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
|
6月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
466 0
|
6月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
645 0
|
8月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
649 0
|
Python
python pandas学习(一)
该代码段展示了四个主要操作:1) 删除指定列名,如商品id;2) 使用正则表达式模糊匹配并删除列,例如匹配订单商品名称1的列;3) 将毫秒级时间戳转换为带有时区调整的日期时间格式,并增加8小时以适应本地时区;4) 将列表转换为DataFrame后保存为Excel文件,文件路径和名称根据变量拼接而成。
222 3
|
数据可视化 数据挖掘 开发者
Pandas数据可视化:matplotlib集成(df)
Pandas 是 Python 中强大的数据分析库,Matplotlib 是常用的绘图工具。两者结合可方便地进行数据可视化,帮助理解数据特征和趋势。本文从基础介绍如何在 Pandas 中集成 Matplotlib 绘制图表,如折线图、柱状图等,并深入探讨常见问题及解决方案,包括图表显示不完整、乱码、比例不合适、多子图布局混乱、动态更新图表等问题,提供实用技巧和代码示例。掌握这些方法后,你将能更高效地处理数据可视化任务。
518 9
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
456 2
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
683 8
|
存储 大数据 数据处理
Pandas入门:安装与基本操作
Pandas 是一个强大的 Python 数据处理库,提供高效的数据结构和分析工具。本文从安装开始,介绍 Pandas 的基本操作,包括 `Series` 和 `DataFrame` 的创建、查看、选择、过滤、添加和删除数据等。同时,指出了一些常见的问题和易错点,帮助初学者快速上手。
732 3
|
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
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南

推荐镜像

更多
下一篇
开通oss服务