numpypython36
① python3.6無法安裝numpy，如何解決
這個問題可以這樣解決：
①如果電腦只有python3.6，沒有python2.7的話，你就可以通過pip install numpy 來安裝
②如果同時安裝了python3和2，並且cmd中輸入python，默認的是python2，那麼需要通過
python3-mpipinstallnumpy
此外：你還可以卸載python3.6，安裝pycharm開發工具，安裝anaconda版本的python2和3，因為anaconda已經包含很多庫，比如numpy、pandas
② mac系統python安裝了anaconda，在idle中如何import numpy
下載 Anaconda
直接在官網下載安裝包， 選擇 Python3.6 的安裝包進行下載，下載完成後直接安裝，安裝過程選擇默認配置即可，大約需要1.8G的磁碟空間。
conda 工具介紹
conda 是 Anaconda 下用於包管理和環境管理的工具，功能上類似 pip 和 vitualenv 的組合。安裝成功後 conda 會默認加入到環境變數中，因此可直接在命令行窗口運行命令 conda
conda 的環境管理與 virtualenv 是基本上是類似的操作。
# 查看幫助
conda -h
# 基於python3.6版本創建一個名字為python36的環境
conda create --name python36 python=3.6
# 激活此環境
activate python36
# 再來檢查python版本，顯示是 3.6
python -V
# 退出當前環境
deactivate python36
# 刪除該環境
conda remove -n python36 --all
# 或者
conda env remove -n python36
# 查看所以安裝的環境
conda info -e
python36 * D:\Programs\Anaconda3\envs\python36
root D:\Programs\Anaconda3
conda 的包管理功能可 pip 是一樣的，當然你選擇 pip 來安裝包也是沒問題的。
# 安裝 matplotlib
conda install matplotlib
# 查看已安裝的包
conda list
# 包更新
conda update matplotlib
# 刪除包
conda remove matplotlib
在 conda 中 anything is a package。conda 本身可以看作是一個包，python 環境可以看作是一個包，anaconda 也可以看作是一個包，因此除了普通的第三方包支持更新之外，這3個包也支持。比如：
# 更新conda本身
conda update conda
# 更新anaconda 應用
conda update anaconda
# 更新python，假設當前python環境是3.6.1，而最新版本是3.6.2，那麼就會升級到3.6.2
conda update python
修改鏡像地址
Anaconda 的鏡像地址默認在國外，用 conda 安裝包的時候會很慢，目前可用的國內鏡像源地址有清華大學的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\當前用戶名\.condarc (Windows) 配置：
channels:
-
- defaults
show_channel_urls: true
如果使用conda安裝包的時候還是很慢，那麼可以考慮使用pip來安裝，同樣把 pip 的鏡像源地址也改成國內的，豆瓣源速度比較快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\當前用戶名\pip\pip.ini (Windows) 配置：
[global]
trusted-host =
index-url =
環境搭建好之後就可以開始愉快地玩數據分析了。
③ python中怎樣安裝numpy模塊
1.在python官網https://pypi.python.org/pypi/numpy中找到安裝的python版本對應的numpy版本。
例如：
python版本是
④ python numpy是什麼庫
NumPy是Python語言的一個擴充程序庫。支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Numpy內部解除了CPython的GIL（全局解釋器鎖），運行效率極好，是大量機器學習框架的基礎庫！
相關推薦：《Python基礎教程》
NumPy的全名為Numeric Python，是一個開源的Python科學計算庫，它包括：
·一個強大的N維數組對象ndrray；
·比較成熟的（廣播）函數庫；
·用於整合C/C++和Fortran代碼的工具包；
·實用的線性代數、傅里葉變換和隨機數生成函數。
NumPy的優點：
·對於同樣的數值計算任務，使用NumPy要比直接編寫Python代碼便捷得多；
·NumPy中的數組的存儲效率和輸入輸出性能均遠遠優於Python中等價的基本數據結構，且其能夠提升的性能是與數組中的元素成比例的；
·NumPy的大部分代碼都是用C語言寫的，其底層演算法在設計時就有著優異的性能，這使得NumPy比純Python代碼高效得多。
當然，NumPy也有其不足之處，由於NumPy使用內存映射文件以達到最優的數據讀寫性能，而內存的大小限制了其對TB級大文件的處理；此外，NumPy數組的通用性不及Python提供的list容器。因此，在科學計算之外的領域，NumPy的優勢也就不那麼明顯。