numpypython36
① python3.6无法安装numpy，如何解决
这个问题可以这样解决：
①如果电脑只有python3.6，没有python2.7的话，你就可以通过pip install numpy 来安装
②如果同时安装了python3和2，并且cmd中输入python，默认的是python2，那么需要通过
python3-mpipinstallnumpy
此外：你还可以卸载python3.6，安装pycharm开发工具，安装anaconda版本的python2和3，因为anaconda已经包含很多库，比如numpy、pandas
② mac系统python安装了anaconda，在idle中如何import numpy
下载 Anaconda
直接在官网下载安装包， 选择 Python3.6 的安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可，大约需要1.8G的磁盘空间。
conda 工具介绍
conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行命令 conda
conda 的环境管理与 virtualenv 是基本上是类似的操作。
# 查看帮助
conda -h
# 基于python3.6版本创建一个名字为python36的环境
conda create --name python36 python=3.6
# 激活此环境
activate python36
# 再来检查python版本，显示是 3.6
python -V
# 退出当前环境
deactivate python36
# 删除该环境
conda remove -n python36 --all
# 或者
conda env remove -n python36
# 查看所以安装的环境
conda info -e
python36 * D:\Programs\Anaconda3\envs\python36
root D:\Programs\Anaconda3
conda 的包管理功能可 pip 是一样的，当然你选择 pip 来安装包也是没问题的。
# 安装 matplotlib
conda install matplotlib
# 查看已安装的包
conda list
# 包更新
conda update matplotlib
# 删除包
conda remove matplotlib
在 conda 中 anything is a package。conda 本身可以看作是一个包，python 环境可以看作是一个包，anaconda 也可以看作是一个包，因此除了普通的第三方包支持更新之外，这3个包也支持。比如：
# 更新conda本身
conda update conda
# 更新anaconda 应用
conda update anaconda
# 更新python，假设当前python环境是3.6.1，而最新版本是3.6.2，那么就会升级到3.6.2
conda update python
修改镜像地址
Anaconda 的镜像地址默认在国外，用 conda 安装包的时候会很慢，目前可用的国内镜像源地址有清华大学的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\当前用户名\.condarc (Windows) 配置：
channels:
-
- defaults
show_channel_urls: true
如果使用conda安装包的时候还是很慢，那么可以考虑使用pip来安装，同样把 pip 的镜像源地址也改成国内的，豆瓣源速度比较快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\当前用户名\pip\pip.ini (Windows) 配置：
[global]
trusted-host =
index-url =
环境搭建好之后就可以开始愉快地玩数据分析了。
③ python中怎样安装numpy模块
1.在python官网https://pypi.python.org/pypi/numpy中找到安装的python版本对应的numpy版本。
例如：
python版本是
④ python numpy是什么库
NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了CPython的GIL（全局解释器锁），运行效率极好，是大量机器学习框架的基础库！
相关推荐：《Python基础教程》
NumPy的全名为Numeric Python，是一个开源的Python科学计算库，它包括：
·一个强大的N维数组对象ndrray；
·比较成熟的（广播）函数库；
·用于整合C/C++和Fortran代码的工具包；
·实用的线性代数、傅里叶变换和随机数生成函数。
NumPy的优点：
·对于同样的数值计算任务，使用NumPy要比直接编写Python代码便捷得多；
·NumPy中的数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构，且其能够提升的性能是与数组中的元素成比例的；
·NumPy的大部分代码都是用C语言写的，其底层算法在设计时就有着优异的性能，这使得NumPy比纯Python代码高效得多。
当然，NumPy也有其不足之处，由于NumPy使用内存映射文件以达到最优的数据读写性能，而内存的大小限制了其对TB级大文件的处理；此外，NumPy数组的通用性不及Python提供的list容器。因此，在科学计算之外的领域，NumPy的优势也就不那么明显。