Linux下Python科学计算包numpy和SciPy的安装

 

系统环境:

OS:RedHat5

Python版本:Python2.7.3

gcc版本:4.1.2

 

各个安装包版本:

scipy-0.11.0

numpy-1.6.2

nose-1.2.1

lapack-3.4.2

atlas-3.10.0

 

依赖关系:scipy的安装需要依赖于numpy、lapack、atlas(后两者都是线性代数工具包),而numpy和sci的测试程序的运行又依赖于nose,因此,整个安装过程必须要按顺序执行的,否则是无法执行下去的。

 

安装步骤:

1、安装nose

这个安装比较简单,解压缩nose的安装文件,进入nose的目录,直接运行setup.py即可:

tar -zxvf nose-1.2.1.tar.gz

cd nose-1.2.1

python setup.py install

 

2、安装lapack

由于最新版本的ATLAS可以直接集成lapack的安装压缩文件进行编译,因此,如果仅在python下使用的话,可以不用安装lapack。只需要下载压缩文件:lapack-3.4.2.tgz 即可。

 

3、安装ATLAS

这个的安装主要是配置一些选项,包括配置成64位库文件、位置无关的以及共享的链接库。详细的配置说明在atlas安装包 doc/ 下的pdf文件中。可查阅。

下面是我的安装过程:

tar -jxvf atlas3.10.0.tar.bz2

cd ATLAS

mkdir obj64

../configure -b 64 -Fa alg -fPIC -shared --prefix=/配置atlas的安装路径/atlas --with-netlib-lapack-tarfile=/lapack安装压缩文件存放的目录/lapack-3.4.2.tgz

(注:这个配置时间非常长,在Core i7 处理上,大概1个小时左右)

make

(下面是一些检查过程,保证没有问题之后再进行安装)

make check

make time

make install

至此,atlas安装完成。不过我们要记录下编译过程中所用的fortran编译器类型,这个信息在下面安装numpy和scipy的时候要用。还是在目录 obj64/ 下,执行

fgrep "F77 =" Make.inc
可以看到  F77 = gfortran
记下这个编译器类型 gfortran.

 

4、安装numpy

numpy和scipy的安装过程都要显式的指明所用fortran编译器的类型,而且要与前面编译atlas时一致(在本文中即:gfortran),这一点非常重要,否则很多功能都会出错。

首先配置numpy目录下的site.cfg文件,指明atlas库的位置:

tar -zxvf numpy-1.6.2.tar.gz

cd numpy-1.6.2

cp site.cfg.example site.cfg

vim site.cfg

配置成如下格式:

[DEFAULT]
library_dirs = /usr/local/lib:/atlas的安装目录/atlas/lib
include_dirs = /usr/local/include:/atlas的安装目录/include

[blas_opt]
libraries = f77blas, cblas, atlas

[lapack_opt]
libraries = lapack, f77blas, cblas, atlas

[amd]
amd_libs = amd
[umfpack]
umfpack_libs = umfpack

 

接下来配置安装numpy所需要的Fortran编译器类型:

如果前面得到的Fortran编译器是gfortran的话,执行:

 python setup.py build --fcompiler=gnu95

如果前面得到的Fortran编译器是g77的话,执行:

 python setup.py build --fcompiler=gnu

 

然后执行

python setup.py install

安装完成

 

5、安装scipy

与安装numpy类似:

tar -zxvf scipy-0.11.0.tar.gz

cd scipy-0.11.0

vim site.cfg

配置成如下格式:

[DEFAULT]
library_dirs = /usr/local/lib:/atlas的安装目录/atlas/lib
include_dirs = /usr/local/include:/atlas的安装目录/include

[blas_opt]
libraries = f77blas, cblas, atlas

[lapack_opt]
libraries = lapack, f77blas, cblas, atlas

[amd]
amd_libs = amd
[umfpack]
umfpack_libs = umfpack

 

接下来配置安装numpy所需要的Fortran编译器类型:

如果前面得到的Fortran编译器是gfortran的话,执行:

 python setup.py build --fcompiler=gnu95

如果前面得到的Fortran编译器是g77的话,执行:

 python setup.py build --fcompiler=gnu

 

然后执行

python setup.py install

安装完成

 

然后可以在python下执行相应的测试程序:

python

>>> import nose

>>> import numpy

>>> import scipy

>>> numpy.test('full')

>>> scipy.test('full')

 

REF:

http://blog.sina.com.cn/s/blog_62dfdc740101aoo6.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CONTENTS 1 SciPyTutorial 3 1.1 Introduction ............................................... 3 1.2 BasicfunctionsinNumpy(andtop-levelscipy)............................. 6 1.3 Specialfunctions(scipy.special)................................. 10 1.4 Integration(scipy.integrate)................................... 10 1.5 Optimization(optimize)......................................... 14 1.6 Interpolation(scipy.interpolate)................................ 28 1.7 FourierTransforms(scipy.fftpack)................................ 40 1.8 SignalProcessing(signal)........................................ 42 1.9 LinearAlgebra.............................................. 48 1.10Statistics................................................. 59 1.11Multi-dimensionalimageprocessing(ndimage)............................ 67 1.12FileIO(scipy.io)........................................... 89 1.13Weave .................................................. 95 2 ReleaseNotes 131 2.1 SciPy0.9.0ReleaseNotes........................................131 2.2 SciPy0.8.0ReleaseNotes........................................133 2.3 SciPy0.7.2ReleaseNotes........................................137 2.4 SciPy0.7.1ReleaseNotes........................................137 2.5 SciPy0.7.0ReleaseNotes........................................139 2.6 SciPy0.9.0ReleaseNotes........................................144 3 Reference 147 3.1 Clusteringpackage(scipy.cluster)................................147 3.2 Constants(scipy.constants)....................................170 3.3 Fouriertransforms(scipy.fftpack) ................................185 3.4 IntegrationandODEs(scipy.integrate).............................196 3.5 Interpolation(scipy.interpolate)................................211 3.6 Inputandoutput(scipy.io)......................................238 3.7 Linearalgebra(scipy.linalg) ...................................244 3.8 Maximumentropymodels(scipy.maxentropy)..........................278 3.9 Miscellaneousroutines(scipy.misc) ................................290 3.10Multi-dimensionalimageprocessing(scipy.ndimage).......................297 3.11Orthogonaldistanceregression(scipy.odr).............................350 3.12Optimizationandrootfinding(scipy.optimize)..........................357 3.13Signalprocessing(scipy.signal)..................................399 3.14Sparsematrices(scipy.sparse)...................................438 3.15Sparselinearalgebra(scipy.sparse.linalg) ..........................460 i 3.16Spatialalgorithmsanddatastructures(scipy.spatial)......................483 3.17Distancecomputations(scipy.spatial.distance).......................502 3.18Specialfunctions(scipy.special).................................519 3.19Statisticalfunctions(scipy.stats) .................................544 3.20C/C++integration(scipy.weave)..................................740 Bibliography 745 PythonModuleIndex 753 Index 755

“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