准备环境：你需要装什么？

在开始 AI 项目前，先搭建一个能跑代码的环境。你需要三样东西：Python（一种编程语言，像电脑的“翻译官”）、Jupyter Notebook（一个写代码的“笔记本”，能边写边看结果）、以及几个常用的库（别人写好的工具包，帮你省时间）。

安装步骤：一步步来

1. 下载 Python：去官网 python.org，点击“Downloads”，选最新版（比如 3.12）。安装时勾选“Add Python to PATH”（这样电脑才知道 Python 在哪）。
2. 验证安装：打开命令提示符（Windows 按 Win+R，输入 cmd），输入 python --version，看到版本号就成功了。
3. 安装 Jupyter Notebook：在命令提示符里输入 pip install jupyter（pip 是 Python 的安装工具）。等几分钟装完。
4. 启动 Jupyter：输入 jupyter notebook，浏览器会自动打开一个页面，这就是你的编程环境。
5. 安装常用库：在 Jupyter 里新建一个笔记本，输入 !pip install pandas numpy matplotlib，然后运行（点“Run”按钮）。这三个库分别是做数据分析、数学计算和画图的。

验证是否成功：跑通第一个代码

在笔记本里输入下面几行代码，然后运行：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
print('环境配置成功！')

如果看到“环境配置成功！”的字样，说明一切正常。接着试试探索性数据分析（EDA）——就是通过看数据、画图表来了解数据长什么样。比如：

# 创建一个简单的数据表
data = {'姓名': ['小明', '小红', '小刚'], '年龄': [25, 30, 22]}
df = pd.DataFrame(data)
print(df)
# 画个年龄柱状图
df.plot(kind='bar', x='姓名', y='年龄')
plt.show()

如果看到表格和柱状图，恭喜你，已经迈出 AI 第一步了！

下一步可以做什么

• 学习更多 EDA 技巧：比如用 df.describe() 看数据统计摘要，或用 df.isnull().sum() 找缺失值。
• 尝试真实数据集：去 Kaggle（一个数据科学竞赛网站）下载 CSV 文件，用 Pandas 读取并分析。
• 注意常见坑：安装库时如果报错，试试升级 pip（pip install --upgrade pip）；Jupyter 打不开时，检查防火墙设置。