写给初学者的Python与pip安装教程

写给初学者的Python与pip安装教程

在Python编程中，安装包（package）是一个重要的环节。Python本身提供了pip这一安装和管理包的便捷工具，然而目前网上所能找到的有关pip的中文资料，大多数在实际操作中都不能得到理想的结果。这是一篇面向Python新手的简单教程，在介绍了Python的安装和配置后，笔者试将个人在Windows平台上使用pip的经验与大家分享，希望对大家有所帮助。

第一步：安装Python

在Python官网https://www.python.org/getit/上点击

Download Python 3.6.2

或红圈处下载python.exe，建议大家下载Python3而非Python2



下载后运行程序，弹出如下窗口



选择

Customize installation

，界面如下



在

optional features

中，选择所有安装选项，可以看到，Python3的安装程序会自动为用户安装pip，而Python2中pip是需要自己重新下载的。



在

Advanced Options

中，选择所有安装选项，可以看到其中有一项

Add Python to environment variables

，这是将Python3的环境变量添加到系统中，建议直接将Python安装在C盘下，如图所示。这样在安装完成后，在win7/8/10系统下点击

此电脑->属性->高级系统设置->环境变量->系统变量

，点击PATH，（在win10系统下）就可以看到



注：红线所画出的是笔者电脑安装Python3.5的位置，对于Python3.6同样有类似效果。大家也可以在PATH中新建系统变量位置，但是注意，在win10以前的系统中，不同的PATH变量之间是只能以分号间隔来区分的，所以请在添加环境变量的同时，不要改动原有的环境变量，以免造成不必要的麻烦。

第二步 使用pip

安装完成后，打开命令提示符，快捷键win+R弹出如下窗口，输出cmd



在命令行中输入python，回车，如果出现这样的结果，即添加环境变量成功。



在命令行中打开pip.py所在的位置（一般是Python安装目录的Scripts文件夹下），输入

python -m pip

关于pip的详细使用参见https://wiki.python.org/moin/CheeseShopTutorial，这里只给出安装包的命令

python -m pip install <package name>

如



另一种方法是，从以下三个网址中任意一个

https://pypi.python.org/pypi?%3Aaction=browse （PyPI，官方下载地址）

http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy （UCI，即加州大学欧文分校提供的下载源）

https://pypi.doubanio.com/simple/ （豆瓣镜像）

下载所需包的 whl文件，在命令行中输入文件位置，如

python -m pip install C:\Users\lenovo\Downloads\numpy-1.13.1+mkl-cp35-cp35m-win32.whl

对于whl文件，cp后面指的是版本号，如cp35代表适用于Python3.5，win32代表32位系统，注意你所安装的Python是基于32位系统还是64位系统的，以下载对应的whl文件。

注意：虽然numpy可以直接通过第一种方法下载安装，但是另一个重要的Python库scipy是基于添加了mkl（math kernel library）的numpy，而直接用pip下载的numpy不包含mkl，因而会影响到接下来安装scipy，因此建议采用这种方式下载numpy ，对于其他包则建议使用pip进行安装，因为许多常用的python库会依赖一些大家不太熟悉的“小库”，pip在安装时如果发现您的电脑里缺失这些依赖库，就会顺便帮您安上。

在安装完成后，如果输入

import numpy
import matplotlib as mpl

这样的测试语句不报错，则说明安装成功。

常见问题

关于Python的IDE的问题

Python自带一个简单的IDE，许多Python教程会建议大家使用Anaconda或Pycharm等更加“强大”的IDE，就像我们习惯用VS编写C/C++，用MyEclipse编写Java一样；但是Anaconda或Pycharm往往附带了大量我们用不上的package，所以从我个人而言，其实更倾向于使用代码编辑器+python extension的方式编辑代码，在命令行中运行。

# 一行python代码画心形

print('\n'.join([''.join([('Love'[(x-y)%7]if((x*0.05)**2+(y*0.1)**2-1)**3-(x*0.05)**2*(y*0.1)**3<=0 else' ')for x in range(-30,30)])for y in range(15,-15,-1)]))

像notepad++，sublime text等代码编辑器都提供了python插件，以更好的编写和调试python代码，但个人更推荐巨硬家的VSCode，若仅就python而言，VSCode的python extension更便捷，对初学者更为友好。

常用的Python第三方库

以下所列出的库是Python中一些常用的函数库，它们都不是Python本身自带，可以通过pip下载。具体的安装方式和使用方法在对应的tutorial中有详细的讲解：

NumPy，用于数组和矩阵处理

Matplotlib，用于绘图

SciPy，Python科学计算库，基于Numpy+mkl

以上三个库是最为广泛运用的Python科学计算库，在长期发展中取得了巨大的成功，几乎已经成为业界标准

Pandas，用于统计和数据处理

SymPy，用于符号计算

Scikit-learn，Python的机器学习库，基于numpy和SciPy，安装命令是

-m pip install scikit-learn

调用命令是

import sklearn

tensorflow，深度学习函数库，基于numpy和SciPy，由Google研发，用C++编写，目前最广泛使用的深度学习框架之一；尽管提供python，c++，matlab和Java等语言的接口，但python依然是TensorFlow（以及其他深度学习框架）推荐的开发语言。安装TensorFlow的过程比较复杂，建议参考TensorFlow官网。

另外，由于TensorFlow的函数接口较为复杂，python中还有一些package对TensorFlow进行了高级别封装，其中TensorLayer对初学者较为友好，且速度相对较快，以下文字摘自TensorLayer官网

TensorLayer 是为研究人员和工程师设计的一款基于Google TensorFlow开发的深度学习与强化学习库。它提供高级别的（Higher-Level）深度学习API，这样不仅可以加快研究人员的实验速度，也能够减少工程师在实际开发当中的重复工作。 TensorLayer非常易于修改和扩展，这使它可以同时用于机器学习的研究与应用。此外，TensorLayer 提供了大量示例和教程来帮助初学者理解深度学习，并提供大量的官方例子程序方便开发者快速找到适合自己项目的例子。

nltk，自然语言处理库，基于numpy和SciPy

PIL，Python图像处理库，基于numpy，实现基本的图像处理操作，安装命令是

-m pip install pillow

调用命令是

import PIL

OpenCV，著名的图像处理库，基于numpy，opencv本身提供了C++, Java与Python接口，也可以通过pip下载OpenCV的whl文件，安装命令是

-m pip install opencv

调用命令是

import cv2

wxPython，Python GUI编写，是可视化库wxWidgets的Python版，安装命令是

-m pip install wxpython

调用命令是

import wx

可以用wxFormBuilder（下载地址：https://github.com/wxFormBuilder/wxFormBuilder）搭建GUI，然后直接生成Python代码

- PyQt，可视化库Qt的Python版PyQt5，可视化库Qt的Python版，需要配合pyqt5-tools使用，pyqt5-tools中有QtDesigner，支持用户通过在GUI中拖拽控件的方式生成GUI代码，添加

pyuic.bat

内容如下：

@echo off

"C:\Python36-32\Scripts\pyuic5.exe" %1 %2 %3 %4 %5 %6 %7 %8 %9

在该目录下用cmd执行

pyuic5 -o x.py x.ui

即生成对应python代码，添加主函数即可运行。

ScraPy，Python爬虫框架

Jupiter Notebook，它的功能主要是编写交互式的python文档，并支持将文档输出为HTML、markdown、tex和PDF等

py2exe和pyinstaller是两个常用的把Python脚本封装为EXE的库

OpenGL，著名的图形学函数库，可以下载其whl文件使用

Django & Flask，两个常用的Python web框架库

pyecharts ，一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，这个package是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图，成为matplotlib的有力补充。Pyecharts的GitHub页面给出了详细的说明。

……

关于pip与easy-install的比较

建议使用pip，相比于easy-install，pip的功能更加强大，对用户更加友好，且Python3可以自动安装pip

关于Python2和Python3的比较

关于Python2和Python3的区别此处不再赘述，需要指出，Python3编译器的鲁棒性更强，安装过程对用户更为友好，对中文字符支持更友好，也一定程度上代表了未来Python的发展方向。绝大多数Python第三方库都已经对Python3提供支持，许多常用package（包括NumPy，matplotlib，SciPy，pandas等等）的python2版本都将停止维护，因此个人认为应当用Python3，而且是Python3.5+进行学习和开发。