[Python学习] Linux环境下的Python配置,必备库的安装配置

1、默认Python安装情况


一般情况,Linux会预装Python的,版本较低,比如Ubuntu15的系统一般预装的是Python2.7.10。

[Python学习] Linux环境下的Python配置,必备库的安装配置

使用命令:which python可以查看当前的python的安装路径

[Python学习] Linux环境下的Python配置,必备库的安装配置

打开对应路径就可以看到:

[Python学习] Linux环境下的Python配置,必备库的安装配置

如果没有明确必须要使用Python3的版本,可以直接使用2.7.10的版本。

明确需要使用Python3版本,再进行更改。

这里需要说明一点:上图中存在有python,python2,python3,说明安装了2和3的版本,

2、更改安装Python3


http://www.cnblogs.com/zoro-robin/p/5638774.html

3、常用必备库安装使用


常见的,常用的科学计算、数据挖掘机器学习等python第三方库主要有:Numpy、Scipy、Matplotlib、Pandas、StatsModels、Scikit-Learn、Keras、Gensim等

常用的安装方式有三种:

①、自行下载源代码安装,此方法灵活但是需要自己解决依赖库的关系。

②、使用pip进行安装,它可以自动解决依赖关系。

③、使用easy_install,与pip类似,但不如pip。

所以最好使用pip进行安装,windows下安装好python后即可直接使用pip命令,在Linux下使用需要先行安装pip。

直接使用命令行:sudo apt-get install python-pip 安装pip即可。

如果安装过程中出现错误,可能是系统的软件源更新问题,可以先进行更新sudo apt-get update 再次进行安装即可。

然后在命令行下使用:pip install 库名

如果在Linux下安装出错的话,可以尝试使用:(只有Linux软件源中提供此软件包才可以)

sudo apt-get install python-numpy python-scipy python-matplotlib等

在Python中使用import代码测试相关库是否能够正常导入使用即可。

4、IDE使用


①、spyder

是一个强大的交互式 Python 语言开发环境,提供高级的代码编辑、交互测试、调试等特性,支持包括 Windows、Linux 和 OS X 系统

一般使用sudo apt-get install spyder即可完成下载安装,安装后即可在系统的软件列表中看到。

[Python学习] Linux环境下的Python配置,必备库的安装配置

②、其他

5、常用库记录


0、Numpy

  开源的数值计算扩展,可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多。

  很多库都是以此库为依赖库的,所以特别重要。最常用的是它的数组功能,numpy.array([,,,,,])

  测试示例:

 import numpy as np

 a = np.array([2,0,1,5])
print(a)

①、scikit-image

  图像处理库,依赖库为:numpy+mkl(目前不明所以,不知道与numpy的区别,使用pip安装scikit-image 出现一堆的warning,但是最终提示是安装成功了。)

  这里有一些说明,参考一下:http://blog.csdn.net/spirit_go/article/details/51567363

  测试示例:

 from skimage import data, io, filters

 image = data.coins()              # or any NumPy array!
edges = filters.sobel(image)
io.imshow(edges)
io.show()

②、Scipy

  矩阵数据处理库,它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等,依赖库是Numpy,但是也有人说scipy依赖于numpy+mkl,需要安装这个对应的库才可以。

  测试示例:

 from scipy.optimize import fsolve

 def f(x):
x1 = x[0]
x2 = x[1]
return [2*x1 - x2**2 - 1, x1**2 - x2 - 2] result = fsolve(f,[1,1]) print(result) #输出为[ 1.91963957 1.68501606]

③、

上一篇:BLE学习(6)


下一篇:跨站资源共享CORS原理深度解析