python里怎样装numpy

因为对机器学习算法进行实战的话，python语言是必须的，所以前几天进行了安装和配置。说实话，相比较其他的编程语言的IDE来讲，python本身问题不大，但是因为要有很多的矩阵的计算，所以要安装numpy包！但是这个过程在我的电脑上出现了比较大的问题，所以，将这一过程记录下来，万一以后电脑出现了问题重新安装的话还能做参考！！

声明电脑配置： win7  64位

python安装版本：Python 2.7  (也可以是python3.x  本人不习惯用最新的版本，所以选择了2.7）

1.下载 对应版本numpy 的.whl文件 (注意：我的电脑确实是64位的，而且python也安装的64位版本的，但是在之后的命令行安装的时候压根安装不了64位的，到后面再说）

http://www.lfd.uci.edu/~gohlke/pythonlibs/

2.将下载的安装包拷贝到python安装目录下的scripts目录下，我的是C:\Python27\Scripts  ，然后我们打开命令行窗口，进入python的安装目录之后

输入 pip install "numpy-1.11.2+mkl-cp35-cp35m-win-amd64.whl"  ,但是此时我的电脑是提示了问题的，之后通过查资料发现应该得先安装pip,所以还是上面的那个路径直接找

到pip的wheel文件下载。

将下载的压缩包解压后拷贝到刚才的scripts目录下。然后在命令行输入 python setup.py install   对pip进行安装。安装之后在命令行输入pip，此时还会提示pip不是内部命令，所以可以将刚才的scripts的路径加入到环境变量中去

3.在安装完pip之后，我进行numpy的安装的时候还是有问题，然后又在上面的路径找到了wheel文件的下载

同样是将wheel文件拷贝到scripts目录下，在命令行的该目录下输入 pip install wheel

如图显示wheel文件也已经安装好了。

4.最后进行我们终极目标numpy的安装 ，此时在命令行输入pip install "numpy-1.11.3+mkl-cp27-cp27m-win_amd64.whl"  注意：这个是我的numpy名字，根据自己的文件名字来写。注意：此时我的计算机位数是匹配的，按理来讲肯定能安装上，但是就是提示我不符

为此我换了好几个序号的64位版本，但是都是这一个结果。鼓捣了好久，我抱着死马当活马医的态度下了个32位的，结果立马就安上了！！！我还能说什么！手动哭~~~

numpy是我学习python遇到的第一个第三方工具包，它可以让我们快速上手数据分析。numpy提供了向量和矩阵计算和处理的大部分接口。目前很多python的基础工具包都是基于numpy开发而来，比如 scikit-learn, SciPy, pandas, 还有 tensorflow。 numpy可以处理表格、图像、文本等数据，极大地方便我们处理和分析数据。本文主要内容来自于Jay Alammar的一篇文章以及自己学习记录。

原文地址： https://jalammar.github.io/visual-numpy/

使用过程中，如果希望 Numpy 能创建并初始化数组的值， Numpy 提供了 ones()、zeros() 和 random.random() 等方法。只需传递希望生成的元素数量（大小）即可：

还可以进行如下 *** 作：

一般，需要数组和单个数字之间也可以进行运算 *** 作（即向量和标量之间的运算）。比如说 data * 1.6 ，numpy利用一个叫做广播机制（broadcasting）的概念实现了这一运算。：

我们可以通过索引对numpy数据获取任意位置数据或者对数据切片

我们可以通过numpy自带的函数对数据进行一些想要的聚合计算，比如min、max 和 sum ，还可以使用 mean 得到平均值，使用 prod 得到所有元素的乘积，使用 std 得到标准差等等。

上述 *** 作不仅可以应用于单维度数据，还可以用于多维度数据{（矩阵）。

同样可以使用ones()、zeros() 和 random.random()创建矩阵，只要写入一个描述矩阵维数的元组即可：

numpy还可以处理更高维度的数据：

创建更高维度数据只需要在创建时，在参数中增加一个维度值即可：

根据数组中数值是否满足条件，输出为True或False.

希望得到满足条件的索引，用np.where函数实现.

根据索引得到对应位置的值.

np.where也可以接受另两个可选择的参数a和b。当条件满足时，输出a，反之输出b.

获取数组最大值和最小值的索引可以使用np.argmax和np.argmin.

1、numpy.tofile()和numpy.fromfile()

保存为二进制格式，但是不保存数组形状和数据类型， 即都压缩为一维的数组，需要自己记录数据的形状，读取的时候再reshape.

2、numpy.save() 和 numpy.load()

保存为二进制格式，保存数组形状和数据类型， 不需要进行reshape

实例：

3、numpy.savetxt()和numpy.loadtxt()

np.savetxt(fname,array,fmt=’%.18e’,delimiter=None)

Parameter解释：

array:待存入文件的数组。

fmt:写入文件的格式

实例：

如果你已经装有 Anaconda，那么你可以使用以下命令通过终端或命令提示符安装 NumPy：

conda install numpy

如果你没有 Anaconda，那么你可以使用以下命令从终端上安装 NumPy：

pip install numpy

安装好 NumPy 后，你就可以启动 Jupyter notebook 开始学习了。接下来从 NumPy 数组开始

就好比一个矩阵

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

参数说明：

参数 描述

shape 数组形状

dtype数据类型，可选

order有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

举例

输出结果

创建指定大小的数组，数组元素以 0 来填充：

举例

结果输出

创建指定形状的数组，数组元素以 1 来填充：

举例

同样是类型，但是注意这个和上边的区别，一个是数组的形式，一个是矩阵的形式。

---