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
|
11月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
2279 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
11月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
989 0
|
10月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
684 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
10月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
954 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
12月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
719 18
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
1052 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
存储 监控 安全
Python剪贴板监控实战:clipboard-monitor库的深度解析与扩展应用
本文介绍了基于Python的剪贴板监控技术,结合clipboard-monitor库实现高效、安全的数据追踪。内容涵盖技术选型、核心功能开发、性能优化及实战应用,适用于安全审计、自动化办公等场景,助力提升数据管理效率与安全性。
397 0
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
660 2
|
索引 Python
如何使用Python的Pandas库进行数据合并和拼接?
Pandas的`merge()`函数用于数据合并,如示例所示,根据'key'列对两个DataFrame执行内连接。`concat()`函数用于数据拼接,沿轴0(行)拼接两个DataFrame,并忽略原索引。
603 2
|
数据挖掘 索引 Python
如何在Python中,Pandas库实现对数据的时间序列分析?
【4月更文挑战第21天】Pandas在Python中提供了丰富的时间序列分析功能,如创建时间序列`pd.date_range()`,转换为DataFrame,设置时间索引`set_index()`,重采样`resample()`(示例:按月`'M'`和季度`'Q'`),移动窗口计算`rolling()`(如3个月移动平均)以及季节性调整`seasonal_decompose()`。这些工具适用于各种时间序列数据分析任务。
498 2

推荐镜像

更多