Linux环境下的Python配置，必备库的安装配置

Posted 2020-08-09

 

1、默认Python安装情况

---

一般情况，Linux会预装Python的，版本较低，比如Ubuntu15的系统一般预装的是Python2.7.10。

使用命令：which python可以查看当前的python的安装路径： 

打开对应路径就可以看到：

 

如果没有明确必须要使用Python3的版本，可以直接使用2.7.10的版本。

明确需要使用Python3版本，再进行更改。

 

这里需要说明一点：上图中存在有python，python2，python3，说明安装了2和3的版本，

 

 

 2、更改安装Python3

---

 http://www.cnblogs.com/zoro-robin/p/5638774.html

 

3、常用必备库安装使用

---

常见的，常用的科学计算、数据挖掘机器学习等python第三方库主要有：Numpy、Scipy、Matplotlib、Pandas、StatsModels、Scikit-Learn、Keras、Gensim等

 

常用的安装方式有三种：

①、自行下载源代码安装，此方法灵活但是需要自己解决依赖库的关系。

②、使用pip进行安装，它可以自动解决依赖关系。

③、使用easy_install，与pip类似，但不如pip。

所以最好使用pip进行安装，windows下安装好python后即可直接使用pip命令，在Linux下使用需要先行安装pip。

直接使用命令行：sudo apt-get install python-pip 安装pip即可。

如果安装过程中出现错误，可能是系统的软件源更新问题，可以先进行更新sudo apt-get update 再次进行安装即可。

然后在命令行下使用：pip install 库名

如果在Linux下安装出错的话，可以尝试使用：(只有Linux软件源中提供此软件包才可以)

sudo apt-get install python-numpy python-scipy python-matplotlib等

在Python中使用import代码测试相关库是否能够正常导入使用即可。

 

4、IDE使用

---

 ①、spyder

是一个强大的交互式 Python 语言开发环境，提供高级的代码编辑、交互测试、调试等特性，支持包括 Windows、Linux 和 OS X 系统

一般使用sudo apt-get install spyder即可完成下载安装，安装后即可在系统的软件列表中看到。

 

 ②、其他

 

 

 

5、常用库记录

---

 0、Numpy

　　开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多。

　　很多库都是以此库为依赖库的，所以特别重要。最常用的是它的数组功能，numpy.array([,,,,,])

　　测试示例：

1 import numpy as np
2 
3 a = np.array([2,0,1,5])
4 print(a)

 

①、scikit-image  

　　图像处理库，依赖库为：numpy+mkl(目前不明所以，不知道与numpy的区别，使用pip安装scikit-image 出现一堆的warning，但是最终提示是安装成功了。)

　　这里有一些说明，参考一下：http://blog.csdn.net/spirit_go/article/details/51567363

　　测试示例：

1 from skimage import data, io, filters
2 
3 image = data.coins()              # or any NumPy array!
4 edges = filters.sobel(image)
5 io.imshow(edges)
6 io.show()

 

②、Scipy 

　　矩阵数据处理库，它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等，依赖库是Numpy，但是也有人说scipy依赖于numpy+mkl，需要安装这个对应的库才可以。

　　测试示例：

 1 from scipy.optimize import fsolve
 2 
 3 def f(x):
 4     x1 = x[0]
 5     x2 = x[1]
 6     return [2*x1 - x2**2 - 1, x1**2 - x2 - 2]
 7     
 8 result = fsolve(f,[1,1])
 9 
10 print(result)  #输出为[ 1.91963957  1.68501606]

 

③、