windows下python安装Numpy、Scipy、matplotlib模块（转载）

python下载链接 Numpy下载链接

python中Numpy包的安装及使用

Numpy包的安装

准备工作

Python安装

pip安装

将pip所在的文件夹添加到环境变量path路径中

下载相应的Numpy安装包，.whl格式。下载链接. https://pypi.python.org/pypi/numpy

以上准备工作准备完毕之后，进行Numpy安装，先进入whl安装包的存放目录。比如在C盘：

cd C:\

1

再使用命令行安装：

pip install numpy文件名.whl

1

至此，Numpy的安装完成。

Numpy使用举例

import numpy as np
print np.random.rand(4,4)

1

2

结果输出为一个随机的4×4的矩阵

[[ 0.75114926  0.6040328   0.13198258  0.29492663]
[ 0.43678263  0.68013402  0.2164971   0.4187556 ]
[ 0.72379313  0.11051623  0.02170234  0.4306268 ]
[ 0.16435613  0.7931435   0.93938908  0.78719936]]

1

2

3

4

证明Numpy成功导入且可用。

windows下python安装Numpy、Scipy、matplotlib模块

网上找了半天，终于把要安装的资料找到了。其他的不怎么全，就自己再次总结一下写。
我自己安装的是python 2.7。所以以下的东东都是针对2.7的软件。

numpy :http://sourceforge.net/projects/numpy/files/NumPy/1.8.1/ 下载下面的numpy-1.8.2-win32-superpack-python2.7

scipy:http://sourceforge.net/projects/scipy/files/

matplotlib:matplotlib-1.1.0.win32-py2.7

以上都是exe文件，双击安装即可。

python 安装numpy,scipy,matplotlib算法库

官方库下载: https://pypi.python.org/pypi

1.安装Numpy，可以用

sudo apt-get install python-numpy

也可以到http://sourceforge.net/projects/numpy/files/下载最新版本的Numpy

如果是自己下载的文件进行安装，首先要确保本地有GCC，这个一般都有，然后需要先安装几个支撑库：

sudo apt-get install gfortran

sudo apt-get install python-nose

sudo apt-get install libatlas-base-dev

之后，就可以在解压目录下，利用：sudo python setup.py install进行安装。

一般建议直接用sudo apt-get install python-numpy安装，比较简洁。

2.安装Scipy

这个和Numpy的安装方式基本一致

sudo apt-get install python-scipy

也可以自行到sourceforge网站下载。

3.Matplotlib

这个是最麻烦的一个，主要是因为安装这个的时候，需要先装几个其他库，不然会导致安装matplotlib虽然不会报错，但利用plot指令画图时，不会有任何响应。

需要安装带是Tk-dev库和gtk2.0-dev，pyside库，如果本地没有Qt，Qt4，也要安装

sudo apt-get install tk-dev

sudo apt-get install python-gtk2-dev

sudo apt-get install python-pyside

sudo apt-get install python-matplotlib

测试:

# coding: utf-8

import numpy as np
from numpy import *
import matplotlib.pyplot as plt

dataset = [[-0.0176, 14.053061], [-1.395634, 4.662541], [-0.752157, 6.5386], [-1.322371, 7.15852]];
dataMat = mat(dataset).T
plt.scatter(dataMat[0], dataMat[1], c='red', marker='o')

X = np.linspace(-2,2,100)
Y = 2.8*X+9
plt.plot(X,Y)
plt.show()