pythonmkl
① 安裝numpy+mkl不支持平台怎麼辦
這個問題還算是比較簡單的。
我看你的操作系統是windows，那麼，windows有分32位版本和64位版本這你應該知道的吧。
好吧，其他linux也是一樣有分的。這個就不多說了。
但是，正如你看到的（下圖），python的擴展包也一樣有區分（部分沒有），numpy+mkl是有區分的，因此，你需要根據你的操作系統來下載對應的版本。（往下看！）
但事實不是這樣的，因為64位操作系統，也是可以運行32位程序的，因此python的版本，才是真正決定擴展包的版本！也就是說：
python是32位的，你就必須下載32位的擴展包；python是64位的，你就必須下載64位的擴展包！
好了，再回到你的圖片上，你安裝的是64位的擴展包，但是提示無法安裝，不適合這個平台，也就是說，你的python是32位的，你應該下載win32的whl文件。
② Intel Distribution for Python 的性能真實表現怎樣
實際上這是個CPython及一票包在ICC和MKL加持下的集合發行版。它能達到的最大高度與你自己編譯一輪CPython以及保證numpy等包工作在mkl之下沒有任何區別。
綜上所述，不要有太多幻想。pypy/numba都是JIT，Cython是直接的C編譯本地化模塊，只要解釋器還是CPython，就不會有什麼大到兩個數量級的巨大性能提升。
③ 如何用anaconda寫python
在anaconda prompt窗口敲入以下命令：
conda upgrade –all
解釋：可以將anaconda當前環境下的軟體包都進行一個更新，保證後續安裝都是最新的可用包。
conda install numpy scipy pandas
解釋：conda一次可以安裝多個軟體包。上面這個指令就可以一次安裝好numpy, scipy, pandas
conda create -n py3 python=3 或 conda create -n py2 python=2
解釋：上面是分別建立python 3.5和python 2.7虛擬環境的指令。py3（py2）是自己起的環境名；python=3 (python=2)是指定python版本
activate py3
解釋：這樣就進入python 3.5的環境了
conda list
解釋：查看當前環境下都已經安裝了哪些包。如果需要安裝新包，敲入指令 conda install <package name>就可以了
deactivate py3
解釋：退出python3.5的環境
④ python anaconda 怎麼安裝
Anaconda的安裝
Anaconda的下載頁參見官網下載，Linux、Mac、Windows均支持。
安裝時，會發現有兩個不同版本的Anaconda，分別對應Python 2.7和Python 3.5，兩個版本其實除了這點區別外其他都一樣。後面我們會看到，安裝哪個版本並不本質，因為通過環境管理，我們可以很方便地切換運行時的Python版本。（由於我常用的Python是2.7和3.4，因此傾向於直接安裝Python 2.7對應的Anaconda）
下載後直接按照說明安裝即可。這里想提醒一點：盡量按照Anaconda默認的行為安裝——不使用root許可權，僅為個人安裝，安裝目錄設置在個人主目錄下（Windows就無所謂了）。這樣的好處是，同一台機器上的不同用戶完全可以安裝、配置自己的Anaconda，不會互相影響。
對於Mac、Linux系統，Anaconda安裝好後，實際上就是在主目錄下多了個文件夾（~/anaconda）而已，Windows會寫入注冊表。安裝時，安裝程序會把bin目錄加入PATH（Linux/Mac寫入~/.bashrc，Windows添加到系統變數PATH），這些操作也完全可以自己完成。以Linux/Mac為例，安裝完成後設置PATH的操作是
1
2
3
4
# 將anaconda的bin目錄加入PATH，根據版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
配置好PATH後，可以通過which conda或conda --version命令檢查是否正確。假如安裝的是Python 2.7對應的版本，運行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也說明該發行版默認的環境是Python 2.7。
Conda的環境管理
Conda的環境管理功能允許我們同時安裝若干不同版本的Python，並能自由切換。對於上述安裝過程，假設我們採用的是Python 2.7對應的安裝包，那麼Python 2.7就是默認的環境（默認名字是root，注意這個root不是超級管理員的意思）。
假設我們需要安裝Python 3.4，此時，我們需要做的操作如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 創建一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create --name python34 python=3.4
# 安裝好後，使用activate激活某個環境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH
# 此時，再次輸入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境
# 如果想返回默認的python 2.7環境，運行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 刪除一個已有的環境
conda remove --name python34 --all
用戶安裝的不同python環境都會被放在目錄~/anaconda/envs下，可以在命令中運行conda info -e查看已安裝的環境，當前被激活的環境會顯示有一個星號或者括弧。
說明：有些用戶可能經常使用python 3.4環境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda對應的那個bin目錄。這個辦法，怎麼說呢，也是可以的，但總覺得不是那麼elegant……
如果直接按上面說的這么改PATH，你會發現conda命令又找不到了（當然找不到啦，因為conda在~/anaconda/bin里呢），這時候怎麼辦呢？方法有二：1. 顯式地給出conda的絕對地址 2. 在python34環境中也安裝conda工具（推薦）。
Conda的包管理
Conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：
1
2
3
4
5
6
7
# 安裝scipy
conda install scipy
# conda會從從遠程搜索scipy的相關信息和依賴項目，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）
# 查看已經安裝的packages
conda list
# 最新版的conda是從site-packages文件夾中搜索已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包
conda的一些常用操作如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 查看當前環境下已安裝的包
conda list
# 查看某個指定環境的已安裝包
conda list -n python34
# 查找package信息
conda search numpy
# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝
# 更新package
conda update -n python34 numpy
# 刪除package
conda remove -n python34 numpy
前面已經提到，conda將conda、python等都視為package，因此，完全可以使用conda來管理conda和python的版本，例如
1
2
3
4
5
6
7
8
9
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本
補充：如果創建新的python環境，比如3.4，運行conda create -n python34 python=3.4之後，conda僅安裝python 3.4相關的必須項，如python, pip等，如果希望該環境像默認環境那樣，安裝anaconda集合包，只需要：
1
2
3
4
5
6
# 在當前環境下安裝anaconda包集合
conda install anaconda
# 結合創建環境的命令，以上操作可以合並為
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安裝，根據需求安裝自己需要的package即可
設置國內鏡像
如果需要安裝很多packages，你會發現conda下載的速度經常很慢，因為Anaconda.org的伺服器在國外。所幸的是，清華TUNA鏡像源有Anaconda倉庫的鏡像，我們將其加入conda的配置即可：
1
2
3
4
5
6
# 添加Anaconda的TUNA鏡像
conda config --add channels
# TUNA的help中鏡像地址加有引號，需要去掉
# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes
執行完上述命令後，會生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，記錄著我們對conda的配置，直接手動創建、編輯該文件是相同的效果。
跋
Anaconda具有跨平台、包管理、環境管理的特點，因此很適合快速在新的機器上部署Python環境。總結而言，整套安裝、配置流程如下：
下載Anaconda、安裝
配置PATH（bashrc或環境變數），更改TUNA鏡像源
創建所需的不用版本的python環境
Just Try!
⑤ python安裝了numpy(+mkl)和pandas但總顯示錯誤
解決了嗎？我也遇到了這個問題
⑥ 安裝numpy+mkl要不要卸載numpy
python的好處是萬金油，其第三方numpy庫用mkl來提升矩陣計算性能，當然也需要在你的程序中使用才能發揮作用。確定需要安裝使用numpy+mkl，那就卸了原來的numpy。當然這兩者隨時可以相互替換，只要你清楚版本控制沒問題。
⑦ python死活調用不了SCIPY這個庫，怎麼解決
安裝是不是也發生了錯誤？這個庫在windows下總會編譯出錯，建議下載whl包安裝，這個是編譯好的，如果報錯是缺少mkl的話，從intel官網下載進行安裝，或者用anaconda進行管理，其他錯誤請追問