SciPy - 环境搭建

SciPy - 环境搭建

要使用 SciPy，您首先需要一个可用的 Python 安装（推荐使用 Python 3.7 或更新版本，以支持现代 SciPy 版本）。SciPy 本身是一个包，需要安装到您的 Python 环境中。

强烈建议使用虚拟环境来管理您的项目依赖项。Python 内置的 venv 模块或 Conda 环境是极好的选择。

安装方法

1. 使用 pip（Python 包安装器）

pip 是 Python 的标准包安装器。如果您已安装 Python 和 pip，可以在您的终端或命令提示符中运行以下命令，从 Python 包索引 (PyPI) 安装 SciPy：

# Create and activate a virtual environment (recommended)
# 创建并激活一个虚拟环境（推荐）
# python -m venv my_scipy_env
# source my_scipy_env/bin/activate  # On Linux/macOS # 在 Linux/macOS 上
# .\my_scipy_env\Scripts\activate  # On Windows # 在 Windows 上

pip install scipy

此命令将下载并安装 SciPy 及其主要依赖项 NumPy（如果尚未安装）。要安装特定版本：

pip install scipy==1.10.0  # Example: install SciPy version 1.10.0 # 示例：安装 SciPy 1.10.0 版本

2. 使用 Conda（Anaconda 或 Miniconda）

Anaconda (https://www.anaconda.com/products/distribution) 和 Miniconda (https://docs.conda.io/en/latest/miniconda.html) 是流行的 Python 发行版，它们带有 conda 包管理器。Conda 在管理包和环境方面非常方便，尤其是对于科学计算。

要在 Conda 环境中安装 SciPy：

# Create a new conda environment (optional, but recommended)
# 创建一个新的 conda 环境（可选，但推荐）
# conda create --name my_scipy_env python=3.9
# conda activate my_scipy_env

conda install scipy

Conda 通常默认从 anaconda 频道安装包，该频道通常提供针对各种系统优化的预编译二进制文件。您也可以指定其他频道，例如 conda-forge：

conda install -c conda-forge scipy

3. 系统包管理器（Linux）

在 Linux 发行版上，您通常可以使用系统的包管理器安装 SciPy。然而，这些版本可能并非总是最新的。为了更好地控制包版本，通常首选在虚拟环境中使用 pip 或 conda。

Debian/Ubuntu：

sudo apt-get update
sudo apt-get install python3-scipy

（这将为系统的 Python 3 安装 SciPy。您可能还需要 python3-numpy、python3-matplotlib 等，以获得完整的科学计算堆栈。）

Fedora：

sudo dnf install python3-scipy

验证安装

安装后，您可以通过打开 Python 解释器并尝试导入 SciPy 来验证它是否正确安装：

python
>>> import scipy # 导入 scipy
>>> print(scipy.__version__) # 打印 scipy 版本
# This should print the installed SciPy version, e.g., 1.10.1
# 这应该打印已安装的 SciPy 版本，例如 1.10.1

如果导入成功且版本打印无误，则 SciPy 即可使用。

关键依赖项

SciPy 在其 N 维数组对象和基本数值运算方面严重依赖 NumPy。当您安装 SciPy 时，如果 NumPy 尚未安装，它将自动安装。

对于某些功能或跟随许多教程（包括绘制结果），您可能还需要安装科学 Python 生态系统中的其他包：

• Matplotlib：用于绘图和可视化（pip install matplotlib）。
• Pandas：用于数据操作和分析，特别适用于表格数据（pip install pandas）。
• scikit-learn：用于机器学习（pip install scikit-learn）。
• scikit-image：用于高级图像处理（pip install scikit-image）。
• IPython/Jupyter：用于增强的交互式 Python 体验和 Notebooks（pip install ipython jupyter）。

获取全面科学 Python 环境的常用方法是安装 Anaconda 发行版，它捆绑了这些包的大部分。