Windows10+Python3下安裝NumPy+SciPy+Matplotlib

Numpy、SciPy、MatplotLib是Python下從事科學計算必不可少的庫。我在用其他的方法安裝時出現各種問題，發現直接安裝.whl包是最快且不報錯的方法。

1.下載.whl包
在下面的網站中找需要的.whl文件下載
http://www.lfd.uci.edu/~gohlke/pythonlibs/
要和自己本地安裝的版本一致，我選擇的whl文件是：
numpy-1.13.0+mkl-cp36-cp36m-win32.whl
scipy-0.19.1-cp36-cp36m-win32.whl
matplotlib-2.0.2-cp36-cp36m-win32.whl

2.開始在命令行安裝
>pip3 install c:\(whl文件下載的路徑)\numpy-1.13.0+mkl-cp36-cp36m-win32.whl
>pip3 install c:\(whl文件下載的路徑)\scipy-0.19.1-cp36-cp36m-win32.whl
>pip3 install c:\(whl文件下載的路徑)\matplotlib-2.0.2-cp36-cp36m-win32.whl

如果不出意外，這就都安裝好了。

3.開始測試
測試代碼來自：http://www.cnblogs.com/jasonfreak/p/5441512.html 感謝作者

from numpy import array
from numpy.random import normal
from matplotlib import pyplot

def genData():
    heights = []
    weights = []
    grades = []
    N = 10000

    for i in range(N):
        while True:
            # 身高服從均值172，標准差為6的正態分布
            height = normal(172, 6)
            if 0 < height: break
        while True:
            # 體重由身高作為自變量的線性回歸模型產生，誤差服從標准正態分布
            weight = (height - 80) * 0.7 + normal(0, 1)
            if 0 < weight: break
        while True:
            # 分數服從均值為70，標准差為15的正態分布
            score = normal(70, 15)
            if 0 <= score and score <= 100:
                grade = 'E' if score < 60 else (
                'D' if score < 70 else ('C' if score < 80 else ('B' if score < 90 else 'A')))
                break
        heights.append(height)
        weights.append(weight)
        grades.append(grade)
    return array(heights), array(weights), array(grades)


# 繪制柱狀圖
def drawBar(grades):
    xticks = ['A', 'B', 'C', 'D', 'E']
    gradeGroup = {}
    # 對每一類成績進行頻數統計
    for grade in grades:
        gradeGroup[grade] = gradeGroup.get(grade, 0) + 1
    # 創建柱狀圖
    # 第一個參數為柱的橫坐標
    # 第二個參數為柱的高度
    # 參數align為柱的對齊方式，以第一個參數為參考標准
    pyplot.bar(range(5), [gradeGroup.get(xtick, 0) for xtick in xticks], align='center')

    # 設置柱的文字說明
    # 第一個參數為文字說明的橫坐標
    # 第二個參數為文字說明的內容
    pyplot.xticks(range(5), xticks)

    # 設置橫坐標的文字說明
    pyplot.xlabel('Grade')
    # 設置縱坐標的文字說明
    pyplot.ylabel('Frequency')
    # 設置標題
    pyplot.title('Grades Of Male Students')
    # 繪圖
    pyplot.show()


#繪制餅形圖
def drawPie(grades):
    labels = ['A', 'B', 'C', 'D', 'E']
    gradeGroup = {}
    for grade in grades:
        gradeGroup[grade] = gradeGroup.get(grade, 0) + 1
    #創建餅形圖
    #第一個參數為扇形的面積
    #labels參數為扇形的說明文字
    #autopct參數為扇形占比的顯示格式
    pyplot.pie([gradeGroup.get(label, 0) for label in labels], labels=labels, autopct='%1.1f%%')
    pyplot.title('Grades Of Male Students')
    pyplot.show()


#繪制直方圖
def drawHist(heights):
    #創建直方圖
    #第一個參數為待繪制的定量數據，不同於定性數據，這里並沒有事先進行頻數統計
    #第二個參數為划分的區間個數
    pyplot.hist(heights, 100)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Heights Of Male Students')
    pyplot.show()


#繪制累積曲線
def drawCumulativeHist(heights):
    #創建累積曲線
    #第一個參數為待繪制的定量數據
    #第二個參數為划分的區間個數
    #normed參數為是否無量綱化
    #histtype參數為'step'，繪制階梯狀的曲線
    #cumulative參數為是否累積
    pyplot.hist(heights, 20, normed=True, histtype='step', cumulative=True)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Heights Of Male Students')
    pyplot.show()


#繪制散點圖
def drawScatter(heights, weights):
    #創建散點圖
    #第一個參數為點的橫坐標
    #第二個參數為點的縱坐標
    pyplot.scatter(heights, weights)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Weights')
    pyplot.title('Heights & Weights Of Male Students')
    pyplot.show()


#繪制箱形圖
def drawBox(heights):
    #創建箱形圖
    #第一個參數為待繪制的定量數據
    #第二個參數為數據的文字說明
    pyplot.boxplot([heights], labels=['Heights'])
    pyplot.title('Heights Of Male Students')
    pyplot.show()

data = genData()
print(data)
heights = data[0]
weights = data[1]
grades = data[2]
drawBar(grades)
drawPie(grades)
drawHist(heights)
drawCumulativeHist(heights)
drawScatter(heights, weights)
drawBox(heights)

 

運行結果：

drawBar(grades)

 

drawPie(grades)

 

drawHist(heights)

 

drawCumulativeHist(heights)

 

drawScatter(heights, weights)

 

drawBox(heights)

 

成功！