python:安装numpy, Scipy,Matplotlib

一 安装python

(1)下载python3.4.3

(2)安装python3.4.3

(3)配置环境变量

二安装numpy

(1)下载numpy

  (2) 解压缩, 我解压文件存放在:


(3)切换到numpy-1.9.2目录下,使用 gfortran进行编译在(可以使用):

 python setup.py build --fcompiler=gnu95
Note:具体使用什么编译器,是自己的电脑配置而定(有的是--fcompiler=gnu), 可以查看。 

(4) 然后安装(install)

python setup.py install [--prefix=/some/custom/installation/prefix]
后面的--prefix没有指定的话,默认为安装在Python的安装路径下。 否的, 你指定的话,此时你还要做另一家是就是配置你这个numpy的环境变量。以便python可以找到它。

 这里我选择的是没有指定。 

关掉terminal, 重新打开terminal, 检验是否安装正确。



三 安装scipy

下载exe文件

http://sourceforge.net/projects/scipy/



安装完成后,打开terminal,验证是否安装成功:


四 安装matplotlib

下载exe文件(我的电脑是32位的,选择32位的版本下载):

http://matplotlib.org/downloads.html

我选择的是:matplotlib-1.4.3.win32-py3.4.exe

直接点击该exe运行即可。


在Import的时候出现如下错误no module named six:


所以我们需要安装six 这个module。

其中pip位于目录C:\Python34\Scripts里面。 切换到下面:


然后在终端执行如下命令:



这样我们成功的安装了six模块。

重新调用python解释器, 导入matplotlib试试:

发现缺少模块dateutil模块。 继续安装这个模块。

网上搜了一下,如下指令:


然后继续调用python解释器,运行, 发现出现如下错误:


然后, 需要安装pyparsing指令如下(目录C:\Python34\Scripts里面有命令easy_install命令):


最终如愿安装上matplotlib了:


最后祭上matplotlib的founder, 已逝的John Hunter :


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是一个使用numpymatplotlib、pandas和scipy库进行多元线性回归的示例代码: ```python import numpy as np import matplotlib.pyplot as plt import pandas as pd from scipy import stats # 读取CSV文件 data = pd.read_csv('data.csv') # 将数据转换为numpy数组 x = data.iloc[:, :-1].values y = data.iloc[:, -1].values # 计算相关系数矩阵 r = np.corrcoef(x.T) # 计算特征值和特征向量 eig_vals, eig_vecs = np.linalg.eig(r) # 取最大的k个特征值对应的特征向量组成投影矩阵 k = 2 proj_mat = eig_vecs[:, :k] # 将数据降维到k维 x_pca = x.dot(proj_mat) # 添加一列全为1的向量作为截距 x_pca = np.hstack((np.ones((x_pca.shape[0], 1)), x_pca)) # 计算最小二乘解 beta = np.linalg.inv(x_pca.T.dot(x_pca)).dot(x_pca.T).dot(y) # 输出回归系数 print('回归系数为', beta) # 绘制回归直线 plt.scatter(x_pca[:, 1], y) x_line = np.linspace(np.min(x_pca[:, 1]), np.max(x_pca[:, 1]), 100) y_line = beta[0] + beta[1] * x_line plt.plot(x_line, y_line, color='red') plt.show() ``` 其中,data.csv文件格式如下所示: ``` x1,x2,y 1,2,5 2,3,7 3,4,9 4,5,11 5,6,13 ``` 代码首先读取CSV文件并将数据转换为numpy数组。然后,计算相关系数矩阵,并求出特征值和特征向量。接着,取最大的k个特征值对应的特征向量组成投影矩阵,将数据降维到k维,并添加一列全为1的向量作为截距。最后,计算最小二乘解,得到回归系数,并绘制回归直线。 上述代码仅仅是一个示例,您可以根据自己的需要进行修改和扩展。同时,需要注意的是,多元线性回归需要满足一些前提条件,如线性关系、正态分布、同方差性等,您需要在进行回归分析之前进行检验。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值