基于Linux CentOS的Python科学计算环境搭建

基于Linux CentOS的Python科学计算环境搭建

        PyDev+Eclipse集成开发环境搭

        建参考博文，Linux平台下Python的安装及IDE开发环境搭建，http://blog.csdn.net/guoxiaojie_415/article/details/48108319

Numpy、SciPy和Matplotlib的安装

        基于Python科学计算的集成开发环境，在windows上有很多的基础安装包可以使用，如Python(x,y)等。但在Linux下的Python科学计算的集成开发环境较少且收费，因此本文从零开始，基于CentOS搭建Python科学计算的集成环境。由于涉及的工具包比较多，本文主要讲述安装Numpy、SciPy和Matplotlib的详细过程，以及在该过程中遇到的问题以及解决方法。首先看一下这几个包之间的安装顺序以及Numpy、SciPy和Matplotlib的依赖包。

由图可知，该集成环境的安装可以分为，Python的安装、SciPy的安装以及Matplotlib的安装。安装SciPy前需先安装，Cython、Lapack以及Numpy。安装Matplotlib前需要先安装：Freetype、Libpng、Openssl、zlib、six、setuptool、dateutil、pyparsing。以下内容详细讲个各个步骤的安装过程。

步骤1 编译安装python

        请参考我的另一篇博文：Linux平台下Python的安装及IDE开发环境搭建，http://blog.csdn.net/guoxiaojie_415/article/details/48108319

步骤2 编译安装SciPy

安装Cython

        Cython官网以及下载链接：http://cython.org/

unzip Cython-0.23.1.zip 
cd Cython-0.23.1python 
setup.py install

安装Numpy

        Numpy安装包下载：http://sourceforge.net/projects/numpy/files/

unzip numpy-1.9.2
cd numpy-1.9.2
python setup.py install

安装Lapack

lapack下载地址：http://www.netlib.org/lapack/

blas下载地址：    http://www.netlib.org/blas/

默认情况下，labpack中包含，blas。

        注意：刚开始下载了一个3.5的版本，可能因为我使用的Fortran编译器太老的原因，结果无法通过编译，于是我下载了一个3.4的版本，通过编译。

        首先确认已安装gfortran。在lapack网站下载lapack-3.4.0压缩包，解压：tar zxvf lapack-3.4.0.tgz。在解压后的lapack-3.4.0目录下面有一个make.inc.example文件，将其改为make.inc。如果是gfortran的编译器，则基本不需要修改这个文件，make.inc主要用来设置编译器和编译器的一些选项。把makefile文件中的：

        lib: lapacklib tmglib
        #lib: blaslib variants lapacklib tmglib
        改为：
        #lib: lapacklib tmglib
        lib: blaslib variants lapacklib tmglib
        然后打开终端，切换到当前目录，输入： make 即可。

        最后将文件夹下面的liblapack.a，librefblas.a，libtmglib.a 三个库拷贝到/usr/lib。

        再编译SciPy仍然没有成功，无奈之下我最终还是选择了yum安装，但是由于安装了新版本的python后，yum也不工作了，出现如下错误，

        错误1：No module named yum

        解决方法：原来yum也是依赖于python而且还是老版本的python，因此我将/user/bin/yum中的

#!/user/bin/python修改成了

#!/user/bin/python2.4

yum install -y blas blas-devel lapack lapack-devel atlas atlas-devel  --nogpgcheck 

安装SciPy

         SciPy官网：http://www.scipy.org/

unzip scipy-master.zip
cd scipy-master
python setup.py instal

步骤3 编译安装Matplotlib

         Matplotlib安装手册（重要的参考）：http://matplotlib.org/users/installing.html

安装freetype、libpng、openssl

        yum install freetype freetype-devel
        yum install libpng libpng-devel
        yum install -y openssl openssl-devel

            上述安装完毕之后，需重新编译安装Python

安装Setuptools、Six、dateutil、pyparsing

        setuptools下载链接： https://pypi.python.org/pypi/setuptools/

        six下载链接：             https://pypi.python.org/pypi/six

        dateutil下载链接：      http://labix.org/python-dateutil

        pyparsing下载链接： https://pypi.python.org/pypi/pyparsing/1.5.7

安装Matplotlib

        Matplotlib下载链接：http://matplotlib.org/downloads.html

tar zxvf matplotlib-1.4.3.tar.gz
python setup.py install

问题2：可以画图但是不能显示，matplotlib compiled fine, but nothing shows up when I use it

        重要参考：https://forum.suse.org.cn/viewtopic.php?f=24&t=2258

        解决方法：出现问题2的主要原因，是必须为matplotlib添加图形库，才可以将绘制的图形显示出来。为了适应各种用户的需求，matplotlib提供了多种输出类型的backend，用户端只需要应用好做图代码即frontend就可以。backend有两类：一类是交互式的，如“GTKAgg, pygtk, wxpython, tkinter, Qt4, macosx等，这种backend可以直接在屏幕上显示图像；另一类是，非交互式的，如”Agg, PS, pdf, svg, png等，这种backend支持我们熟悉的图片格式，但不支持在屏幕上显示图像。查看电脑上matplotlib支持的backend模式，可以通过以下方式(在IPython中)：

 import matplotlib
 print(matplotlib.rcsetup.all_backends)<span style="white-space:pre">		</span>#打印出matplotlib支持的backend
 print( matplotlib.matplotlib_fname())		#打印matplotlib的配置路径

将matplotlib中的backend修改成你的系统支持的图形库类型即可。

backend ： Agg 

        修改为下面其中之一即可，['GTK', 'GTKAgg', 'GTKCairo', 'MacOSX', 'Qt4Agg', 'TkAgg', 'WX', 'WXAgg', 'CocoaAgg', 'GTK3Cairo', 'GTK3Agg', 'WebAgg', 'agg', 'cairo', 'emf', 'gdk', 'pdf', 'pgf', 'ps', 'svg', 'template']。

        本文使用的是Tk，因此需要安装tk以及tcl

yum install tcl tcl-devel tk tk-devel

        安装完成之后，需要重新编译安装Python和Matplotlib。

        测试Plot是否成功的代码：

import numpy as np
import scipy as sp

import matplotlib
print(matplotlib.rcsetup.all_backends)
print(matplotlib.matplotlib_fname())
import pylab as pl

x = np.linspace(0, 4*np.pi, 100)
pl.plot(x,np.sin(x))
pl.show()

测试结果：