标签：

将pip命令行安装的库同步导入到pycharm中

 一、利用pip安装第三方库

安装第三方python库的两种方法：

1.用pip命令进行安装。

2.利用第三方软件Aconda

可以参考：https://www.cnblogs.com/jesselzj/p/7086521.html（Windows10+Python3下安装NumPy+SciPy+Matplotlib ）

https://blog.csdn.net/qq_40174045/article/details/81106190（Python3.7安装numpy与scipy库（win10））

                

pip命令安装：1）在线安装 2）离线安装

离线安装：http://www.lfd.uci.edu/~gohlke/pythonlibs/

注意：四个包的安装顺序是：numpy+mkl      scipy    matplotlib   sklearn

A.在上面的网址中找到需要的.whl文件。

【注意】文件名中的cp**应与安装的版本相匹配。如安装Python3.4，应下载对应的cp34的.whl文件。并且注意系统的位数，本文环境是64bit。

B.将下载好的.whl文件放在python安装路径下的Scripts目录下，如：本机F:\Python3.7_64bit\Scripts。

C.在dos环境下，利用cmd命令行，用pip install命令安装对应的wheel包。

【注意】需要提前安装好wheel，利用 pip install wheel命令行安装wheel。

执行命令 >pip install F:\XXX\XX\Scripts\**.whl

安装成功，执行 pip list命令，可以看到包的目录，如：

注意：四个软件的安装顺序是：numpy+mkl      scipy    matplotlib   sklearn

 

二、同步本地库到pycharm中

利用pycharm创建一个新的工程，

Files-Settings-Project-Project Interpreter

右上角设置中，选择Add,添加新的解释器。

apply之后，可以看到本地安装的库添加进工程内。

测试一下库安装是否成功：

 测试代码来自：http://www.cnblogs.com/jasonfreak/p/5441512.html 感谢作者。

from numpy import array
from numpy.random import normal
from matplotlib import pyplot


def gen_data():
    heights = []
    weights = []
    grades = []
    N = 10000

    for i in range(N):
        while True:
            # 身高服从均值172，标准差为6的正态分布
            height = normal(172, 6)
            if 0 < height:
                break
        while True:
            # 体重由身高作为自变量的线性回归模型产生，误差服从标准正态分布
            weight = (height - 80) * 0.7 + normal(0, 1)
            if 0 < weight:
                break
        while True:
            # 分数服从均值为70，标准差为15的正态分布
            score = normal(70, 15)
            if 0 <= score and score <= 100:
                grade = 'E' if score < 60 else (
                    'D' if score < 70 else ('C' if score < 80 else ('B' if score < 90 else 'A')))
                break
        heights.append(height)
        weights.append(weight)
        grades.append(grade)
    return array(heights), array(weights), array(grades)


# 绘制柱状图
def draw_bar(grades):
    xticks = ['A', 'B', 'C', 'D', 'E']
    grade_group = {}
    # 对每一类成绩进行频数统计
    for grade in grades:
        grade_group[grade] = grade_group.get(grade, 0) + 1
    # 创建柱状图
    # 第一个参数为柱的横坐标
    # 第二个参数为柱的高度
    # 参数align为柱的对齐方式，以第一个参数为参考标准
    pyplot.bar(range(5), [grade_group.get(xtick, 0) for xtick in xticks], align='center')

    # 设置柱的文字说明
    # 第一个参数为文字说明的横坐标
    # 第二个参数为文字说明的内容
    pyplot.xticks(range(5), xticks)

    # 设置横坐标的文字说明
    pyplot.xlabel('Grade')
    # 设置纵坐标的文字说明
    pyplot.ylabel('Frequency')
    # 设置标题
    pyplot.title('Grades Of Male Students')
    # 绘图
    pyplot.show()


# 绘制饼形图
def draw_pie(grades):
    labels = ['A', 'B', 'C', 'D', 'E']
    grade_group = {}
    for grade in grades:
        grade_group[grade] = grade_group.get(grade, 0) + 1
    # 创建饼形图
    # 第一个参数为扇形的面积
    # labels参数为扇形的说明文字
    # autopct参数为扇形占比的显示格式
    pyplot.pie([grade_group.get(label, 0) for label in labels], labels=labels, autopct='%1.1f%%')
    pyplot.title('Grades Of Male Students')
    pyplot.show()


# 绘制直方图
def draw_hist(heights):
    # 创建直方图
    # 第一个参数为待绘制的定量数据，不同于定性数据，这里并没有事先进行频数统计
    # 第二个参数为划分的区间个数
    pyplot.hist(heights, 100)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Heights Of Male Students')
    pyplot.show()


# 绘制累积曲线
def draw_cumulative_hist(heights):
    # 创建累积曲线
    # 第一个参数为待绘制的定量数据
    # 第二个参数为划分的区间个数
    # normed参数为是否无量纲化
    # hist type参数为'step'，绘制阶梯状的曲线
    # cumulative参数为是否累积
    pyplot.hist(heights, 20, normed=True, histtype='step', cumulative=True)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Heights Of Male Students')
    pyplot.show()


# 绘制散点图
def draw_scatter(heights, weights):
    # 创建散点图
    # 第一个参数为点的横坐标
    # 第二个参数为点的纵坐标
    pyplot.scatter(heights, weights)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Weights')
    pyplot.title('Heights & Weights Of Male Students')
    pyplot.show()


# 绘制箱形图
def draw_box(heights):
    # 创建箱形图
    # 第一个参数为待绘制的定量数据
    # 第二个参数为数据的文字说明
    pyplot.boxplot([heights], labels=['Heights'])
    pyplot.title('Heights Of Male Students')
    pyplot.show()


data = gen_data()
print(data)
heights = data[0]
weights = data[1]
grades = data[2]
draw_bar(grades)
draw_pie(grades)
draw_hist(heights)
draw_cumulative_hist(heights)
draw_scatter(heights, weights)
draw_box(heights)

注意：function命名时采用lowercase。即采用小写命名。可以加下划线。

运行结果：

 

 

 

标签：
来源： https://blog.csdn.net/wsxzhbzl/article/details/83143200

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。