第一章：安装NumPy和SciPy

第一节：获取Numpy和SciPy

SciPy是开放源码的数学，科学和工程软件。 SciPy库依赖于NumPy，它提供了便捷的N维数组操作。 SciPy库构建为与NumPy数组一起工作，并提供了许多用户友好和高效的数值例程，例如用于数值积分和优化的例程。 它们一起运行在所有流行的操作系统上，安装快速且免费。 NumPy和SciPy易于使用，但功能强大，足以受到一些世界领先的科学家和工程师的依赖。

官方资源和二进制发行版本

在每一发行版本的numpy和scipy中，Numpy管方都针对主要的平台(Linux、Windows、OSX)提供了源码和二进制安装包。

源码仓库

目前多数的开发版本的Numpy和Scipy可以通过GitHub上的官方仓库获取，

获取最新的Numpy源码的命令如下：

git clone https://github.com/numpy/numpy.git](https://github.com/numpy/numpy.git) numpy

获取最新的Scipy的源码如下

git clone https://github.com/scipy/scipy.git scipy

第二节：构建说明

有关Scipy的构建说明，请参阅其文档。 最新英文版本可在以下网址找到：https：//docs.scipy.org/doc/scipy-dev/reference/building/index.html，下面的翻译的文档截止2018年1月11日是最新的。

安装和更新

安装软件包

这些是在SciPy生态系统中安装软件包普通说明。

科学的Python分布

对于许多用户，尤其是在Windows上，最简单的方法就是下载其中一个Python发行版，其中包括所有的关键包：

• Anaconda：免费发行的Python与科学软件包。支持Linux，Windows和Mac。

• Enthought Canopy:包括核心科学软件包。支持Linux，Windows和Mac.

• Python（x，y）：基于Spyder IDE的免费发行版，包括科学软件包。仅限Windows。

• WinPython：免费发行，包括科学软件包。仅限Windows。

• Pyzo：基于Anaconda和IEP交互式开发环境的免费发行。支持Linux，Windows和Mac。

通过pip安装

大多数主要项目都将官方软件包上传到Python Package索引。它们可以使用Python的标准pip包管理器安装在大多数操作系统上。请注意，您需要在您的系统上安装Python和pip。您可以通过以下命令来安装软件包：

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose

我们建议使用用户安装，使用--user标志来点（注意：不要使用sudo pip，这会导致问题）。这会为您的本地用户安装软件包，而不会写入系统目录。

通过Linux软件包管理器安装系统

Linux上的用户可以从发行版提供的存储库中安装软件包。这些安装将是系统范围的，可能比使用pip可用的版本更旧。

1.Ubuntu和Debian

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython -book python-pandas python-sympy python-nose

用户可能还想添加额外的SciPy包的NeuroDebian存储库。

2.Fedora的

Fedora 22及更高版本：

 sudo dnf install numpy scipy python-matplotlib ipython python-pandas sympy python-nose atlas-devel

通过Mac软件包管理器安装系统

Macs没有预装的软件包管理器，但有几个常用的软件包管理器可以安装。

1.MacPorts

对于使用Macports的Python 3.5，在终端中执行此命令：

sudo port install py35-numpy py35-scipy py35-matplotlib py35-ipython +笔记本py35-pandas py35-sympy py35-nose

2.Homebrew

您可以使用下面命令安装NumPy，SciPy和Matplotlib：

 brew tap homebrew / science && brew install python numpy scipy matplotlib

其他选择

正如上面解释的，大多数项目的官方二进制和源代码包都可以通过pip获得。二进制包也可以从第三方获得，比如上面的Python发行版。对于Windows，Christoph Gohlke为许多软件包提供了预构建的Windows安装程序。

• 源代码包

您可以从源代码构建任何包，例如，如果您想参与开发。对于完全用Python编写的包来说，这很容易，而像NumPy这样的其他编译器则需要编译C代码。请参阅个别项目了解更多详情。

第二节：使用源码构建

注意：如果你仅仅就是想尝试安装SciPy，请看上面的安装部分

1.使用源码在Linux平台下构建

一般说明

为了使用源码构建Numpy和SciPy,先获取源码包，解压，并且执行下面命令：

python setup.py install --user # installs to your home directory

或者

python setup.py build
python setup.py install --prefix=$HOME/local

在构建之前，你应该需要安装Numpy和SciPy的依赖包

• BLAS和LAPACK库（可选，但强烈推荐用于NumPy，SciPy需要）：通常是ATLAS + OpenBLAS或MK
• C和Fortran编译器（通常是gcc和gfortran）。
• Python头文件（通常是一个名为python-dev或python-devel的软件包）
• 除非从发布的源代码包构建，否则Cython编译器是必需的（通常位于名为cython的包中）。 为了构建最近的SciPy，你可能需要一个比你的发布版本更新的版本Cython。

通常情况下，您需要从Linux发行版提供的软件包中安装以上所有内容，因为自己构建它们非常复杂。 如果你需要使用特定的BLAS / LAPACK库，你可以这样做

export BLAS=/path/to/libblas.so
export LAPACK=/path/to/liblapack.so
export ATLAS=/path/to/libatlas.so
python setup.py............

如果你不想要任何LAPACK，只要执行“export LAPACK =”即可。

您可以在下面找到许多主要Linux发行版的其他安装说明和建议。

特别说明

• Debian/Ubuntu
• Fedora
• Intel C Compiler and MKL
• • Intel MKL 11.0(update Dec2012)

Debian / Ubuntu

从源码构建下面的包是必须：

sudo apt-get install gcc gfortran python-dev libopenblas-dev liblapack-dev cython

要自定义使用哪个BLAS，可以设置一个site.cfg文件。 请参阅numpy源文件中的site.cfg.example文件，了解可以设置的选项。
请注意，Debian和Ubuntu以可交换的方式优化了BLAS库。 您可以安装ATLAS或OpenBLAS等库，并通过替代机制更改默认的库：

$ sudo apt-get install libopenblas-base libatlas3-base

$ update-alternatives --list libblas.so.3
/usr/lib/atlas-base/atlas/libblas.so.3
/usr/lib/libblas/libblas.so.3
/usr/lib/openblas-base/libopenblas.so.0

$ sudo update-alternatives --set libblas.so.3 /usr/lib/openblas-base/libopenblas.so.0

请参阅/usr/share/doc/libatlas3-base/README.Debian了解如何为特定的CPU构建优化的ATLAS软件包。 打包的OpenBLAS在运行时选择最佳代码，因此不需要重新编译，除非打包版本不支持使用的CPU。

你也可以使用你自己建立的库来预加载它。 这不需要管理员权限。

LD_PRELOAD=/path/to/libatlas.so.3./my-application

Fedora26

安装构建SciPy的必要条件是，你可以执行下面的命令

 sudo dnf install gcc-gfortran python3-devel python2-devel openblas-devel lapack-devel Cython

英特尔C编译器和MKL

英特尔MKL 11.0（2012年12月更新）

考虑到与英特尔®Composer XE SP1捆绑在一起的英特尔®MKL的默认安装路径，将以下行添加到顶级NumPy目录中的site.cfg，以便将英特尔®MKL用于英特尔®64（或更早称为em64t）架构Linux上的版本：

[MKL]
library\_dirs = / opt / intel / composer\_xe\_2013 / mkl / lib / intel64
include\_dirs = / opt / intel / composer\_xe\_2013 / mkl / include
mkl\_libs = mkl\_intel\_lp64，mkl\_intel\_thread，mkl\_core

如果你正在建立32位的NumPy，请添加如下

[MKL]
library\_dirs = / opt / intel / composer\_xe\_2013 / mkl / lib / ia32
include\_dirs = / opt / intel / composer\_xe\_2013 / mkl / include
mkl\_libs = mkl\_intel，mkl\_intel\_thread，mkl\_core

您可以使用动态接口库mkl_rt.lib，而不是如上所示的用于英特尔®MKL的分层链接方法。因此，对于ia32和intel64架构，请按如下所示进行更改

mkl\_libs = mkl\_rt

修改numpy / numpy / distutils / intelccompiler.py中的cc_exe，如下所示：

cc\_exe ='icc -O2 -g -openmp -avx'

在这里，我们使用基于英特尔®SandyBridge架构（-avx）的默认优化（-O2），OpenMP线程（-openmp）以及用于英特尔®至强E5或E3系列的英特尔®AVX优化。运行icc -help以获取有关处理器特定选项的更多信息。

用Intel编译器编译并安装NumPy（在64位平台上用“intelem”替换“intel”）：

python setup.py config --compiler = intel build\_clib --compiler = intel build\_ext --compiler = intel install

使用Intel编译器编译并安装SciPy（在64位平台上用“intelem”替换“intel”）：

python setup.py config --compiler = intel --fcompiler = intel build\_clib --compiler = intel --fcompiler = intel build\_ext --compiler =   
intel --fcompiler = intel install

您必须将LD_LIBRARY_PATH设置为英特尔®MKL库（具体值取决于您的体系结构，编译器和库版本）以及OpenMP库，以便NumPy正常工作。如果您为英特尔®64位平台构建NumPy：

$export LD\_LIBRARY\_PATH = / opt / intel / composer\_xe\_2013 / mkl / lib / intel64：/ opt / intel / composer\_xe\_2013 / 
compiler / lib / intel64：$ LD\_LIBRARY\_PATH

如果您为ia32位平台构建NumPy：

$export LD\_LIBRARY\_PATH = / opt / intel / composer\_xe\_2013 / mkl / lib / ia32：/ opt / intel / composer\_xe\_2013 / compiler 
/lib/ ia32：$ LD\_LIBRARY\_PATH

第三节:第三方/供应商包管理器

下面是包含NumPy和SciPy包的第三方和操作系统供应商软件包管理器的部分列表。

这些软件包不是由NumPy和SciPy开发者维护的; 这个列表只是为了方便。 这些软件包可能并不总是提供最新版本的软件，并且可能不会被维护。

重要提示：如果您遇到这些软件包的问题（尤其是与安装/构建错误有关的问题），请将问题首先报告给软件包维护人员，而不是NumPy / SciPy邮件列表。