2017年人工智能的火把Python烧的热血沸腾，听说很多公司因为Python开发人员需求暴涨导致的薪资上升而不得不切换到其他语言上去。PS：好像需求爆涨和薪资上升都跟我没沾上半点关系，还是苦逼一个，:)
既然如此，我们这些与AI不相干的Pythoner也来蹭一蹭Python人工智能这团火，看看能不能从中取一点暖。所以就有了这套《Python 极简入门》的文章。
没敢称之为“教程”，是因为本来就是个半吊子，然后又讲一个半吊子的东西，纯属自娱自乐，入不了专业AI人士的法眼（专业人士可以绕过了）。
又因为是半吊子讲半吊子的东西，所以整套文章不会有公式和算法的详细讲解（专业人士可以再次绕过了），我们从不生产算法，我们只是机器学习库的搬运工。
不要介意做一个调库侠，工具的发明本来就是为了降低某些操作的难度，还不是专业人士，暂且不用自己创造改造算法，轮子太多，拣着合适的用就行。废话不多说，开始～
为了不与本地的Python 环境有冲突，我们使用virtualenv模块创建一个新的Python虚拟环境：
virtualenv python_ai
如下图所示，安装完成：
接着启动python_ai这个虚拟环境：
Scripts\activate
进入python_ai这个虚拟环境之后，我们来安装所需要的模块，其中主要有：
numpy：用于科学计算的基本模块
scipy：科学计算工具箱
pandas：数据分析和处理模块
scikit-learn：机器学习经典算法的集成包
nltk：自然语言处理模块
jieba：中文分词模块
jupyter：一个交互式的笔记本，我们的代码的主战场
其他没有列出的模块，在后面的文章中有使用时会提及大家安装。大部分模块都可以使用pip命令直接安装完成，少部分使用pip命令直接安装不了的，可以通过https://www.lfd.uci.edu/~gohlke/pythonlibs/ 网站下载模块的whl文件，再通过pip命令安装这些whl文件。
pip install pandas
安装pandas模块会附带安装上pandas的依赖库，其中包括Numpy等：
pip install scikit-learn
使用pip命令也可直接安装scikit-learn:
pip install scipy
scipy模块也能通过pip直接安装完成：
pip install jupyter
jupyter的依赖库很多，但也能顺利通过pip命令安装完成：
接下来是jiaba和nltk模块，都能够顺利安装：
模块安装好之后，我们来测试一下这些模块的安装是否正确。在命令行输入命令：
jupyter notebook
以启动jupyter笔记本：
在Home页面新建一个Python3的notebook：
在新的notebook中导入刚刚安装好的模块，并打印其版本号：
import numpy as np
import pandas as pd
import scipy
import sklearn
import nltk
import jiaba
print(np.__version__)
print(pd.__version__)
print(scipy.__version__)
print(sklearn.__version__)
print(nltk.__version__)
print(jieba.__version__)
结果成功显示，没有报错：
这样，我们用于Python AI预测的环境就搭建好了
下一节，我们将介绍机器学习的工作流程。
