你可能遇到的问题包括:
ImportError: No module named sklearn 未安装sklearn包
ImportError: DLL load failed: 找不到指定的模块
ImportError: DLL load failed: The specified module could not be found
Microsoft Visual C++ 9.0 is required Unable to find vcvarsall.bat
Numpy Install RuntimeError: Broken toolchain: cannot link a simple C program
ImportError: numpy.core.multiarray failed to import
ImportError: cannot import name __check_build
ImportError: No module named matplotlib.pyplot
一. 安装过程
最早使用"pip install scikit-learn"命令安装的Scikit-Learn程序,并没有注意需要安装Numpy、Scipy、Matlotlib,然后在报错"No module named Numpy"后,我接着使用PIP或者下载exe程序安装相应的包,同时也不理解安装顺序和版本的重要性。其中最终都会报错" ImportError: DLL load failed: 找不到指定的模块",此时我的解决方法是:
错误:sklearn ImportError: DLL load failed: 找不到指定的模块
重点:安装python第三方库时总会出现各种兼容问题,应该是版本问题,版本需要一致。
第一步:卸载原始版本,包括Numpy、Scipy、Matlotlib、Scikit-Learn
pip uninstall scikit-learn
pip uninstall numpy
pip uninstall scipy
pip uninstall matplotlib
第二步:不使用"pip install package"或"easy_install package"安装,或者去百度\CSDN下载exe文件,而是去到官网下载相应版本。
http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
http://www.lfd.uci.edu/~gohlke/pythonlibs/#matplotlib
http://www.lfd.uci.edu/~gohlke/pythonlibs/#scikit-learn
安装过程中最重要的地方就是版本需要兼容。
PS:不推荐使用"pip install numpy"安装或下载如"numpy-MKL-1.8.0.win-amd64-py2.7.exe"类似文件。
第三步:去到Python安装Scripts目录下,再使用pip install xxx.whl安装,先装Numpy\Scipy\Matlotlib包,再安装Scikit-Learn。
其中我的python安装路径"G:\software\Program software\Python\python insert\Scripts",同时四个whl文件安装核心代码:
pip install G:\numpy+scipy+matplotlib\numpy-1.10.2-cp27-none-win_amd64.whl
pip install G:\numpy+scipy+matplotlib\scikit_learn-0.17-cp27-none-win_amd64.whl
第四步:此时配置完成,关键是Python64位版本兼容问题和Scripts目录。
二. 测试运行环境
Scikit-Learn是基于python的机器学习模块,基于BSD开源许可。Scikit-learn的基本功能主要被分为六个部分,分类,回归,聚类,数据降维,模型选择,数据预处理,具体可以参考官方网站上的文档。
NumPy(Numeric Python)系统是Python的一种开源的数值计算扩展,一个用python实现的科学计算包。它提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。
内容包括:1、一个强大的N维数组对象Array;2、比较成熟的(广播)函数库;3、用于整合C/C++和Fortran代码的工具包;4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
SciPy (pronounced "Sigh Pie") 是一个开源的数学、科学和工程计算包。它是一款方便、易于使用、专为科学和工程设计的Python工具包,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。
Matplotlib是一个Python的图形框架,类似于MATLAB和R语言。它是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中。
第一个代码:斜线坐标,测试matplotlib
1
2
3
4
5
6
7
8
|
import
matplotlib
import
numpy
import
scipy
import
matplotlib.pyplot as plt
plt.plot([
1
,
2
,
3
])
plt.ylabel(
'some numbers'
)
plt.show()
|
运行结果:
第二个代码:桃心程序,测试numpy和matplotlib
代码参考:Windows 下 Python easy_install 的安装 - KingsLanding
1
2
3
4
5
6
7
8
9
10
11
12
|
import
numpy as np
import
matplotlib.pyplot as plt
X = np.arange(-
5.0
,
5.0
,
0.1
)
Y = np.arange(-
5.0
,
5.0
,
0.1
)
x, y = np.meshgrid(X, Y)
f =
17
* x **
2
-
16
* np.abs(x) * y +
17
* y **
2
-
225
fig = plt.figure()
cs = plt.contour(x, y, f,
0
, colors =
'r'
)
plt.show()
|
运行结果:
第三个程序:显示Matplotlib强大绘图交互功能
代码参考:Python-Matplotlib安装及简单使用 - bery
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
import
numpy as np
import
matplotlib.pyplot as plt
N =
5
menMeans = (
20
,
35
,
30
,
35
,
27
)
menStd = (
2
,
3
,
4
,
1
,
2
)
ind = np.arange(N) # the x locations
for
the groups
width =
0.35
# the width of the bars
fig, ax = plt.subplots()
rects1 = ax.bar(ind, menMeans, width, color=
'r'
, yerr=menStd)
womenMeans = (
25
,
32
,
34
,
20
,
25
)
womenStd = (
3
,
5
,
2
,
3
,
3
)
rects2 = ax.bar(ind+width, womenMeans, width, color=
'y'
, yerr=womenStd)
# add some
ax.set_ylabel(
'Scores'
)
ax.set_title(
'Scores by group and gender'
)
ax.set_xticks(ind+width)
ax.set_xticklabels( (
'G1'
,
'G2'
,
'G3'
,
'G4'
,
'G5'
) )
ax.legend( (rects1[
0
], rects2[
0
]), (
'Men'
,
'Women'
) )
def autolabel(rects):
# attach some text labels
for
rect in rects:
height = rect.get_height()
ax.text(rect.get_x()+rect.get_width()/
2
.,
1.05
*height,
'%d'
%
int
(height),
ha=
'center'
, va=
'bottom'
)
autolabel(rects1)
autolabel(rects2)
plt.show()
|
运行结果:
第四个代码:矩阵数据集,测试sklearn
1
2
3
4
|
from sklearn
import
datasets
iris = datasets.load_iris()
digits = datasets.load_digits()
print digits.data
|
运行结果:
第五个代码:计算TF-IDF词语权重,测试scikit-learn数据分析
参考代码:http://blog.csdn.net/liuxuejiang158blog/article/details/31360765
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
# coding:utf-
8
__author__ =
"liuxuejiang"
import
jieba
import
jieba.posseg as pseg
import
os
import
sys
from sklearn
import
feature_extraction
from sklearn.feature_extraction.text
import
TfidfTransformer
from sklearn.feature_extraction.text
import
CountVectorizer
if
__name__ ==
"__main__"
:
corpus=[
"我 来到 北京 清华大学"
, #第一类文本切词后的结果 词之间以空格隔开
"他 来到 了 网易 杭研 大厦"
, #第二类文本的切词结果
"小明 硕士 毕业 与 中国 科学院"
, #第三类文本的切词结果
"我 爱 北京 天安门"
] #第四类文本的切词结果
#该类会将文本中的词语转换为词频矩阵,矩阵元素a[i][j] 表示j词在i类文本下的词频
vectorizer=CountVectorizer()
#该类会统计每个词语的tf-idf权值
transformer=TfidfTransformer()
#第一个fit_transform是计算tf-idf,第二个fit_transform是将文本转为词频矩阵
tfidf=transformer.fit_transform(vectorizer.fit_transform(corpus))
#获取词袋模型中的所有词语
word=vectorizer.get_feature_names()
#将tf-idf矩阵抽取出来,元素a[i][j]表示j词在i类文本中的tf-idf权重
weight=tfidf.toarray()
#打印每类文本的tf-idf词语权重,第一个
for
遍历所有文本,第二个
for
便利某一类文本下的词语权重
for
i in range(len(weight)):
print u
"-------这里输出第"
,i,u
"类文本的词语tf-idf权重------"
for
j in range(len(word)):
print word[j],weight[i][j]
|
运行结果:
三. 其他错误解决方法
这里虽然讲解几个安装时遇到的其他错误及解决方法,但作者更推荐上面的安装步骤。
在这之前,我反复的安装、卸载、升级包,其中遇到了各种错误,改了又改,百度了又谷歌。常见PIP用法如下:
1
2
3
4
5
6
7
8
|
* pip install numpy --安装包numpy
* pip uninstall numpy --卸载包numpy
* pip show --files PackageName --查看已安装包
* pip list outdated --查看待更新包信息
* pip install --upgrade numpy --升级包
* pip install -U PackageName --升级包
* pip search PackageName --搜索包
* pip help --显示帮助信息
|
ImportError: numpy.core.multiarray failed to import
python安装numpy时出现的错误,这个通过stackoverflow和百度也是需要python版本与numpy版本一致,解决的方法包括"pip install -U numpy"升级或下载指定版本"pip install numpy==1.8"。但这显然还涉及到更多的包,没有前面的卸载下载安装统一版本的whl靠谱。
Microsoft Visual C++ 9.0 is required(unable to find vcvarsall.bat)
因为Numpy内部矩阵运算是用C语言实现的,所以需要安装编译工具,这和电脑安装的VC++或VS2012有关,解决方法:如果已安装Visual Studio则添加环境变量VS90COMNTOOLS即可,不同的VS版本对应不同的环境变量值:
Visual Studio 2010 (VS10)设置 VS90COMNTOOLS=%VS100COMNTOOLS%
Visual Studio 2012 (VS11)设置 VS90COMNTOOLS=%VS110COMNTOOLS%
Visual Studio 2013 (VS12)设置 VS90COMNTOOLS=%VS120COMNTOOLS%
但是这并没有解决,另一种方法是下载Micorsoft Visual C++ Compiler for Python 2.7的包。
PS:这些问题基本解决方法使用pip升级、版本一致、重新下载相关版本exe文件再安装。