前言
如何使用python进行科学计算和数据分析，这里我们就要用到python的科学计算库，今天来分享一下如何安装python的数据科学计算库。
数据科学计算库
python中的数据科学计算库有numpy、scipy、pandas、matplotlib（前面我分享了一篇matplotlib的简单应用，历史文章里面就有）。
numpy是一个基础性的python库，为我们提供了常用的数值数组和函数。
scipy是python的科学计算库，对numpy的功能进行了扩充，同时也有部分功能是重合的。numpy和scipy曾经共享过基础代码。
pandas是一个流行的开源python项目，它的名称取panel data（面板数据，一个计量经济学的术语）和python data analysis（python数据分析）的意思。
matplotlib是一个基于numpy的绘图库。
库的安装
安装这些库之前要先安装python，默认已全部安装，（windows直接下载安装，linux自带2.7版本，可以自行安装3.6版本）。
为了节约时间在更重要的知识上，这里只介绍最简单的安装方式，即包管理工具安装python库。
不管是windows和linux下，都可以在命令行下直接使用下面的命令来安装相关的库，前提是已经安装了pip包（pip包管理工具的相关安装可以看原文这里有链接）：
pip install numpy scipy pandas matplotlib或（easy_install是python自带的）easy_install numpy scipy pandas matplotlib#linux下安装pip包sudo apt-get install python-pip
说明：linux下如果涉及权限问题则需要开头添加sudo。安装示例如下所示：
numpy数组简单示例
我们已经安装好了numpy，然后就可以来个简单的小测试了。与传统的python列表相比，进行数值运算时，numpy数组的效率要高的多。
完成相同的运算时，numpy代码和python传统代码相比用到的显式循环语句明显要少，因为numpy是基于向量化的运算。
假设要对向量a和b进行求和，这里的向量指的是一个“一维数组”，a存放的是整数0到n-1的2次幂，如果n等于3，则a存的是0、1、4，向量b存的是整数0到n的3次幂，下面来看一下普通python代码和numpy来计算的差别：
先看代码：
#filename:vectorssum.pyimport sysfrom datetime import datetimeimport numpy as np#numpy方法def numpysum(n):a = np.arange(n, dtype = 'int64')**2#3次幂太大会溢出，注意(后面细说)b = np.arange(n, dtype = 'int64')**3c = a + breturn c#普通方法def pythonsum(n):#range() 返回的是“range object”，而不是实际的list 值,所以这里要加上lista = list(range(n))b = list(range(n))c = []for i in range(len(a)):a[i] = i ** 2b[i] = i ** 3c.append(a[i] + b[i])return csize = int(sys.argv[1])start = datetime.now()c = pythonsum(size)delta = datetime.now() - startprint (最后两个元素的和：, c[-2:])print (pythonsum花费的时间（微秒）, delta.microseconds)start = datetime.now()c = numpysum(size)delta = datetime.now() - startprint (最后两个元素的和：, c[-2:])print (numpysum花费的时间（微秒）, delta.microseconds)#下面测试一下对与1000个，2000个，3000个向量元素，运行结果如下图所示。
看一下运行结果：
上面的结果看到，numpy的计算效率比普通的方法要快不少，所以开始学习吧。
小结
今天学习一下python中的几个科学计算库的安装以及使用numpy进行简单的求和计算。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，欢迎留言和我们进行交流、讨论。
end.
文章转载来源：cda数据分析师