在Windows中安装一些python的第三方库

这些库尽量建一个专门的文件夹集中存放
如果Python是32位的，那么库也装32位的，我的电脑是64位的，但装了32位的Python，反正也可以用
1.安装Numpy
https://sourceforge.net/projects/numpy/files/NumPy/](https://sourceforge.net/projects/numpy/files/NumPy/)[
在这里网址里面，找到最新但同时符合你的电脑里的python版本的。
我下载的是：
numpy-1.10.0-win32-superpack-python2.7.exe
因为我的python是2.7版本的。
建议下载后缀为exe的版本。安装方便。
双击安装，前提是你已经安装好python，然后它会自动找到python的安装目录，所以你只要不断下一步就OK 了。
重启你的开发环境，输入下面的代码进行测试：

# -*- coding:utf-8 -*
import numpy 
a= numpy.array([2,0,1,5])  #创建数组
print a    #输出数组
print a[:3]  #输出前3个
print a.min()   #输出最小值
a.sort()   #排序，然后a就变了
print a
b= numpy.array([[1,2,3],[4,5,6]])   #创建2维数组
print b*b   #打印数组的平方阵

2.安装Scipy
安装这个的前提是你已经安装了python和Numpy。
https://sourceforge.net/projects/scipy/files/scipy/0.15.1/
进入这个网址，选择exe版本的，且和你的python版本对应的。
我下载的是：
scipy-0.15.1-win32-superpack-python2.7.exe
安装过程和Numpy一样，一路下一步。
测试代码如下：

# -*- coding:utf-8 -*
# 求解非线性方程组2x1-x2^2=1 , x1^2-x2=2
from scipy.optimize.minpack import fsolve
from scipy import integrate
def f(x):
    x1=x[0]
    x2=x[1]
    return [2*x1-x2**2-1 , x1**2-x2-2]
result = fsolve (f,[1,1])   #[]里面的1,1是随便的，写啥都行
print result
#数值积分
def g(x):
    return (1-x**2)**0.5
pi_2, err=integrate.quad(g,-1,1)
print pi_2*2

3.安装MatPlotLib
https://sourceforge.net/projects/matplotlib/files/matplotlib/matplotlib-1.5.0/windows/
32位的电脑下载：
matplotlib-1.5.0.win32-py2.7.exe
64位的下载：
matplotlib-1.5.0.win-amd64-py2.7.exe
安装和上面的一样，一路下一步。

解决 No module named pyparsing
https://sourceforge.net/projects/pyparsing/files/pyparsing/pyparsing-2.0.3/
下载：pyparsing-2.0.3.win32-py2.7.exe
一路next

安装dateutil
http://labix.org/python-dateutil/
下载
python-dateutil-1.5.tar.gz
解压后从命令行进入该文件夹，运行

python setup.py install

安装Cycler
https://pypi.python.org/pypi/Cycler
下载cycler-0.10.0.tar.gz
解压后从命令行进入该文件夹，运行

python setup.py install

安装six
https://pypi.python.org/pypi/six/
下载 six-1.10.0.tar.gz
解压后从命令行进入该文件夹，运行

python setup.py install

一般来说，这样装完就OK 了，如果还有问题，就在
D:\Program Files (x86)\python\Lib\site-packages
里面删除刚才安装的东西对应的文件夹。然后重新安装一下。

测试代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3])
plt.ylabel('some numbers')
plt.show()

4.安装Pandas
在命令行中

python -m pip install --upgrade pip

升级好pip之后，在命令行中

pip install pandas

如果下载速度特别慢，也可以
https://pypi.python.org/pypi/pandas#downloads
下载对应的.whl文件
pandas-0.19.1-cp27-cp27m-win32.whl
然后cmd进入存放该文件的目录中

pip install pandas-0.19.1-cp27-cp27m-win32.whl

安装好后，在命令行中

pip install xlrd

pip install xlwt

测试代码：

# -*- coding:utf-8 -*
import pandas

s=pandas.Series([1,2,3],index=['a','b','c'])
d=pandas.DataFrame([[1,2,3],[4,5,6]],columns=['a','b','c'])
d2=pandas.DataFrame(s)

d.head()
d.describe()

pandas.read_excel('data.xls')
pandas.read_csv('data.csv',encoding='utf-8')

5.安装StatsModels
http://statsmodels.sourceforge.net/binaries/
下载exe版本的，对应你的电脑是32的还是64的，还有python的版本要对应。
statsmodels-0.7.0-2670ed0.win32-py2.7.exe
我下载的，安装和上面那些一样的，一路next。
测试代码：

# -*- coding:utf-8 -*
import numpy
from statsmodels.tsa.stattools import adfuller
adfuller(numpy.random.rand(100))

如果出现ImportError: No module named patsy，下载pasty的whl文件
https://pypi.python.org/pypi/patsy/#downloads

pip install patsy-0.4.1-py2.py3-none-any.whl

6.安装Scikit-Learn

pip install scikit-learn

测试代码：

# -*- coding:utf-8 -*
from sklearn.linear_model import LinearRegression
from sklearn import datasets, svm
model=LinearRegression()
print model

iris=datasets.load_iris()
print iris.data.shape

clf=svm.LinearSVC()
clf.fit(iris.data, iris.target)
clf.predict([[5.0,3.6,1.3,0.25]])
clf.coef_

7.安装Keras
https://sourceforge.net/projects/mingw/files/MinGW/
下载这个：

安装在D盘根目录下，如图，选中对应的条目，然后右键选择：Mark for installation。

然后：

Windows7，在新弹出的属性窗口，选择左侧的“高级系统设置”，在新弹出的属性窗口，选择“高级”->“环境变量”。 把MinGW安装目录的bin目录，还有lib目录，还有include目录的路径追加到PATH里，然后确定。注意：箭头指的两个分号一定要加上并且分号一定要在英文输入模式下输入
最后在CMD中输入gcc -v，看看有没有安装成功，如果出现一下画面说明安装成功：

然后还要重启电脑，不然一直出现找不到g++的提示

pip install theano

pip install keras

# -*- coding:utf-8 -*
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD
model = Sequential()
model.add(Dense(64, input_dim=20, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',optimizer='adadelta', metrics=['accuracy'])

8.安装Gensim

pip install gensim

# -*- coding:utf-8 -*
import gensim,logging
logging.basicConfig(format='%(asctime)s:%(levelname)s:%(message)s',level=logging.INFO)
sentences=[['first','sentence'],['second','sentence']]
model=gensim.models.Word2Vec(sentences, min_count=1)
print model['sentence']