会会员95折
2424小时内答疑
课时永久观看
加入购物车
微职位学习
使用NumPy进行科学计算和大数据分析。
数学、物理、化学、经济、计算机相关领域人员。
python技术交流群： 。老师为您解答问题，学习资料丰富多样。
暂时还没有学习资料~
好于0%的课程
课程与描述相符 5 非常满意
老师的讲解表达 5 非常满意
老师的答疑服务 5 非常满意
你可能还感兴趣的课程
8年编程开发经验,2年IT行业教学经验,,曾在清华大学信息技术中心及Freescale公司工作,SkyEye项目组成员之一
官方交流群
51CTO学院大数据交流2群 ()
3020人学习过
7日学霸榜 有3020人与你一起学习
加入购物车
综合评价在4颗星及以上最高可获得35分奖励
课程与描述相符
老师的讲解表达
老师的答疑服务
可以开发票么？
可以的，购买课程或者充值余额后都是可以开具发票的，具体详情点击：
购买的课程可以下载么？
目前PC端暂不支持下载课程视频，请手机或者平板电脑下载“51CTO学院”APP后再下载视频哦！
优惠券如何使用？
非折扣课程（不包含1元课程/套餐）可使用，一个订单（可包含多个课程）只可使用一张；优惠券一经使用，不再返还；若被冻结请在PC端删除订单即可返还。
更多问题查询点击
欢迎您提供宝贵意见，对于您的意见我们都会认真、慎重的讨论，每一个意见都是我们更好为您服务的鞭策和激励，感谢您帮助学院成长，2016/11: 这篇文章已经过期了。最近R的进步很大。特别是shiny的存在。想必大家都有工作了半天，然后画了一张图给老板、导师。老板导师看了图以后又有了新想法，让你改改。有了shiny就可以在浏览器里做有互动的视觉化了（interactive data visualization)。&br&2015/06: 最近用julia&br&2015/03: 把我以前用python的一个项目用R 和Rcpp重写了。说实话Rcpp非常好用，完全省去了写wrapper这一步，效率大挺升。一些sugar function也用起来得心应手。但是R总体体验还是让我有很多顾虑，总感觉这是一个工具，而并不是一门语言。比如R没有lint这种神器，使得我debug时间花费很多。最致命的就是内存管理太差。这次我处理的数据有点大，binary file就有5.3G，就算学校server有64G内存，R还是没法把它一股脑装进内存（跟我用的io package也有关系）。最后我还是割成小份一点点算的。其主要原因就是R一般把int都当double，而且喜欢copy而不是reference。最后说一个小发现，用makeForkCluster的时候，如果你更新了一个function，最好重新makeForkCluster一下，确保所以cluster上的function都是最新的。否则出来的结果可能会诡异哦，而且debug半天才发现是function没有更新。&br&&br&2015/02: 最近在重新考量R,学会了用Rcpp. Rcpp还是挺好写的.相比python 的ctypes 不用写wrapper了.性能也杠杠的. data.table的fread读数据也非常快. 看来下面这篇文章有点过时了.&br&&br&2014/07: 错别字比较多，请谅解~&br&&br&总的概括：R主要在学术界流行，python(numpy scipy)在工程方便比较实用。&br&R是S（Splus）的开源版本，或者下一代。发源地在新西兰奥克兰。这个软件的统计背景很浓烈。我这里浓烈的意思是，如果你不熟习统计知识（历史）的话，R的帮助文档看起来是很累的。由统计背景的人开发。R的维护组叫CRAN-R。在生物信息方便，有个叫bioconductor的组织，里面有很多生物信息方面可以用的软件包，他们有一套自己维护package系统。&br&&br&Python是个综合语言（这里特指指CPython解释器），numpy scipy是数值计算的扩展包，pandas是主要用来做数据处理（numpy依赖），sympy做符号计算（类似mathematica？）此外还有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已经到了可用的水平了。是读计算机的人写的统计包。ipython 更新到1.0以后，功能基本完善，其notebook非常强大（感觉就像mathematica)而且还是基于web，在合作分享方面非常好用。&br&&br&&b&性能：&/b&&br&大家都说R慢，特别是CS的人。其实这里主要是两点：一个R里面数组的调用都是用复制的，二是Rscript慢。三是处理大数据慢。如果R用的好的话，R是不太慢的。具体来说就是Rscript用的少，多用命令，跑点小数据。这样的话，实际在跑的都是背后的fortran和C库。他们都有快二三十年历史了。可谓异常可靠，优化得不能再优化了（指单线程，如果去看源代码挥发先许多莫名的常数，永用了以后精度高速度快！）。比如一个自己编写一个R脚本，loop套loop的那种，那真是想死的心都会有。外加一点，R处理文本文件很慢！&br&&br&Python归根揭底还是个有解释器的脚本语言，而且有致命伤——GIL，但python最难能可贵的就是它很容易变得更快。比如pypy，cython，或者直接ctypes挂C库。纯python写个原型，然后就开是不断的profiling和加速吧。很轻易可以达到和C一个数量级的速度，但是写程序、调试的时间少了很多。&br&&br&&b&并行计算：&/b&&br&R v15 之后有了自带的parallel包，用挺轻松的。不过其实就是不停的fork，或者mpi，内存消耗挺厉害的。parSapply，parApply什么的，真是很好用。&br&&br&Python虽然有GIL——并行计算的死敌，但是有multiprocessing(fork依赖) ，是可以共享数据的什么的，估计内存消耗方面比R好点，数据零散的话overhead很多。到了MPI的话，mpi4py还是挺好用的。用cython的话结合openmp可以打破GIL，但是过程中不能调用python的对象。&br&&br&&b&学习曲线：&/b&假设什么编程都不会的同学。&br& R一开始还是很容易上手的，查到基本的命令，包，直接print一下就有结果了。但是如果要自己写算法、优化性能的时候，学习难度陡增。&br&&br&Python么，挺好学的，绝大多数的帮助文档都比R好了许多。有些包用起来没R方便。总的来说深入吼R陡。&br&&br&扩展资源：&br&基本上新的统计方法都会有R的package，安装实用都不麻烦。但是基本上都是搞统计的人写的计算机包。所以效能上可能有问好。比较出名的有两个包的管理网站，cran-r 和bioconductor。 所以搞生化的估计R用起来很方便。&br&&br&python的统计计算包们比R少，多很年轻，还在不断的开发中。优于是计算机人写的统计包，用起来的时候要多涨个心眼。&br&&br&&b&画图：&/b&&br&R自带的那些工具就挺好用了，然后还有ggplot这种非常优美的得力工具。&br&&br&python 有matplotlib，画出来效果感觉比R自带的好一些些，而且界面基于QT，跨平台支持。可能是R用得多了，pyplot用起来还是不太顺手，觉得其各个组建的统一性不高。&br&&br&&b&IDE：&/b&&br&Rstudio非常不错，提供类matlab环境。（用过vim-r-plugin，用过emacs + ess现在用vim。）&br&&br&windows 下有python(x,y) 还有许多商业的工具。（本人现在的emacs环境还不是很顺手~）&br&&br&&b&建议：&/b&&br&如果只是处理（小）数据的，用R。结果更可靠，速度可以接受，上手方便，多有现成的命令、程序可以用。&br&&br&要自己搞个算法、处理大数据、计算量大的，用python。开发效率高，一切尽在掌握。&br&&br&ps：盲目地用R的包比盲目的地用python的包要更安全。起码R会把你指向一篇论文，而python只是指向一堆代码。R出问题了还有论文作者、审稿人陪葬。&br&&br&&b&题外话，个人经验：&/b&&br&&ul&&li&我首先用python实现了一个统计方法，其中用到了ctypes，multiprocess。&/li&&li&之后一个项目要做方法比较，又用回R，发现一些bioconductor上的包已经默认用parallel了。（但那个包还是很慢，一下子把我所以线程都用掉了，导致整个电脑使用不能，看网页非常卡~）&/li&&li&后来用python pandas做了一些数据整理工作，类似数据库，两三个表来回查、匹配。感觉还是很方便的。虽然这些工作R也能做，但估计会慢点，毕竟几十万行的条目了。&/li&&li&整理好之后开始尝试用python matplotlib画图。pyplot作图的方式和R差异很大，R是一条命令画点东西，pylot是准备好了以后一起出来。pyplot的颜色选择有点蛋疼，默认颜色比较少，之后可用html的颜色，但是名字太长了~。pyplot 的legend比R 好用多了，算是半自动化了。pyplot画出来后可以自由拉升缩放，然后再保存为图片，这点比R好用多了。&/li&&/ul&
2016/11: 这篇文章已经过期了。最近R的进步很大。特别是shiny的存在。想必大家都有工作了半天，然后画了一张图给老板、导师。老板导师看了图以后又有了新想法，让你改改。有了shiny就可以在浏览器里做有互动的视觉化了（interactive data visualization)。 …
我估计你用的是Windows,虽然很多人推荐你用Enthought和Anaconda但是那个会剥夺你很多学习体验。如果你知道怎么用CMD/Powershell的话，先把Python的文件夹下面的l/ib文件夹放到你的系统变量里面去，另外就是选择安装Python 2.7.9这样pip是自带的。(如果这个你不会你还是用Pre-installed IDE吧)你在cmd里面用pip安装64位系统的numpy是会出现问题的，这个很多人都遇到过，而且之后估计你还要安装Scipy,这需要用到C和Fortran的编译器你估计也没有……&br&&br&所以我建议你安装wheel文件，我给你一个地址&a href=&///?target=http%3A//www.lfd.uci.edu/%7Egohlke/pythonlibs/%23numpy& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&lfd.uci.edu/~gohlke/pyt&/span&&span class=&invisible&&honlibs/#numpy&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&看清楚根据你的python版本和你电脑的bit数来选择wheel文件。为了能够安装wheel文件，你需要首先安装wheel这个包。进到cmd里面输入&br&&div class=&highlight&&&pre&&code class=&language-text&&pip install wheel
&/code&&/pre&&/div&安装成功以后下载相应的numpy的wheel文件，在cmd里面移动到本地文件存放的地方。然后输入&br&&div class=&highlight&&&pre&&code class=&language-text&&pip install numpy-1.9.2+mkl-cp27-none-win_amd64.whl
&/code&&/pre&&/div&上面这个语句最后一部分是文件名，根据你问题的描述你应该就是下载这个文件，然后回车就可以自动安装了。你安装numpy+mkl的好处是会减少你安装scipy的阻力，安装scipy一直就不是一件惬意的事情。&br&&br&当然了，如果你根本不想要这么麻烦，还是安装个Enthought, Anaconda或者PythonXY吧。
我估计你用的是Windows,虽然很多人推荐你用Enthought和Anaconda但是那个会剥夺你很多学习体验。如果你知道怎么用CMD/Powershell的话，先把Python的文件夹下面的l/ib文件夹放到你的系统变量里面去，另外就是选择安装Python 2.7.9这样pip是自带的。(如果这个…
花了好几个小时，终于解决这个问题了。现在贴出一篇刚写的博客，希望对其他人有帮助。&br&&br&&a class=& wrap external& href=&///?target=http%3A///zhusleep/p/4733369.html& target=&_blank& rel=&nofollow noreferrer&&windows下如何快速优雅的使用python的科学计算库？&i class=&icon-external&&&/i&&/a&&br&&p&Python是一种强大的编程语言，其提供了很多用于科学计算的模块，常见的包括numpy、scipy、pandas和matplotlib。要利用Python进行科学计算，就需要一一安装所需的模块，而这些模块可能又依赖于其它的软件包或库，因而安装和使用起来相对麻烦。幸好有人专门在做这一类事情，将科学计算所需要的模块都编译好，然后打包以发行版的形式供用户使用，Anaconda就是其中一个常用的科学计算发行版。&/p&&p&我们从网站(&a href=&///?target=http%3A//www.continuum.io/downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&链接1&i class=&icon-external&&&/i&&/a&)下载的默认的Anaconda版本已经内置了很多库（&a href=&///?target=http%3A//docs.continuum.io/anaconda/pkg-docs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&链接2&i class=&icon-external&&&/i&&/a&），包括numpy等。&/p&&p&尽管Anaconda已经自带了大量科学计算中的常用模块，可以直接使用。有时需要安装一些其他python模块。比如：&/p&&br&conda&p&anaconda自带了conda命令用于安装与更新模块，比如:&/p&&br&&div class=&highlight&&&pre&&code class=&language-text&&1 conda install scipy
2 conda update scipy
&/code&&/pre&&/div&&p&安装完我们需要的库之后，如果我们采用随Anaconda一起安装的spyder作为开发环境，那么本文就结束了o_o&/p&&p&事实上是，我一直在用pycharm作为python开发的IDE。写本文之前的5个小时内我一直在尝试各种不同方法让我电脑里的pycharm可以成功安装好numpy库，浏览完各大中外网站介绍的方法后让我意识到这是一个很烦的问题。采用包括但不限于pip命令、安装相应的各种版本whl文件都因为各种各样的原因失效。极其失望的我尝试了安装了Anaconda，在这个界面（&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&链接3&i class=&icon-external&&&/i&&/a&）我发现了&/p&“How to set up an IDE to use Anaconda”&p&它里面介绍了几种软件使用Anaconda的方法，包括Pycharm。&/p&&ul&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23spyder& target=&_blank& rel=&nofollow noreferrer&&Spyder&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23python-tools-for-visual-studio-ptvs& target=&_blank& rel=&nofollow noreferrer&&Python Tools for Visual Studio (PTVS)&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23pycharm& target=&_blank& rel=&nofollow noreferrer&&PyCharm&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23eclipse-pydev& target=&_blank& rel=&nofollow noreferrer&&Eclipse & PyDev&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23wing-ide& target=&_blank& rel=&nofollow noreferrer&&Wing IDE&i class=&icon-external&&&/i&&/a&&/li&&li&&a class=& wrap external& href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23ninja-ide& target=&_blank& rel=&nofollow noreferrer&&Ninja IDE&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&因此，配置完pycharm调用Anaconda后，我们在可以快乐的在pycharm里面调用各种科学计算库啦。&/p&&p&总结具体步骤如下：&/p&&p&1.安装Anaconda&/p&&p&2.安装Pycharm&/p&&p&3.在Pycharm的Files&&settings&&Project Interpreter&&Add local
里面添加Anaconda&python.exe. 应用之后就可以调用各种Anaconda的库啦。&/p&&p&有点曲线救国的味道。&/p&
花了好几个小时，终于解决这个问题了。现在贴出一篇刚写的博客，希望对其他人有帮助。
Python是一种强大的编程语言，其提供了很多用于科学计算的模块，常见的包括numpy、scipy、pandas和matplotlib。要利…
Numpy是以矩阵为基础的数学计算模块，纯数学。&br&&br&Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。&br&&br&Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算。
Numpy是以矩阵为基础的数学计算模块，纯数学。 Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。 Pandas提供了一套名为DataFrame的数据结构，比较契…
建议题主安装 Anaconda: &a href=&///?target=https%3A//store.continuum.io/cshop/anaconda/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Anaconda Scientific Python Distribution&i class=&icon-external&&&/i&&/a&&br&&br&很多科学计算的library已经集成好了(不仅包含numpy,还有sklearn, pandas等等)。python2.7 python3.4都有。
建议题主安装 Anaconda:
很多科学计算的library已经集成好了(不仅包含numpy,还有sklearn, pandas等等)。python2.7 python3.4都有。
PyCharm’s Preferences -& Project Interpreter
自动检测到的python 下面，就有许多可选择安装的package，pip出错的话，不如直接用PyCharm上可选的安装包（最笨最简单的方法）&br&&br&&img src=&/b668c8b44dd3e291ee0b00ca8fb23a32_b.png& data-rawwidth=&2092& data-rawheight=&1354& class=&origin_image zh-lightbox-thumb& width=&2092& data-original=&/b668c8b44dd3e291ee0b00ca8fb23a32_r.png&&&br&&img src=&/cb5e6fa5fcb83_b.png& data-rawwidth=&2880& data-rawheight=&1824& class=&origin_image zh-lightbox-thumb& width=&2880& data-original=&/cb5e6fa5fcb83_r.png&&&br&&br&----------------------------------------------------------------------------------------------------------------------------&br&我来一版mac版的，&a href=&///?target=http%3A//blog.csdn.net/muzilanlan/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PyCharm 安装 NumPy，SciPy 等科学计算包 （Anaconda）for mac OS X&i class=&icon-external&&&/i&&/a&&br&&br&又根据 &a data-hash=&7471cba6b07f3897beaace4d01332acd& href=&///people/7471cba6b07f3897beaace4d01332acd& class=&member_mention& data-editable=&true& data-title=&@zhusleep& data-hovercard=&p$b$7471cba6b07f3897beaace4d01332acd&&@zhusleep&/a&
的回答修改了些。&br&&br&&br&适用性&p&如题啊，前一段时间学了些机器学习的东西，就想好好学下python，在&a href=&///?target=http%3A///html/2014/pythonjichu_.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10 款最好的 Python IDE&i class=&icon-external&&&/i&&/a&中选来选去python IDE 还是选成了&a href=&///?target=http%3A///pycharm/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PyCharm&i class=&icon-external&&&/i&&/a& （ JetBrains 开发的 Python IDE）。&/p&&p&所以，本文适用者：&/p&&ol&&li&喜欢或习惯使用PyCharm IDE, 或某一IDE&/li&&li&需要用python做科学计算/ 数据挖掘/ 机器学习/ 深度学习 （也就是说需要安装NumPy，SciPy 等科学计算包）的同学&/li&&li&Mac OSX 系统&/li&&li&懒！！！Python安装Numpy、Scipy、Matlotlib、Scikit-learn等库的安装过程真是一把泪啊（用pip或其他方法），各种不兼容问题和报错，各模块可能又依赖于其它的软件包或库。自己安装起来那叫个麻烦！&/li&&/ol&&ul&&li&&p&如果只满足条件2和条件4，又是windows系统的的同学，强烈直接推荐 &strong&Python(x,y)&/strong& ：（暂时只有windows系统版本的 ，Spyder有Mac版的） &br&这个里面含Spyder，各种科学计算包以及工具，如果是初学者，一个在手，万事无忧了，就没有我这种IDE选择恐惧，及之后选安装包方法，选XXX等等的选择恐惧了。&/p&&p&&a href=&///?target=https%3A//eventing.coursera.org/api/redirectStrict/i1adkUkbh0F1jcl4po8UuNMFM6p24mL4PAH5RLS-Z214UU657d2SvOFlvs-5Qf63X4v6TjylaIHcRHGvh9TdYQ.aN4sv6MlgSc2hBfMs85qxA.b027KmB8R550yQSSmDf2WODSpI7uMl0NACC14LsGLc47Oq5l7aZuFKRN_ka1z0frBwaJ7_HOTKbu4SCP4wTO_xKuzDSOvwh3ilB44yZ4Otgo_NPxiwJ6fvexXVCE-70ilmeWNEZ3K6iH-Yat-tq5qSTLkudbf4O8SFtrrGuIz-2mvg4XjGvn5q__cqRQJ_kyhYgCBUXUp0shn_h_clb0zfBK9xcMmhoWEPA8dyZihnazN3I1kWa2R3kOT98tkKAhCxVCA1SbOENAD8KuZKUN9W_f1zOYYSvYtoNjSRQAGik& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python(x,y)的官方下载地址&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///get/Programming/Other-Programming-Files/Python-x-y.shtml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python(x,y)的其他下载地址&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&如果符合条件1，同我一样难以割舍 PyCharm的话，但是windows系统的话，其实跟我下面的过程差不多，只是到时候选择windows版的就好了&/p&&/li&&li&&p&关键我是符合条件4，少走些弯路，少浪费些时间在配环境上，多些时间码代码吧O(∩_∩)O~&/p&&/li&&li&&p&不符合条件4的，想经历这样的分娩过程的童鞋，参看一些别人的经验(参考文章)： &br&&a href=&///?target=http%3A///kf/271.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&[python] 安装numpy+scipy+matlotlib+scikit-learn及问题解决&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///a/0046& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mac下用numpy，scipy，matplotlib，ipython进行数据分析：初始化环境&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///zhusleep/p/4733369.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&windows下如何快速优雅的使用python的科学计算库？&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&安装 Anaconda&p&正因为条件4的原因，就有人将科学计算所需要的模块都编译好，然后打包以发行版的形式供用户使用，Anaconda就是其中一个常用的科学计算发行版。&/p&&ol&&li&&p&&a href=&///?target=https%3A//www.continuum.io/downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Anaconda官网下载&i class=&icon-external&&&/i&&/a&&br&选择自己的python版本号和 图形化安装/命令行安装 （我选的图形化安装），下载下来，双击开始安装就好了。如果选择命令行安装，按照上图（官网说明）的命令安装就好了。 &br&如果不需要特定的IDE的话，用Anaconda带的spyder就可以了，不用往下看了。&/p&&/li&&li&&p&&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&How to set up an IDE to use Anaconda&i class=&icon-external&&&/i&&/a& 设置某IDE使用Anaconda（也是在Anaconda官方文档上） &br&包括：&/p&&ul&&li&&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23spyder& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Spyder&i class=&icon-external&&&/i&&/a&&/li&&li&&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23python-tools-for-visual-studio-ptvs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Tools for Visual Studio (PTVS)&i class=&icon-external&&&/i&&/a&&/li&&li&&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23pycharm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PyCharm&i class=&icon-external&&&/i&&/a&&/li&&li&&a href=&///?target=http%3A//docs.continuum.io/anaconda/ide_integration%23eclipse-pydev& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Eclipse & PyDev&i class=&icon-external&&&/i&&/a&&/li&&li&Wing IDE&/li&&li&Ninja IDE&/li&&/ul&&/li&&/ol&&p&这里就简单为不想看英文的说一下PyCharm的配置 &br&PyCharm’s Preferences -& Project Interpreter -& Add local -& 选择Anaconda安装所在的文件下的bin/python&/p&&br&&img src=&/78bc8ba2a62_b.png& data-rawwidth=&2880& data-rawheight=&1800& class=&origin_image zh-lightbox-thumb& width=&2880& data-original=&/78bc8ba2a62_r.png&&&img src=&/8f5afb1f466f9d326ea282_b.png& data-rawwidth=&2082& data-rawheight=&1368& class=&origin_image zh-lightbox-thumb& width=&2082& data-original=&/8f5afb1f466f9d326ea282_r.png&&&br&&br&&p&apply -& OK &br&&/p&&br&&img src=&/e374eecbb2a1c1acc6b688_b.png& data-rawwidth=&2078& data-rawheight=&1354& class=&origin_image zh-lightbox-thumb& width=&2078& data-original=&/e374eecbb2a1c1acc6b688_r.png&&&br&&br&&p&最后再推荐一些&a href=&///?target=http%3A//blog.csdn.net/muzilanlan/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&python 自学资料资源分享&i class=&icon-external&&&/i&&/a&&/p&&br&&br&|-- 工具类&br&&br&&p&
|---&a href=&///?target=http%3A///html/2014/pythonjichu_.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10 款最好的 Python IDE&i class=&icon-external&&&/i&&/a&
推荐pycharm&/p&&p&
|--- &strong&Python(x,y) &/strong&：（暂时只有windows系统版本的 ，Spyder有Mac版的）
&a href=&///?target=https%3A//eventing.coursera.org/api/redirectStrict/i1adkUkbh0F1jcl4po8UuNMFM6p24mL4PAH5RLS-Z214UU657d2SvOFlvs-5Qf63X4v6TjylaIHcRHGvh9TdYQ.aN4sv6MlgSc2hBfMs85qxA.b027KmB8R550yQSSmDf2WODSpI7uMl0NACC14LsGLc47Oq5l7aZuFKRN_ka1z0frBwaJ7_HOTKbu4SCP4wTO_xKuzDSOvwh3ilB44yZ4Otgo_NPxiwJ6fvexXVCE-70ilmeWNEZ3K6iH-Yat-tq5qSTLkudbf4O8SFtrrGuIz-2mvg4XjGvn5q__cqRQJ_kyhYgCBUXUp0shn_h_clb0zfBK9xcMmhoWEPA8dyZihnazN3I1kWa2R3kOT98tkKAhCxVCA1SbOENAD8KuZKUN9W_f1zOYYSvYtoNjSRQAGik& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python(x,y)的官方下载地址&i class=&icon-external&&&/i&&/a&&a href=&///?target=https%3A//eventing.coursera.org/api/redirectStrict/cv5sUuy0Rp0ALRIPCDNZFUDKx2ybf1WJqussPSeweK6e_I95xLNIAQHQSwEr_6VBRUSoLCoHWQxowAwvVsQErw.wF9g8jGhDY1d46j1qX4E_w.5-Ekk22OJpLMxGfOSUhD5Gr2Ai9pn6ECjkNzXzR-Z6Xo-Taqr8grLa0usWWmrklN0CmKDfIjNLvkznwSShfBkwxheVlSfFNs9_5yAzmqwwMzLrQvpNyLRjejr5DMMz6l3vZmilrut9bwviGxaqpBcX5d_5dMlICShJJIljP1xzdrwA9pLR7t0oV4ZDRXCkVNrZIQ9SJWujb8w-yu_8AhPBq9KzXeyToRhgn5t7BGJgOoI_reqyBDL_D8eQkmJc_Velc3ino5fMQ7WLmtl5BY57CPrqxiqFBcBaq0w40YcEyBTKf9Vj_D5Xd6sNY-LYO0VykO6WfFamLzWbX-izBQpCsvIxFrzFc4XoQOrK_G-ER5bRytQsMEr47dJ9Qrrswpsn9eHf4GFbHMc-5ocDHYCUOp03E_eEtBauo1c_Y4qAE& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python(x,y)的其他下载地址&i class=&icon-external&&&/i&&/a&&/p&&br&&blockquote&&p&适合科学计算，数据挖掘，机器学习。&/p&&br&&p&Python(x,y) is a handy scientific and engineering development application specially designed for numerical computations, data analysis and data visualization.It is based on Python programming language, Qt graphical user interfaces, Eclipse integrated development environment and Spyder interactive scientific development environment. With Python(x,y), one can do: Interactive calculations including for example 2D and 3D plotting or symbolic maths, Simple functional programming (with MATLA..... &/p&&/blockquote&&p&
|--- &a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Tutor&i class=&icon-external&&&/i&&/a&
一个可视化编程的小工具，直观的看到每行代码在计算机中的执行过程。&/p&&br&&blockquote&&p&helps people overcome a fundamental barrier to learning programming: understanding what happens as the computer executes each line of a program's source code.&/p&&br&&p&Using this tool, you can write &a href=&///?target=http%3A///visualize.html%23py%3D2& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python&i class=&icon-external&&&/i&&/a&, &a href=&///?target=http%3A///java.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Java&i class=&icon-external&&&/i&&/a&, &a href=&///?target=http%3A///javascript.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&JavaScript&i class=&icon-external&&&/i&&/a&, &a href=&///?target=http%3A///typescript.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TypeScript&i class=&icon-external&&&/i&&/a&, &a href=&///?target=http%3A///ruby.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ruby&i class=&icon-external&&&/i&&/a&, &a href=&///?target=http%3A//pgbovine.net/rosetta/c-demo.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&C&i class=&icon-external&&&/i&&/a&, and &a href=&///?target=http%3A//pgbovine.net/rosetta/cpp-demo.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&C++&i class=&icon-external&&&/i&&/a& programs in your Web browser and visualize what the computer is doing step-by-step as it executes those programs. &/p&&/blockquote&&br&&br&|-- 手册类&br&&p&
|--- &a href=&///?target=https%3A//eventing.coursera.org/api/redirectStrict/47iGtwiDct1d0ZVpN43VPvzpsRToVhdaP8UDsqhbZvgH5ZVns8glJnm2kUVDoqJCeEEdBf8UQfIUceB4BgJUhg.eoCdZ2IHyJ_EpxZ50t4Vog.AKbOGmlnURYvLzu9ZHx2tTdfcex0p5HDCE112xb5WuWr36tZTqrBd-7lV06I11g5BAvFgJs8OH7aD9ewRXut3PvUQYEk6NNp0wqc9NGGPSqSdLryH6m-J95wmZTcS2cs9lTPQZAmmEqGo67_pS8jfvf5A6kz_fuCv-VopfpMnkkn8yi4S4wWFQFkv_tXiTjB2I_V9yDAwW2rjjOA1gr3_hLev1VSui-WwJRwQLMu0Z1TOkbOtg0rYm4VDWO4tblZS6yx6H1PHBM5TAtu6ZyEUe2xsOO6zKIoV4BS16WhExM& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python官网&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- W3shool 关于 Python 2.xx 版本技术文档&/p&&p&
|---- 网页地址： &a href=&///?target=http%3A//www.w3cschool.cc/python/python-tutorial.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 基础教程&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- W3shool 关于 Python 3.xx 版本技术文档&/p&&p&
|---- 网页地址： &a href=&///?target=http%3A//www.w3cschool.cc/python3/python3-tutorial.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&http://www.w3cschool.cc/python3/python3-tutorial.html &i class=&icon-external&&&/i&&/a&&/p&&p&
|---- 网盘地址（全套 W3shool pdf 文档）： &a href=&///?target=http%3A///s/1c0lMaYW& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1c0lMaY&/span&&span class=&invisible&&W&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- Python 中文开发者网站 ：&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PythonTab：Python中文开发者社区门户&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- PyTab 在线手册中心 ：&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PyTab在线手册中心&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- WEB 开发者 Python 网站 ：&a href=&///?target=http%3A///python/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - WEB开发者&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- Linux CentOS 中文网 ： &a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CentOS中文站&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- Linux Study - Area : &a href=&///?target=http%3A//study-area.org/menu2.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Study-Area&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- 36 大数据知识分享网站 ： &a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&36大数据 | 关注大数据实际应用::中国大数据商业新媒体&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- cnblog Python 快速教程（Vamei）： &a href=&///?target=http%3A///vamei/archive//2682778.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python快速教程&i class=&icon-external&&&/i&&/a&&/p&&br&|-- 类库&br&
|--- Python 机器学习类库： &a href=&///?target=http%3A//scikit-learn.org/stable/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&scikit-learn.org/stable&/span&&span class=&invisible&&/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&&br&|-- 书籍类&p&
|--- Python 编程相关书籍下载 ：
&a href=&///?target=http%3A///wap/link%3Fuk%3D%26shareid%3Dthird%3D0& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&/wap/link?uk=&shareid=&third=0
&i class=&icon-external&&&/i&&/a&&/p&&p&
开发相关书籍下载 ：
&a href=&///?target=http%3A///s/1jGmKgfG& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1jGmKgf&/span&&span class=&invisible&&G&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- Magnus Lie Hetland,Beginning Python: from Novice to Professional, 2nd edition, Apress.（第二版中译版名为《Python基础教程》）&/p&&p&
|--- Wesley Chun, Core Python Applications Programming, Prentice Hall.（第二版中译版名为《Python核心编程》）&/p&&br&&br&|-- 视频类&p&
|--- 可汗学院公开课：计算机科学&/p&&p&
别：注重操作&br&&/p&&p&
|---- 网页地址： &a href=&///?target=http%3A///special/Khan/computer.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&可汗学院公开课：计算机科学&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- 麻省理工学院公开课：计算机科学及编程导论&/p&&p&
别：编程入门、程序理论&/p&&p&
|---- 网页地址：&a href=&///?target=http%3A///special/opencourse/bianchengdaolun.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麻省理工学院公开课：计算机科学及编程导论&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|---- 网盘地址（MIT官方带文档）：&a href=&///?target=http%3A///s/1mg9OHbq& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1mg9OHb&/span&&span class=&invisible&&q&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|---- 网盘地址（全视频版）：&a href=&///?target=http%3A///s/1c02F9ew& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1c02F9e&/span&&span class=&invisible&&w&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&p&
|--- 麻省理工学院公开课：算法导论&br&&/p&&p&
别：进阶学习 (适合有时间和喜欢算法的朋友)&/p&&p&
|---- 网页地址：&a href=&///?target=http%3A///special/opencourse/algorithms.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麻省理工学院公开课：算法导论&i class=&icon-external&&&/i&&/a&&br&
|---- 网盘地址：&a href=&///?target=http%3A///s/1mg5f5xQ& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/s/1mg5f5x&/span&&span class=&invisible&&Q&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- 哈尔滨工业大学：程序设计入门--Python(完结版)&/p&&p&
别：本课程第一版，适合时间比较紧凑的朋友&/p&&p&
|---- 网页地址：&a href=&///?target=http%3A//mooc./course/HIT-%3Ftid%3D%23/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&程序设计入门&i class=&icon-external&&&/i&&/a&&br&&/p&&p&
|--- Coursera 慕课：&strong&用Python玩转数据 Data&/strong&&/p&&p&
别：利用Python方便快捷地获取数据、表示数据、分析数据和展示数据，通过多个案例让大家轻松愉快地学会用Python玩转各领域数据。&/p&&p&
|---- 网页地址：&a href=&///?target=https%3A//www.coursera.org/learn/hipython/home/welcome& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/hipy&/span&&span class=&invisible&&thon/home/welcome&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/p&
PyCharm’s Preferences -& Project Interpreter 自动检测到的python 下面，就有许多可选择安装的package，pip出错的话，不如直接用PyCharm上可选的安装包（最笨最简单的方法） -------------------------------------------------------------------------…
这问题可以不严格地转化为：给定二维及更高维的栅格，能不能把一根绳子放置在里面，令绳子通过每个栅格仅一次，而又能另绳子通过每对相邻的栅格。显然答案是不可以。&br&&br&但是有一些方法，可能会令相邻栅格的绳子距离平均一些，例如&br&&br&1. Tiling，常用于矩阵乘法，可增加locality，改善cache coherence。&br&&br&2. &a href=&///?target=http%3A//en.wikipedia.org/wiki/Z-order_curve& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Z-order curve&i class=&icon-external&&&/i&&/a& (又作Morton order)，广泛应用在GPU的纹理存储上（有时称为texture swizzling），提高locality。&br&&img src=&/c8d19da3c8a1cc276c0e9e_b.jpg& data-rawwidth=&542& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&542& data-original=&/c8d19da3c8a1cc276c0e9e_r.jpg&&&br&3. &a href=&///?target=http%3A//en.wikipedia.org/wiki/Hilbert_curve& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Hilbert curve&i class=&icon-external&&&/i&&/a&&br&&img src=&/38cabcfb45a1_b.jpg& data-rawwidth=&1280& data-rawheight=&855& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/38cabcfb45a1_r.jpg&&
这问题可以不严格地转化为：给定二维及更高维的栅格，能不能把一根绳子放置在里面，令绳子通过每个栅格仅一次，而又能另绳子通过每对相邻的栅格。显然答案是不可以。 但是有一些方法，可能会令相邻栅格的绳子距离平均一些，例如 1. Tiling，常用于矩阵乘法…
numpy的许多函数不仅是用C实现了，还使用了BLAS（一般Windows下link到MKL的，Linux下link到OpenBLAS）。基本上那些BLAS实现在每种操作上都进行了高度优化，例如使用AVX向量指令集，甚至能比你自己用C实现快上许多，更不要说和用Python实现的比。。
numpy的许多函数不仅是用C实现了，还使用了BLAS（一般Windows下link到MKL的，Linux下link到OpenBLAS）。基本上那些BLAS实现在每种操作上都进行了高度优化，例如使用AVX向量指令集，甚至能比你自己用C实现快上许多，更不要说和用Python实现的比。。
首先用anaconda代替官方的python&br&&a href=&///?target=https%3A//mirrors.tuna./anaconda/archive/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Index of /anaconda/archive/&i class=&icon-external&&&/i&&/a&&br&(如果觉得anaconda太大可以用miniconda &a href=&///?target=http%3A//conda.pydata.org/miniconda.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Miniconda — Conda&i class=&icon-external&&&/i&&/a&）&br&然后换掉conda和pip的源 &br&&a href=&///?target=https%3A//mirrors.tuna./help/pypi/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&清华大学 TUNA 镜像源&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A//mirrors.tuna./help/anaconda/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&清华大学 TUNA 镜像源&i class=&icon-external&&&/i&&/a&&br&&br&装东西时优先conda,其次pip,再次&a href=&///?target=http%3A//www.lfd.uci.edu/%7Egohlke/pythonlibs/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&lfd.uci.edu/~gohlke/pyt&/span&&span class=&invisible&&honlibs/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&或者各种官网，最差自己编译
首先用anaconda代替官方的python
(如果觉得anaconda太大可以用miniconda ） 然后换掉conda和pip的源
装东西时优先conda,其次pip,再次或者各…
题目应该改成“python所有的科学计算相关的库与MATLAB哪个更强大？”，单单numpy与MATLAB对比是不是压力太大了点啊？！&br&&br&Numpy相当于与MATLAB的矩阵运算部分，和整个MATLAB相差太远。&br&就算只是比较矩阵运算，语法上MATLAB占据了很大的优势，因为MATLAB的语法就是为了方便矩阵运算而设计的。&br&&br&做研究的话，“numpy.scipy.matplotlib.pandas全家桶”差不多能代替“没有任何工具包的matlab，不包括simulink”了。&br&但是“没有任何工具包的matlab，不包括simulink”还包括：&br&1 GUI&br&2 生成App&br&3 单元测试框架&br&4 与其他语言(C/C++,python,fortran,Java, lNET, C#等）混合编程&br&&br&MATLAB相比Python的最大的优势是它丰富的文档，很多python的函数的文件只有一句话，连个例子都没有。
题目应该改成“python所有的科学计算相关的库与MATLAB哪个更强大？”，单单numpy与MATLAB对比是不是压力太大了点啊？！ Numpy相当于与MATLAB的矩阵运算部分，和整个MATLAB相差太远。 就算只是比较矩阵运算，语法上MATLAB占据了很大的优势，因为MATLAB的语法…
sklearn中提供了高效的模型持久化模块joblib，将模型保存至硬盘。&br&&div class=&highlight&&&pre&&code class=&language-python&&&span class=&kn&&from&/span& &span class=&nn&&sklearn.externals&/span& &span class=&kn&&import&/span& &span class=&n&&joblib&/span&
&span class=&c&&#lr是一个LogisticRegression模型&/span&
&span class=&n&&joblib&/span&&span class=&o&&.&/span&&span class=&n&&dump&/span&&span class=&p&&(&/span&&span class=&n&&lr&/span&&span class=&p&&,&/span& &span class=&s&&'lr.model'&/span&&span class=&p&&)&/span&
&span class=&n&&lr&/span& &span class=&o&&=&/span& &span class=&n&&joblib&/span&&span class=&o&&.&/span&&span class=&n&&load&/span&&span class=&p&&(&/span&&span class=&s&&'lr.model'&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&
sklearn中提供了高效的模型持久化模块joblib，将模型保存至硬盘。 from sklearn.externals import joblib
#lr是一个LogisticRegression模型
joblib.dump(lr, 'lr.model')
lr = joblib.load('lr.model')
已有帐号？
无法登录？
社交帐号登录