录执行 docsify serve文档站点默认运行在http://localhost:3000可离线浏览全部课程文档。进阶使用 VS Code Dev Containers 容器化开发如果本机已安装 Docker可以通过 VS Code Dev Containers 获得与 Codespaces 一致的容器化体验无需在宿主机装 Python/Node 环境安装 Docker Desktop安装 Visual Studio Code安装Remote - Containers扩展在 VS Code 中打开仓库目录按F1调出命令面板选择Remote-Containers: Reopen in Container等待容器首次构建完成仅第一次需要之后秒开。容器内将提供统一的开发环境适合团队协作或需要复现统一环境的场景。常见问题与获取帮助若安装过程中遇到问题按以下优先级处理查阅仓库根目录的 TROUBLESHOOTING.md 故障排查指南其中收录了安装与运行阶段的常见问题与解决方案在仓库的 Issues 区搜索是否已有相同问题加入课程官方 Discord 社区向维护者与学习者求助以上均无效时新建一个 issue并附上完整的错误信息、操作系统版本与已执行命令便于快速定位。下一步学习路径环境搭建完成后推荐按以下顺序进入课程通读 README.md 了解 10 周 20 课的整体课程结构与教学法课前/课后测验、项目驱动式练习阅读 USAGE.md 学习常见工作流例如单课学习节奏先做课前测验 → 读课程正文 → 打开对应 notebook 完成练习 → 做课后测验动手从第一课开始1-Introduction/01-defining-data-science/README.md期间可参考 examples/ 下的 5 个入门脚本快速热身若打算参与共建阅读 CONTRIBUTING.md 了解贡献规范。补充说明本指南内容基于仓库的 translations/el/INSTALLATION.md希腊语翻译版安装文档整理其英文原版位于仓库根目录 INSTALLATION.md两者内容一致可作为相互对照的权威来源。翻译文档为机器翻译生成若遇歧义请以英文原版为准。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考