一旦上面安装了必要的包，我们就可以通过Python包管理器pip继续安装NumPy。Pip将下载包的zip文件，然后从源代码为我们编译它。请记住，这将需要一些时间来编译，可能10分钟或更长，取决于您的CPU：
sudo pip install numpy
一旦安装了NumPy，我们需要在继续之前检查它是否工作。如果你看一下终端，你会看到你的用户名后面跟着你的计算机名。在我的示例中，它是mhallsmoore@algobox，后面跟着提示符。在提示符中输入python，然后尝试导入NumPy。我们将通过计算列表的平均值来测试它的工作原理：
mhallsmoore@algobox:~$ python
Python 2.7.4 (default, Sep 26 2013, 03:20:26)
[GCC 4.7.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> from numpy import mean
>>> mean([1,2,3])
2.0
>>> exit()
现在NumPy已经成功安装，我们希望安装名为SciPy的Python科学库。它有自己的一些包依赖关系，包括ATLAS库和GNU Fortran编译器，必须先安装:
sudo apt-get install libatlas-base-dev gfortran
现在，我们准备使用pip安装SciPy。这将需要相当长的时间来编译，也许10-20分钟，取决于CPU的速度：
sudo pip install scipy
现在已经安装了SciPy。我们将以与NumPy类似的方式测试它计算整数列表的标准差：
mhallsmoore@algobox:~$ python
Python 2.7.4 (default, Sep 26 2013, 03:20:26)
[GCC 4.7.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import scipy
>>> from scipy import std
>>> std([1,2,3])
0.81649658092772603
>>> exit()
本节的最后一个任务是安装pandas数据分析库。我们不需要另外的准备在这个阶段，因为已经有NumPy和SciPy：
sudo pip install pandas
接下来跟前面一样测试一下pandas库是否安装：
>>> from pandas import DataFrame
>>> pd = DataFrame()
>>> pd
Empty DataFrame
Columns: []
Index: []
>>> exit()
既然已经安装了基本的数字和科学库，接下来我们将安装统计和机器学习库，既statsmodels 和 scikit-learn。
【交易学习】
【交易员洞察】
【基础知识】
【货币交易】
【黄金交易】
إخلاء المسؤولية: الآراء الواردة هنا تعبر فقط عن رأي الكاتب، ولا تمثل الموقف الرسمي لـ Followme. لا تتحمل Followme مسؤولية دقة أو اكتمال أو موثوقية المعلومات المُقدمة، ولا تتحمل مسؤولية أي إجراءات تُتخذ بناءً على المحتوى، ما لم يُنص على ذلك صراحةً كتابيًا.
اترك رسالتك الآن