《Python数据分析》一1.2 从源代码安装NumPy、SciPy、matplotlib和IPython

简介:

本节书摘来自异步社区《Python数据分析》一书中的第1章,第1.2节,作者【印尼】Ivan Idris,更多章节内容可以访问云栖社区“异步社区”公众号查看

1.2 从源代码安装NumPy、SciPy、matplotlib和IPython

在万不得已或者希望尝鲜最新代码时,可以直接编译源代码。实际上,虽然在此过程中有可能会碰到麻烦,但是也未必是很困难的事情,主要还是取决于使用的操作系统。如果操作系统和相关软件的发展与时俱进,搜索在线资源或网上求助才是我们的上上策。本章将向大家推荐一些寻求帮助的好去处。

源代码可以用git得到,或者从GitHub网站下载。从源代码安装NumPy的具体步骤非常简单,下面会加以讲解。利用git取得NumPy源代码的方法如下所示:

提示:
 对于SciPy、matplotlib和IPython来说,命令也是相似的,具体见表1-3。IPython的源代码可以从 https:// github.com/ipython/ipython/releases页面以源代码归档或ZIP文件的形式下载。之后,可以使用相应的工具打开,或者使用下列命令: $ tar -xzf ipython.tar.gz
至于git命令和源代码归档压缩文件的链接,详见表1-3。


e8318c16d196413d3ae659707d11f8f4a11f8530

使用下列命令,可以从源代码目录将其安装到/usr/local目录:

$ python setup.py build
$ sudo python setup.py install --prefix=/usr/local

编译时,需要一个诸如GCC类的C语言编译程序,以及python-dev或python-devel程序包中Python的相关头文件。

相关文章
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。
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。
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
466 1
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
1954 4
数据分析的 10 个最佳 Python 库
|
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。
776 8
|
Python
Matplotlib 安装
Matplotlib 安装
448 3
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
1077 5
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
476 7
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
242 3

推荐镜像

更多