本文主要向大家介绍了机器学习入门之机器学习实战之环境配置：windows系统下安装NumPy、SciPy和Matplotlib函数库，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

 
三个库各自的下载地址↓
//sourceforge.net/projects/numpy/files/NumPy
//sourceforge.net/projects/scipy/files/Scipy
https://sourceforge.net/projects/matplotlib/files/matplotlib

文件夹都可以点进去，找到和你Python版本相应对的exe文件左键单击下载并安装即可。安装完成后，可以选择import一下检查是否安装成功。
 
matplotlib 需要依赖许多其他科学计算的第三方库，所以安装起来非常麻烦。
安装matplotlib中可能出现的问题及解决方法（注意也需要提前安装NumPy，博主已经提前安过了）：
如果碰到ImportError: No module named six
　　安装  scipy，然后把C:\Python27\Lib\site-packages\scipy\lib中的six.py six.pyc six.pyo三个文件拷贝到C:\Python27\Lib\site-packages目录下。
　　上一个方法可能因为six版本过低出现问题。于是我们需要安装 six
　　有两种安装方法，一种是下载.whl然后用pip快速安装，还有一种是下载压缩包，解压之后进入文件夹执行python setup.py install安装
　　博主用的第二种方法…当然运行setup.py之前我们需要先安装setuptools。在这个网站上 : https://pypi.python.org/pypi/setuptools/0.9.8
　　查找windows,点击 ez_setup.py进入, 并将内容复制下来, 保存为本地的python脚本, 如: easy_install.py
　　运行... 自动下载安装包, 直到安装成功..
再次import 发现ImportError: matplotlib requires dateutil
　　dateutil官网下载：https://pypi.python.org/pypi/python-dateutil/1.4.1
　　到解压目录下，执行 python  setup.py install 安装成功
好了，现在摆在我们面前的拦路虎是ImportError:matplotlib requires pyparsing
　　这个直接下.exe文件就可以了。下载地址https://sourceforge.net/projects/pyparsing/files/pyparsing
 
终于看到了import matplotlib没有报错……
跑个程序测试一下吧！源代码来自//my.oschina.net/bery/blog/203595

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()


 运行结果出来是这个样子的。是不是萌萌哒！

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！