pythonmkl
① 安装numpy+mkl不支持平台怎么办
这个问题还算是比较简单的。
我看你的操作系统是windows,那么,windows有分32位版本和64位版本这你应该知道的吧。
好吧,其他linux也是一样有分的。这个就不多说了。
但是,正如你看到的(下图),python的扩展包也一样有区分(部分没有),numpy+mkl是有区分的,因此,你需要根据你的操作系统来下载对应的版本。(往下看!)
但事实不是这样的,因为64位操作系统,也是可以运行32位程序的,因此python的版本,才是真正决定扩展包的版本!也就是说:
python是32位的,你就必须下载32位的扩展包;python是64位的,你就必须下载64位的扩展包!
好了,再回到你的图片上,你安装的是64位的扩展包,但是提示无法安装,不适合这个平台,也就是说,你的python是32位的,你应该下载win32的whl文件。
② Intel Distribution for Python 的性能真实表现怎样
实际上这是个CPython及一票包在ICC和MKL加持下的集合发行版。它能达到的最大高度与你自己编译一轮CPython以及保证numpy等包工作在mkl之下没有任何区别。
综上所述,不要有太多幻想。pypy/numba都是JIT,Cython是直接的C编译本地化模块,只要解释器还是CPython,就不会有什么大到两个数量级的巨大性能提升。
③ 如何用anaconda写python
在anaconda prompt窗口敲入以下命令:
conda upgrade –all
解释:可以将anaconda当前环境下的软件包都进行一个更新,保证后续安装都是最新的可用包。
conda install numpy scipy pandas
解释:conda一次可以安装多个软件包。上面这个指令就可以一次安装好numpy, scipy, pandas
conda create -n py3 python=3 或 conda create -n py2 python=2
解释:上面是分别建立python 3.5和python 2.7虚拟环境的指令。py3(py2)是自己起的环境名;python=3 (python=2)是指定python版本
activate py3
解释:这样就进入python 3.5的环境了
conda list
解释:查看当前环境下都已经安装了哪些包。如果需要安装新包,敲入指令 conda install <package name>就可以了
deactivate py3
解释:退出python3.5的环境
④ python anaconda 怎么安装
Anaconda的安装
Anaconda的下载页参见官网下载,Linux、Mac、Windows均支持。
安装时,会发现有两个不同版本的Anaconda,分别对应Python 2.7和Python 3.5,两个版本其实除了这点区别外其他都一样。后面我们会看到,安装哪个版本并不本质,因为通过环境管理,我们可以很方便地切换运行时的Python版本。(由于我常用的Python是2.7和3.4,因此倾向于直接安装Python 2.7对应的Anaconda)
下载后直接按照说明安装即可。这里想提醒一点:尽量按照Anaconda默认的行为安装——不使用root权限,仅为个人安装,安装目录设置在个人主目录下(Windows就无所谓了)。这样的好处是,同一台机器上的不同用户完全可以安装、配置自己的Anaconda,不会互相影响。
对于Mac、Linux系统,Anaconda安装好后,实际上就是在主目录下多了个文件夹(~/anaconda)而已,Windows会写入注册表。安装时,安装程序会把bin目录加入PATH(Linux/Mac写入~/.bashrc,Windows添加到系统变量PATH),这些操作也完全可以自己完成。以Linux/Mac为例,安装完成后设置PATH的操作是
1
2
3
4
# 将anaconda的bin目录加入PATH,根据版本不同,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后,可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本,运行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit),也说明该发行版默认的环境是Python 2.7。
Conda的环境管理
Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。
假设我们需要安装Python 3.4,此时,我们需要做的操作如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 创建一个名为python34的环境,指定Python版本是3.4(不用管是3.4.x,conda会为我们自动寻找3.4.x中的最新版本)
conda create --name python34 python=3.4
# 安装好后,使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后,会发现terminal输入的地方多了python34的字样,实际上,此时系统做的事情就是把默认2.7环境从PATH中去除,再把3.4对应的命令加入PATH
# 此时,再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`,即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境,运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
用户安装的不同python环境都会被放在目录~/anaconda/envs下,可以在命令中运行conda info -e查看已安装的环境,当前被激活的环境会显示有一个星号或者括号。
说明:有些用户可能经常使用python 3.4环境,因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH,去除anaconda对应的那个bin目录。这个办法,怎么说呢,也是可以的,但总觉得不是那么elegant……
如果直接按上面说的这么改PATH,你会发现conda命令又找不到了(当然找不到啦,因为conda在~/anaconda/bin里呢),这时候怎么办呢?方法有二:1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda工具(推荐)。
Conda的包管理
Conda的包管理就比较好理解了,这部分功能与pip类似。
例如,如果需要安装scipy:
1
2
3
4
5
6
7
# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目,对于python 3.4,conda会同时安装numpy和mkl(运算加速的库)
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包,不依赖于pip,因此可以显示出通过各种方式安装的包
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
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python34
# 查找package信息
conda search numpy
# 安装package
conda install -n python34 numpy
# 如果不用-n指定环境名称,则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
前面已经提到,conda将conda、python等都视为package,因此,完全可以使用conda来管理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
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
补充:如果创建新的python环境,比如3.4,运行conda create -n python34 python=3.4之后,conda仅安装python 3.4相关的必须项,如python, pip等,如果希望该环境像默认环境那样,安装anaconda集合包,只需要:
1
2
3
4
5
6
# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令,以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装,根据需求安装自己需要的package即可
设置国内镜像
如果需要安装很多packages,你会发现conda下载的速度经常很慢,因为Anaconda.org的服务器在国外。所幸的是,清华TUNA镜像源有Anaconda仓库的镜像,我们将其加入conda的配置即可:
1
2
3
4
5
6
# 添加Anaconda的TUNA镜像
conda config --add channels
# TUNA的help中镜像地址加有引号,需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
执行完上述命令后,会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件,记录着我们对conda的配置,直接手动创建、编辑该文件是相同的效果。
跋
Anaconda具有跨平台、包管理、环境管理的特点,因此很适合快速在新的机器上部署Python环境。总结而言,整套安装、配置流程如下:
下载Anaconda、安装
配置PATH(bashrc或环境变量),更改TUNA镜像源
创建所需的不用版本的python环境
Just Try!
⑤ python安装了numpy(+mkl)和pandas但总显示错误
解决了吗?我也遇到了这个问题
⑥ 安装numpy+mkl要不要卸载numpy
python的好处是万金油,其第三方numpy库用mkl来提升矩阵计算性能,当然也需要在你的程序中使用才能发挥作用。确定需要安装使用numpy+mkl,那就卸了原来的numpy。当然这两者随时可以相互替换,只要你清楚版本控制没问题。
⑦ python死活调用不了SCIPY这个库,怎么解决
安装是不是也发生了错误?这个库在windows下总会编译出错,建议下载whl包安装,这个是编译好的,如果报错是缺少mkl的话,从intel官网下载进行安装,或者用anaconda进行管理,其他错误请追问