背景第 7 篇讲了 PiE 的门槛——订阅、平台、版本必须同时满足。但即使环境就绪还有一个绕不开的问题PiE 的云端容器里到底预装了哪些 Python 库包我能不能像本地 Python 那样pip install任何想要的库答案是不能。PiE 的库由微软与 Anaconda 合作预装在一份固定的白名单里用户不能擅自增减。这个限制不是技术偷懒而是安全设计的延续——第 4 篇讲过容器与本地完全隔离任何未经审核的代码都不能进入。理解白名单的逻辑和具体内容对评估PiE 能不能解决我的问题至关重要。本文将按功能分类梳理常用库。核心概念白名单机制PiE 的 Python 库策略可以用一句话概括装什么由微软定用户只读不写。维度本地安装 PythonPiE库来源PyPI / conda 自由安装Anaconda 预装白名单安装权限用户任意pip install完全禁止版本固定可锁定也可升级由微软统一管理安全审核用户自负微软 Anaconda 双重审核离线可用是否容器销毁即丢白名单机制带来三个直接结果/后果覆盖有限——并不是每个 PyPI 热门库都能用深度学习框架如 PyTorch、TensorFlow和部分小众库并不在列表中版本固定——用户不能指定升级或者降级到某个指定版本遇到库的 bug 只能等微软更新安全可控——所有代码能调用的库都经过审核杜绝恶意包核心库矩阵下面按功能分组列出 PiE 中常用的库来自 Anaconda 预装包数据处理与分析库角色一句话定位pandas数据结构与运算Excel 表数据的 Python 对应物DataFrame 是核心numpy数值计算多维数组与向量化运算pandas 的底层引擎数据分析的双剑合璧pandas 负责结构化数据numpy 负责数值运算。绝大多数 PiE 工作流离不开这两个库。统计与科学计算库角色一句话定位scipy科学计算信号处理、优化、积分、统计检验statsmodels统计建模回归、时间序列、假设检验结果可直接读取statsmodels 在金融、统计领域使用频率很高能输出标准的统计摘要如 OLS 回归系数、P 值对需要严谨分析的业务场景是必备工具。数据可视化库角色一句话定位matplotlib基础绘图折线图、柱状图、散点图等通用图表seaborn统计可视化基于 matplotlib美观且专为统计图设计plotnine图形语法ggplot2 风格语法类似 R 用户熟悉的图层叠加三者的定位差异matplotlib 是画笔什么都能画但代码长seaborn 是统计图模板一键出箱线图、热力图plotnine 是图层拼装适合复杂的多图组合。机器学习库角色一句话定位scikit-learn传统机器学习分类、回归、聚类、降维的工业级实现XGBoost / LightGBM梯度提升表格数据竞赛与业务建模常用请注意 PiE 涵盖的是传统机器学习——基于表格数据的监督学习、无监督学习。深度学习框架PyTorch、TensorFlow不在白名单内需要神经网络时需要另寻方案。时间与辅助库角色一句话定位datetime时间处理Python 标准库日期加减、格式化re正则表达式字符串模式匹配与提取math / random数学与随机基础数学函数、随机抽样这些是 Python 自带的标准库无需安装PiE 容器中默认可用。典型库用法速览下面给出几个最小可用示例演示它们在 PiE 中如何工作。pandas读 Excel 数据dfxl(A1:C10,headersTrue)df.head()xl()把 Excel 区域转为 DataFramehead()预览前 5 行。这是 PiE 中最常见的工作流入口。numpy向量化计算importnumpyasnp arrnp.array([1,2,3,4,5])arr.mean()# 3.0不需要写循环整列运算一次性完成。matplotlib画一张折线图importmatplotlib.pyplotasplt plt.plot([1,2,3,4],[10,20,25,30])plt.title(Sales Trend)返回值是图像对象通过调整 PY 公式输出方式可以将该图像插入到 Excel 中。如何确认某个库是否可用方法一直接尝试最直接的方式是在单元格中写一行导入语句看是否报错importxgboost不报错→ 库可用可以继续使用ModuleNotFoundError→ 库不在白名单需要换方案方法二查看运行时版本importnumpy numpy.__version__PiE 容器的 Python 版本是固定的截至本文写作时为 Python 3.x关键库的版本也是统一管理的快照。版本不一定是最新版遇到 API 差异时以官方文档为准。遇到没有的库怎么办白名单不能扩展但多数常见需求可能都有变通方案例如场景替代方案想用 TensorFlow / PyTorch用 scikit-learn 替代大部分表格任务深度学习需求需另寻工具想用 requests 调 APIPiE 容器无法访问外网安全设计需要把数据提前放入 Excel想用 beautifulsoup 解析网页同上网络受限HTML 数据需先导入工作簿想用 openpyxl 操作文件PiE 无文件系统访问权限所有读写都通过xl()完成想用 pip 安装任意包完全不支持必须换已有库或组合多个内置库实现如果某个需求实在没有库支持可以尝试以下三个思路用多个内置库组合例如用 pandas numpy 实现原本要自定义的算法简化需求重新审视问题看是否可以用 Excel 公式或 Power Query 完成前置步骤反馈微软通过 Microsoft 365 的反馈渠道提交需求影响后续白名单更新方向速查表疑问答案PiE 能pip install吗❌ 不能所有库由微软预装库版本可以自己升级吗❌ 不能版本由微软统一管理用的什么库源Anaconda Distribution微软官方合作包含哪些主流库✅ pandas / numpy / matplotlib / seaborn / statsmodels / scikit-learn / plotnine包含 TensorFlow / PyTorch 吗❌ 不包含深度学习框架不在白名单容器能访问外网吗❌ 不能所有数据须通过xl()进入总结PiE 的库策略是白名单 零自由度白名单Anaconda 提供的核心数据科学生态——pandas、numpy、matplotlib、seaborn、statsmodels、scikit-learn、plotnine 等零自由度用户不能pip install、不能指定版本、容器不能访问外网安全代价牺牲灵活性换取与本地系统的彻底隔离理解这些限制才能在动手前判断PiE 能不能解决我的问题。对于 90% 的表格数据分析需求白名单已足够遇到深度学习或网络爬虫场景需要另寻工具或在数据导入环节做前置处理。