
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 陣列的建立和操作
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 陣列迭代
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和運算
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步幅
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列運算
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 複製和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列的並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- Numpy - 載入陣列
- Numpy - 儲存陣列
- NumPy - 向陣列追加值
- NumPy - 交換陣列列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 估算缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- Numpy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy - 環境
使用 pip 安裝 NumPy
NumPy 模組未包含在標準 Python 發行版中。但是,可以使用 Python 包安裝程式pip輕鬆安裝它。
pip install numpy
使用二進位制包
啟用 NumPy 的最佳方法是使用特定於您的作業系統的預構建二進位制包。這些包除了核心 Python 之外,還包括完整的 SciPy 整合包,其中包括 NumPy、SciPy、Matplotlib、IPython、SymPy 和 nose 包。
Windows
- Anaconda 它是一個免費的 Python 發行版,包含整個 SciPy 整合包。它適用於 Windows、Linux 和 macOS。Anaconda 簡化了包管理,並附帶了一個方便的包安裝程式conda。
- Canopy 這是另一個可作為免費和商業產品提供的發行版選項。與 Anaconda 類似,Canopy 為 Windows、Linux 和 macOS 平臺提供全面的 SciPy 整合包。
- Python (x,y) 是 Windows 作業系統的免費 Python 發行版。它包含 SciPy 整合包以及 Spyder IDE,使其適用於 Windows 上的科學計算和資料分析任務。
Linux
在 Linux 發行版上,通常使用包管理器來安裝 SciPy 整合包的元件。以下是流行發行版的示例:
要在 Ubuntu 上安裝 NumPy,請使用以下命令:
sudo apt-get install python-numpy python-scipy python-matplotlibipythonipythonnotebook python-pandas python-sympy python-nose
要在 Fedora 上安裝 NumPy,請使用以下命令:
sudo yum install numpyscipy python-matplotlibipython python-pandas sympy python-nose atlas-devel
從原始碼構建 NumPy
對於高階使用者或需要特定配置的使用者,可以從原始碼構建 NumPy。確保您擁有必要的先決條件:
- 啟用了 distutils 的核心 Python (2.6.x、2.7.x 和 3.2.x 及更高版本)。
- 啟用了 zlib 模組。
- GNU gcc(4.2 版及更高版本)C 編譯器。
要從原始碼構建和安裝 NumPy,請執行以下命令:
Python setup.py install
驗證安裝
要驗證 NumPy 是否已正確安裝,請開啟 Python 提示符並嘗試匯入它:
import numpy
如果未安裝,將顯示以下錯誤訊息:
Traceback (most recent call last): File "<pyshell#0>", line 1, in <module> import numpy ImportError: No module named 'numpy'
或者,您可以使用標準別名匯入 NumPy 包:
import numpy as np
如果 NumPy 已正確安裝,則不會顯示任何錯誤訊息。否則,`ImportError` 將指示未找到 NumPy。
檢查 NumPy 版本
要檢查系統上安裝的 NumPy 版本,可以直接使用 Python,無論是從命令列還是在指令碼中。以下是操作方法:
使用 Python 命令列或指令碼
- 開啟您的命令列介面 (CLI) 或終端。
- 鍵入 python 或 python3(取決於您的系統配置)啟動 Python。
- 使用以下命令匯入 NumPy 並檢查其版本:
import numpy as np print(np.__version__)
以上命令將列印系統上安裝的 NumPy 版本。
在指令碼中檢查 NumPy 版本
或者,您可以建立一個 Python 指令碼(例如,check_numpy_version.py),內容如下:
import numpy as np print(f"NumPy version: {np.__version__}")
儲存檔案,然後從命令列執行它:
python check_numpy_version.py
此指令碼將輸出系統上安裝的 NumPy 版本。
廣告