【量化交易】SciPy-Python科学算法库安装、附带切换python版本、及python虚拟环境路径问题解决。

SciPy库提供了大量有用的函数和类，用来解决各种专业领域的问题。

本文翻译自Jupyter nbviewer中的第三讲。

首先，介绍了一些特殊函数，如贝塞尔函数，这对物理学问题的计算提供了方便；之后是各种数值积分问题，常微分方程求解问题以及傅里叶变换，这些也可以描述并求解一些诸如复摆运动、阻尼震荡等复杂的物理过程；

同时，该库还可以高效处理线性代数问题，如矩阵的运算、特征值和特征向量以及稀疏矩阵的存储和运算；

最优化问题，即寻找函数极值和零点的问题，和插值问题，即用多项式拟合曲线的问题，在SciPy库中也可以找到相应的函数；

最后介绍了统计上的应用，包括各种分布的密度函数、分布函数及其图像绘制，以及一些统计检验问题。

#============================== 安装SciPy 分割线 =================================

因为我的mac上面安装了几个不同版本的py、现在默认的是py2.7的、

但是我pip install SciPy 是不支持2.7的、所以我只能先修改一下版本 如图问题：

方法一：

修改用户根目录下的~/.bash_profile文件，在终端输入：

open ~/.bash_profile

在文件中新增一行：

// 具体版本根据你/Library/Frameworks/Python.framework/Versions这个路径下最新版本自选
// 我的版本是3.7
alias python="/Library/Frameworks/Python.framework/Versions/3.7/bin/python3.7"

添加完之后执行

source ~/.bash_profile

验证：这个修改前是2.7.16版本的、修改后为3.7.5正常啦、继续下一步刚他！不要怂！！

方法二：（如果上面方法不行的话、那就用这个绝招看看了）

修改~/.bashrc 来达到目的

open ~/.bashrc

在文件中添加

alias python="python3"

这句话的意思就是 让python命令与phthon3等价，所以你每次在shell中输入python也就相当于输入了phthon3了。

这个时候再去看看版本号对不对、如果对了 下面这个东西就跳过吧！字多懒得看~

# =============== 方法二的标注============

注：使用方法3的时候发现并未生效，查资料显示Mac下要加载bashrc的方法是

～/.bashrc里面的一些设置，比如alias命令的设置“不起作用”，新开一个终端都要source一下才起作用。
unix下当shell是login shell，.bash_profile才会加载，而bashrc正好相反。
真正的区别是在Linux下，当用户登录到一个图形界面，然后打开一个终端terminal，那些shell是non-login shell。
然而，在OS X登录的时候，并没有运行着一个shell，所以，在运行Terminal.app的时候，其实那是一个login shell。
后来新建了 .bash_profile加载一次.bashrc就ok啦

if [ "${BASH-no}" != "no" ]; then  
    [ -r ~/.bashrc ] && . ~/.bashrc  
fi  

# =============== 方法二的结束============

如果继续刚的途中还发现这个问题~

原来是虚拟环境路径惹的锅、参考一下输入这个路径~ ↓

先查找自己的python路径位置：

python  --->import sys  ----> print sys.path

获取到后自己稍微编辑下拿到这个路径、敲下或自己替换如下命令即可：

pip3 install --target=/Library/Frameworks/Python.framework/Versions/3.7/Resources/ SciPy

就发现正在安装啦！！

这下距离梦想又近了一步~~

# ==================================== 分割线 ===================================

 

作者：J.R. Johansson (邮箱：[email protected])

译者：一路向上

最新版本的用法介绍见网站http://github.com/jrjohansson/scientific-python-lectures.

其他相关介绍见http://jrjohansson.github.io.

# 调用绘图函数
%matplotlib inline
import matplotlib.pyplot as plt
from IPython.display import Image

简介

SciPy框架建立于低一级的NumPy框架的多维数组之上，并且提供了大量的高级的科学算法。一些SciPy的应用如下：

1. 特殊函数 (scipy.special)
2. 积分 (scipy.integrate)
3. 优化 (scipy.optimize)
4. 插值 (scipy.interpolate)
5. 傅里叶变换 (scipy.fftpack)
6. 信号处理 (scipy.signal)
7. 线型代数 (scipy.linalg)
8. 稀疏特征值问题 (scipy.sparse)
9. 统计 (scipy.stats)
10. 多维图像处理 (scipy.ndimage)
11. 文件输入输出 (scipy.io)

内容也是多啊、这里就先安装的为一部分、下一部分的就为导入包再跟着学习总结再记录一篇文章啦。

准备吃饭去~