《Python数据可视化编程实战》——1.4 在Mac OS X上安装matplotlib

1.4 在Mac OS X上安装matplotlib

在Mac OS X上获取matplotlib最简便的方式是使用预打包的python发布版本,例如Enthought Python Distribution (EPD)。读者可以直接访问EPD网站,下载安装操作系统对应的最新稳定版。

倘若EPD软件不满足要求,或者因为其他一些原因(如版本问题)而无法使用,也可以用手动(麻烦点)的方式安装Python、matplotlib和依赖软件。

1.4.1 准备工作

对于Apple在操作系统中没有安装的软件来说,Homebrew项目可以使安装过程更容易。实际上,Homebrew是基于Ruby和Git的,可以被自动下载和安装。软件安装顺序为:首先安装Homebrew,之后安装Python,随后安装诸如virtualenv的工具软件,接下来安装matplotlib的依赖(NumPy和SciPy),最后安装matplotlib。接下来就开始吧。

1.4.2 操作步骤

1.在终端中输入并执行下面的命令。

ruby <(curl -fsSkL raw.github.com/mxcl/homebrew/go)

命令执行完成后,可以尝试用brew update 或brew doctor命令来检查brew是否能够正常工作。

2.然后,将Homebrew目录添加到系统path环境变量中。这样,使用Homebrew安装的软件包能够获得比其他版本更高的优先级。打开~/.bash_profile文件(或者/Users/[your-user-name]/.bash_profile)并在文件末尾添加以下代码。

export PATH=/usr/local/bin:$PATH

3.重新启动命令行终端使其加载新的path环境变量。之后,下面一行简单的代码就可以完成Python的安装。

brew install python --framework –universal

本命令同时也将安装Python所需的其他软件。

4.更新path环境变量(添加到同一行)。

export PATH=/usr/local/share/python:/usr/local/bin:$PATH

5.在命令行输入python –version,检查python是否安装成功。

正常的话,会能够看到Python版本信息为2.7.3。

6.pip应该也已经安装完毕。如果还没有,可使用easy_install安装pip。

$ easy_install pip

7.这时,任何所需软件包的安装过程就变得非常简单了。例如,安装virtualenv和virtualenvwrapper。

pip install virtualenv
pip install virtualenvwrapper

8.是时候向一直以来的目标迈进了——安装matplotlib。

pip install numpy
brew install gfortran
pip install scipy
技巧Mountain Lion 的用户需要安装SciPy的开发版(0.11),命令如下。

pip install -e git+https://github.com/scipy/scipy#egg=scipy- dev

9.检查安装是否成功。启动Python并执行以下命令。

import numpy
print numpy.__version__
import scipy
print scipy.__version__
quit()

10.安装matplotlib。

pip install matplotlib

时间: 2025-01-01 16:32:59

《Python数据可视化编程实战》——1.4 在Mac OS X上安装matplotlib的相关文章

《Python数据可视化编程实战》—— 1.5 在Windows上安装matplotlib

1.5 在Windows上安装matplotlib Python数据可视化编程实战在本节中,我们将演示如何安装Python和matplotlib.假设系统中没有预先安装Python. 1.5.1 准备工作 在Windows上安装matplotlib有两种方式.较简单的方式是安装预打包的Python环境,如EPD.Anaconda和Python(x,y).这是本书推荐的安装方式,尤其对于初学者来说更是如此. 第二种方式,是使用预编译的二进制文件来安装matplotlib和依赖软件包.需要注意安装的

《Python数据可视化编程实战》——1.5 在Windows上安装matplotlib

1.5 在Windows上安装matplotlib 在本节中,我们将演示如何安装Python和matplotlib.假设系统中没有预先安装Python. 1.5.1 准备工作 在Windows上安装matplotlib有两种方式.较简单的方式是安装预打包的Python环境,如EPD.Anaconda和Python(x,y).这是本书推荐的安装方式,尤其对于初学者来说更是如此. 第二种方式,是使用预编译的二进制文件来安装matplotlib和依赖软件包.需要注意安装的NumPy和SciPy的版本,

《Python数据可视化编程实战》—— 1.8 在代码中配置matplotlib参数

1.8 在代码中配置matplotlib参数 Python数据可视化编程实战matplotlib库提供了强大的绘图功能,是本书用的最多的Python库.在其配置文件即.rc文件中,已经为大部分属性设定了默认值.本节会介绍如何通过应用程序代码修改matplotlib的相关属性值. 1.8.1 准备工作 如前所述,matplotlib配置信息是从配置文件读取的.在配置文件中可以为matplotlib的几乎所有的属性指定永久有效的默认值. 1.8.2 操作步骤 在代码执行过程中,有两种方式更改运行参数

《Python数据可视化编程实战》——1.8 在代码中配置matplotlib参数

1.8 在代码中配置matplotlib参数 matplotlib库提供了强大的绘图功能,是本书用的最多的Python库.在其配置文件即.rc文件中,已经为大部分属性设定了默认值.本节会介绍如何通过应用程序代码修改matplotlib的相关属性值. 1.8.1 准备工作 如前所述,matplotlib配置信息是从配置文件读取的.在配置文件中可以为matplotlib的几乎所有的属性指定永久有效的默认值. 1.8.2 操作步骤 在代码执行过程中,有两种方式更改运行参数:使用参数字典(rcParam

《Python数据可视化编程实战》—— 1.2 安装matplotlib、Numpy和Scipy库

1.2 安装matplotlib.Numpy和Scipy库 Python数据可视化编程实战 本章介绍了matplotlib及其依赖的软件在Linux平台上的几种安装方法. 1.2.1 准备工作 这里假设你已经安装了Linux系统且安装好了Python(推荐使用Debian/Ubuntu或RedHat/SciLinux).在前面提到的Linux系统发行版中,Python通常是默认安装的.如果没有,使用标准的软件安装方式安装Python也是非常简便的.本书假设你安装的Python版本为2.7或以上.

《Python数据可视化编程实战》——5.2 创建3D柱状图

5.2 创建3D柱状图 Python数据可视化编程实战 虽然matplotlib主要专注于绘图,并且主要是二维的图形,但是它也有一些不同的扩展,能让我们在地理图上绘图,让我们把Excel和3D图表结合起来.在matplotlib的世界里,这些扩展叫做工具包(toolkits).工具包是一些关注在某个话题(如3D绘图)的特定函数的集合. 比较流行的工具包有Basemap.GTK 工具.Excel工具.Natgrid.AxesGrid和mplot3d. 本节将探索关于mplot3d的更多功能.mpl

《Python数据可视化编程实战》—— 1.6 安装图像处理工具:Python图像库(PIL)

1.6 安装图像处理工具:Python图像库(PIL) Python数据可视化编程实战Python图像库(PIL)为Python提供了图像处理能力.PIL支持的文件格式相当广泛,在图像处理领域提供了相当强大的功能. 快速数据访问.点运算(point operations).滤波(filtering).图像缩放.旋转.任意仿射转换(arbitrary affine transforms)是PIL中一些应用非常广泛的特性.例如,图像的统计数据即可通过histogram方法获得. PIL同样可以应用在

《Python数据可视化编程实战》—— 1.9 为项目设置matplotlib参数

1.9 为项目设置matplotlib参数 Python数据可视化编程实战本节介绍matplotlib使用的各种配置文件的位置,以及使用这些配置文件的意义.同时还将介绍配置文件中的具体配置项. 1.9.1 准备工作 如果不想在每次使用matplotlib时都在代码开始部分进行配置(像前一节我们做的那样),就需要为不同的项目设定不同的默认配置项.本节将介绍如何做到这一点.这种配置方式使得配置项与代码分离,从而使代码更加整洁.此外,你可以很容易在同事间甚至项目间分享配置模板. 1.9.2 配置方法

《Python数据可视化编程实战》—— 1.7 安装requests模块

1.7 安装requests模块 Python数据可视化编程实战我们需要的大部分数据都可以通过HTTP或类似协议获得,因此我们需要一些工具来实现数据访问.Python的requests库能让这部分工作变得轻松起来. 虽然Python提供的urllib2模块提供了访问远程资源的能力以及对HTTP协议的支持,但使用该模块完成基础任务的工作量还是很大的. Request模块提供新的API,减轻了使用web服务的痛苦,使其变得更直接.Requests封装了很多HTTP 1.1的内容,仅在需要实现非默认行

《Python数据可视化编程实战》—— 1.3 安装virtualenv和virtualenvwrapper

1.3 安装virtualenv和virtualenvwrapper Python数据可视化编程实战如果同时工作在多个项目上,或是需要在不同项目间频繁切换,将所有的软件都安装在操作系统层级上也许不是一个好主意.当需要在不同系统(产品环境)上运行软件时,这种方式会带来问题.如果到此时才发现缺少特定的软件包,或是产品环境已经安装的软件包存在版本冲突,这将是非常痛苦的.为避免这种情况发生,可以选择使用virtualenv. virtualenv是由Ian Bicking创建的开放源代码项目.通过这个项