python相关库的安装:pandas,numpy,matplotlib,statsmodels

简介: python相关库的安装:pandas,numpy,matplotlib,statsmodels

windows+r  打开窗口



image.png

输入 cmd

image.png


方法一:pip install +库名


直接输入 pip install +库名


例如:安装  matplotlib


pip install  matplotlib

个人感觉比较方法一比较慢,还可能安装不成功,不是很推荐!


方法二:很快


pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple


例如安装matplotlib


pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

该过程不仅安装了  matplotlib ,还安装了依赖的 numpy、python-dateutil、kiwisolver 、 pillow 、pyparsing 、cycler 、six 库。


方法三:镜像安装


三个镜像地址——可选择使用,方法相同:


清华:https://pypi.tuna.tsinghua.edu.cn/simple

阿里云:http://mirrors.aliyun.com/pypi/simple/

中国科技大学:https://pypi.mirrors.ustc.edu.cn/simple/


步骤:

1.首先找到python.exe的地址

第一种情况打开cmd,输入where python,查看python.exe的地址。

where python

image.png


第二种情况:

如果没有显示本机上的python解释器,可以在电脑下端的搜索框中搜python,会显示python解释器,选择一个你要用的解释器版本。我选择的是3.12版本的

image.png

打开文件位置:鼠标右键

image.png

image.png

接着继续打开这个python 3.12版本快捷方式的文件所在位置。 :鼠标右键

image.png

复制python.exe地址

image.png


得出来,文件地址:""E:\Python\python.exe""


在cmd命令框输入命令:

以安装statsmodels为例

image.png

python解释器地址 -m pip install 第三方库名 -i  镜像地址


\Python\python.exe -m pip install statsmodels -i https://pypi.tuna.tsinghua.edu.cn/simple

后面应该就下载成功了!


以上三种方法最后在Pycharm查看是否下载成功


新建一个项目,打开  设置  即settings...  


image.png


查看     Python解释器   即  Python Interpreter


将解释器地址确认为你第一步确认的python解释器地址


image.png


然后点击添加解释器


添加本地解释器


image.png


然后点击系统解释器,确认解释器地址为第一步python.exe的地址

image.png


之一直点确认OK,到下面的页面,可以看到第一步的python解释器地址在这里,表示为这个新项目配置好了第一步搜索的地址所对应的python解释器。


这样就配置好了


方法四:在pycharm里面直接下载



image.png


相关文章
|
Python
使用 Pandas 库时,如何处理数据的重复值?
在使用Pandas处理数据重复值时,需要根据具体的数据特点和分析需求,选择合适的方法来确保数据的准确性和唯一性。
924 64
|
数据采集 数据挖掘 数据处理
如何使用 Pandas 库进行数据清洗和预处理?
数据清洗和预处理是数据分析中至关重要的步骤,Pandas库提供了丰富的函数和方法来完成这些任务
763 64
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
369 0
|
机器学习/深度学习 数据挖掘 数据处理
Pandas库
Pandas库是Python中进行数据分析和处理的强大工具,通过其丰富的功能和简洁的API,可以高效地完成各种数据处理任务,为后续的数据分析和机器学习提供了有力的支持。
423 63
|
Python
Matplotlib 安装
Matplotlib 安装
326 3
|
数据处理 Python
在数据科学领域,Pandas和NumPy是每位数据科学家和分析师的必备工具
在数据科学领域,Pandas和NumPy是每位数据科学家和分析师的必备工具。本文通过问题解答形式,深入探讨Pandas与NumPy的高级操作技巧,如复杂数据筛选、分组聚合、数组优化及协同工作,结合实战演练,助你提升数据处理能力和工作效率。
185 5
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
312 2
|
存储 数据采集 数据处理
效率与精准并重:掌握Pandas与NumPy高级特性,赋能数据科学项目
在数据科学领域,Pandas和NumPy是Python生态中处理数据的核心库。Pandas以其强大的DataFrame和Series结构,提供灵活的数据操作能力,特别适合数据的标签化和结构化处理。NumPy则以其高效的ndarray结构,支持快速的数值计算和线性代数运算。掌握两者的高级特性,如Pandas的groupby()和pivot_table(),以及NumPy的广播和向量化运算,能够显著提升数据处理速度和分析精度,为项目成功奠定基础。
245 2
|
Python
通过Pandas库处理股票收盘价数据,识别最近一次死叉后未出现金叉的具体位置的方法
在金融分析领域,"死叉"指的是短期移动平均线(如MA5)下穿长期移动平均线(如MA10),而"金叉"则相反。本文介绍了一种利用Python编程语言,通过Pandas库处理股票收盘价数据,识别最近一次死叉后未出现金叉的具体位置的方法。该方法首先计算两种移动平均线,接着确定它们的交叉点,最后检查并输出最近一次死叉及其后是否形成了金叉。此技术广泛应用于股市趋势分析。
281 2

推荐镜像

更多