- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 数组的创建和操作
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 数组迭代
- NumPy - 数组重塑
- NumPy - 数组连接
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和运算
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步幅
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组运算
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 复制和视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 数组连接
- NumPy - 排序、搜索和计数函数
- NumPy - 数组搜索
- NumPy - 数组的并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- Numpy - 加载数组
- Numpy - 保存数组
- NumPy - 向数组追加值
- NumPy - 交换数组列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 估算缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行矢量化
- NumPy - 数组的内存布局
- Numpy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy - 环境
使用 pip 安装 NumPy
NumPy 模块未包含在标准 Python 发行版中。但是,可以使用 Python 包安装程序pip轻松安装它。
pip install numpy
使用二进制包
启用 NumPy 的最佳方法是使用特定于您的操作系统的预构建二进制包。这些包除了核心 Python 之外,还包括完整的 SciPy 集成包,其中包括 NumPy、SciPy、Matplotlib、IPython、SymPy 和 nose 包。
Windows
- Anaconda 它是一个免费的 Python 发行版,包含整个 SciPy 集成包。它适用于 Windows、Linux 和 macOS。Anaconda 简化了包管理,并附带了一个方便的包安装程序conda。
- Canopy 这是另一个可作为免费和商业产品提供的发行版选项。与 Anaconda 类似,Canopy 为 Windows、Linux 和 macOS 平台提供全面的 SciPy 集成包。
- Python (x,y) 是 Windows 操作系统的免费 Python 发行版。它包含 SciPy 集成包以及 Spyder IDE,使其适用于 Windows 上的科学计算和数据分析任务。
Linux
在 Linux 发行版上,通常使用包管理器来安装 SciPy 集成包的组件。以下是流行发行版的示例:
要在 Ubuntu 上安装 NumPy,请使用以下命令:
sudo apt-get install python-numpy python-scipy python-matplotlibipythonipythonnotebook python-pandas python-sympy python-nose
要在 Fedora 上安装 NumPy,请使用以下命令:
sudo yum install numpyscipy python-matplotlibipython python-pandas sympy python-nose atlas-devel
从源代码构建 NumPy
对于高级用户或需要特定配置的用户,可以从源代码构建 NumPy。确保您拥有必要的先决条件:
- 启用了 distutils 的核心 Python (2.6.x、2.7.x 和 3.2.x 及更高版本)。
- 启用了 zlib 模块。
- GNU gcc(4.2 版及更高版本)C 编译器。
要从源代码构建和安装 NumPy,请运行以下命令:
Python setup.py install
验证安装
要验证 NumPy 是否已正确安装,请打开 Python 提示符并尝试导入它:
import numpy
如果未安装,将显示以下错误消息:
Traceback (most recent call last): File "<pyshell#0>", line 1, in <module> import numpy ImportError: No module named 'numpy'
或者,您可以使用标准别名导入 NumPy 包:
import numpy as np
如果 NumPy 已正确安装,则不会显示任何错误消息。否则,`ImportError` 将指示未找到 NumPy。
检查 NumPy 版本
要检查系统上安装的 NumPy 版本,可以直接使用 Python,无论是从命令行还是在脚本中。以下是操作方法:
使用 Python 命令行或脚本
- 打开您的命令行界面 (CLI) 或终端。
- 键入 python 或 python3(取决于您的系统配置)启动 Python。
- 使用以下命令导入 NumPy 并检查其版本:
import numpy as np print(np.__version__)
以上命令将打印系统上安装的 NumPy 版本。
在脚本中检查 NumPy 版本
或者,您可以创建一个 Python 脚本(例如,check_numpy_version.py),内容如下:
import numpy as np print(f"NumPy version: {np.__version__}")
保存文件,然后从命令行运行它:
python check_numpy_version.py
此脚本将输出系统上安装的 NumPy 版本。
广告