数据科学实战（七）：在 Mac OS X 和 Linux 上安装 Python 数据库

1.6 在 Mac OS X 和 Linux 上安装 Python 数据库

虽然常常称Python是“自带电池的”，但其自带的包往往不能发挥这个语言在数据分析上的强大功能。在本节，我们将安装一个名为SciPy的“兵器库”，它包括NumPy、SciPy、pandas、matplotlib和Jupyter。

1.6.1 准备工作

假设你已经安装了标准的Python。在前一节如果你决定安装Anaconda版本（或者Python的其他自带所需库的版本），那么你可以忽略这部分。为了检查特定的Python包是否已恰当地安装，请打开你的Python解释器并试着载入包。如果成功，则说明包已经安装在了你的机器上。为了实现这个操作，你可需要通过sudo命令来获得机器的根访问权限。

1.6.2 操作流程

以下步骤将帮助你在Linux操作系统中安装Python数据分析库。

1．你需要知道使用的Linux版本。Linux版本常常决定了你使用的包管理系统，包括apt-get、yum以及rpm。

2．打开浏览器，输入http://www.scipy.org/install.html，这里包含适用于多数操作系统的安装方案。

3．如果有变化，则这些指南可以用如下步骤代替。

（1）打开shell。

（2）如果你使用的是Ubuntu或者Debian，则输入如下代码：

sudo apt-get install build-essential python-dev pythonsetuptools
python-numpy python-scipy python-matplotlib
ipython
ipython-notebook python-pandas python-sympy python-nose

（3）如果你使用的是

Fedora，则输入如下代码：

sudo yum install numpy scipy python-matplotlib ipython
python-pandas sympy python-nose

4．在OS X系统的Macintosh上安装Python数据分析库，有多种选择。

（1）第一个选择是每个工具都下载一个已经预编译过的安装包（.dmg），然后像安装Mac应用一样，安装它们（我们推荐这种方法）。

（2）第二个选择是，如果你的Mac上有MacPorts（一个安装软件的命令行工具系统），并且也安装了XCode，那么你只需要输入：

sudo port install py27-numpy py27-scipy py27-matplotlib
py27- ipython +notebook py27-pandas py27-sympy py27-nose

（3）第三个选择是Chris Fonnesbeck提供的一种经测试可行的安装方法，本书中所有的包都可以通过这种方式安装。请参考http://fonnesbeck.github.io/ ScipySuperpack。上述方法都会花费一些时间，因为需要安装大量的软件。

1.6.3 工作原理

历史上，安装SciPy库曾经非常有挑战，因为安装过程非常繁复，甚至还需要Fortran。因此，我们不建议你自己从源代码开始进行编译，除非你自己乐于折腾这些内容。

现在，一个自然的问题是：我们刚刚都安装了些什么？我们安装了NumPy、SciPy、matplotlib、IPython、IPython Notebook、pandas、SymPy和nose的最新版本。这些包的描述如下。

zSciPy：这是一个基于Python的开源包，用于数学、科学、工程，以及一些很有用的机器学习、科学计算和建模的库。

zNumPy：这是一个非常基础的Python包，提供了数值计算功能。因为它提供的计算方式与C很像，所以其速度非常快，尤其是当你需要处理高维数组和线性代数运算时。正是因为有了NumPy，Python才可以进行其他语言无法企及的如此高效的大规模数值计算。zmatplotlib：这是一个非常好用并且可以扩展的2D绘图库，而且其用法对于MATLAB用户来说是非常熟悉的。

zIPython：这个包提供了非常丰富并且强大的Python shell。对于标准Python REPL（Read-Eval-Print-Loop）而言，它是一个很好的替代。

zIPython Notebook：这是一个基于浏览器的Python工具，可以支持代码、格式化文件、markdown、图形、图像、声音、影像以及数学表达式的编辑和记录。zpandas：这个包提供了一个非常稳健的数据框对象，并且提供了很多扩展工具，这让传统的数据和统计分析变得更简单和快速。

znose：这是一个测试工具，它扩展了Python标准库的单元测试框架。

1.6.4 更多内容

在后续章，我们将更深入地讨论上述包。然而，如果我们不提Python IDE，肯定会被人认为是不专业的。简单来说，我们推荐在你最喜欢的文本编辑器中集成Python的IDE，比如来自GitHub的开源的Atom、sublime，或者Ruby程序员最爱的TextMate。Vim和Emacs也是非常好的选择，因为它们除了功能强大之外，还可以很容易地在远程服务器上使用（数据科学家经常使用这种工作方式）。这些编辑器都有很多插件，它们可以提供代码补全、高亮、缩进等功能。如果你一定要选择一个IDE，那么可以试试PyCharm（社区版本是免费的）。你会发现大多数Python IDE比处理数据更适合网页开发。

原文网址：   https://www.epubit.com/book/detail/22532

内容来源：异步社区；版权属【人民邮电出版社 异步社区】所有，转载已获得授权；未经授权，不得以任何方式复制和传播本书内容，如需转载请联系异步社区。