转载自:https://blog.csdn.net/tterminator/article/details/66478221

Numpy是Python开发环境中一个独立的函数库；
SciPy是以NumPy为基础，一个应用更加广泛的科学计算工具库；
MatPlotLib是一个在使用Numpy、SciPy时经常用到的一个强大的绘图函数库。
在安装这三个package之前，需要系统（本文以Windows为例）中已经安装好Python，这里以Python 2.7为例，安装Numpy（版本1.9.2）、SciPy（0.15.1）、MatPlotLib。

系统中的Python版本非常重要，因为本次要安装的这3个包根据Python版本的不同，对应不同的安装包/安装步骤。

一、Numpy下载及安装

1.下载链接：

https://sourceforge.net/projects/numpy/files/NumPy/
在下载页面中Numpy有很多版本，进入相应的版本目录，根据Python版本下载对应的exe安装版本即可。

2.安装

安装过程很简单，一路next即可，在安装过程中，Numpy安装程序会自动识别到Python的安装目录。

3.测试代码

生成一个4x4的随机数组

from numpy import *
print random.rand(4,4)
1
2

4.运行结果

[[ 0.41178608  0.65110296  0.40173349  0.16076211]
 [ 0.23556782  0.31833017  0.12373365  0.18141384]
 [ 0.58998292  0.32819985  0.90979762  0.39358103]
 [ 0.9920753   0.54314276  0.86514792  0.61230303]]
1
2
3
4

二、SciPy下载及安装

1.下载

https://sourceforge.net/projects/scipy/files/scipy/
同Numpy，在下载页面中SciPy有很多版本，进入相应的版本目录，根据Python版本下载对应的exe安装版本。

2.安装

同Numpy，单击下载的exe文件，一路next即可。

3.测试代码

import numpy as np
from scipy.stats import beta
from matplotlib.pyplot import hist, plot, show

obs = beta.rvs(5, 5, size=2000)  # 2000 observations
hist(obs, bins=40, normed=True)
grid = np.linspace(0.01, 0.99, 100)
plot(grid, beta.pdf(grid, 5, 5), 'k-', linewidth=2)
show()
1
2
3
4
5
6
7
8
9

4.运行结果

三、MatPlotLib下载及安装

1.下载链接

http://matplotlib.org/downloads.html
http://matplotlib.org/users/installing.html
在该页面中，分别介绍了在Windows、Linux、macOS中预编译版本和源码版本的安装方法，安装过程参照该页面中步骤即可，这里以Windows为例，分别在cmd命令窗口中执行下面Python脚本即可安装成功：

python -m pip install -U pip setuptools
python -m pip install matplotlib
1
2

2.MatPlotLib绘图测试代码

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import cm

fig = plt.figure()
ax = fig.gca(projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)
cset = ax.contour(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)

ax.set_xlabel('X')
ax.set_xlim(-40, 40)
ax.set_ylabel('Y')
ax.set_ylim(-40, 40)
ax.set_zlabel('Z')
ax.set_zlim(-100, 100)

plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3.运行结果

该图可以旋转拖动，画图功能真的很强大。