NO.3_1：自学python之路------番外：第三方库安装、numpy
引言
Python因为pip的存在，使得第三方库的发布和获取都比较方便。并且Python对跨平台的支持，使得其相较于C++，Java更加方便使用。在本文中，将会介绍在Windows中安装第三方库的方法，并简单介绍对Tensorflow的使用有着比较重要的库numpy。
numpy为Python提供了多维数组对象，使得Python中的数组可以像Matlab一样方便使用，并且numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
正文
安装
由于对Linux不熟悉，暂时所有的工作都在Windows平台上完成。所以这里将介绍Python的安装及第三方库的安装方法。
安装Python：
1.百度搜索Python，进入Python的官方网页。
2.选择你所需要的Python版本进行安装，2.X版本，或者3.X版本。
3.打开，下一步，下一步……注意勾选一个自动设置环境变量，如果没有点到也没有关系，记住安装的路径。下面将介绍Windows下Python环境变量的设置。
环境变量
配置Python环境变量：
1.在我的电脑右键——属性——高级系统设置——环境变量。如果桌面上没有我的电脑，请打开文件资源管理器，在左侧中寻找。
2.在系统环境变量中选择Path项——然后点添加——分别将Python的安装路径和根目录下的Scripts文件添加到环境变量中。如本人的路径是：C:\Program Files\Python36\和C:\Program Files\Python36\Scripts\
这样就完成了环境变量的设置，这时可以打开CMD（找不到可以点运行——输入cmd）或者Windows PowerShell（在开始图标右键）。输入python回车，若已设置好就会进入Python。
三方库
安装第三方库通常有两种方法（其实是只会两种，咳咳）。第一种比较简单，但是需要电脑能链接到外部的网络。由于我是使用校园网，所以可以很方便的使用第一种方法。
第一种方法，pip：
1.常用的第三方库都可以在PyPI中搜索得到。这里用numpy举例。在PyPI中搜索numpy。
2.下拉后发现多种不同版本的numpy，选择需要的。如本人就选择了numpy-1.14.1-cp36-none-win_amd64.whl (md5, pgp)
3.下载后不用着急打开，将文件移动到Python安装目录下的Scripts文件夹下。如C:\Program Files\Python36\Scripts\
4.打开CMD或者Windows PowerShell，然后输入pip3.6 install 下载的文件的路径+文件名。这里需要提醒一下，由于我的Python安装路径中有空格，CMD无法识别路径。还好在Windows中可以使用C:\Progra~1\来代替C:\Program Files\。所以只需要输入：
pip3.6 install C:\Progra~1\Python36\Scripts\numpy-1.14.1-cp36-none-win_amd64.whl
然后等待下载安装完成，就成功的安装好了第三方库。如果第一种方法不可行，也不要着急，可以使用下面的方法。
第二种方法：
2.下拉，找到完整安装包numpy-1.14.1.zip (md5, pgp)。
3.解压，并记住解压到的路径。如D:\numpy-1.14.1\numpy\
4.打开CMD或者Windows PowerShell，输入cd 刚才的路径。如：
cd D:\numpy-1.14.1\numpy\
5.这时就转移到安装包的路径中了。然后在CMD或者Windows PowerShell中输入：
python setup.py install
就可以完成安装了，如果报错可以试着打开Windows PowerShell(管理员)或者管理员运行CMD尝试4，5步。如果还不行，我也不会了。
安装完成后可以在CMD或者Windows PowerShell中进入Python。然后输入：
import numpy#也可以是你安装的其他库
回车后看是否报错。不报错即为安装成功。
numpy
当使用第三方库时，都要在程序的开头导入文件，而往往有些库名比较长而且复杂，虽然现在绝大多数IDE都有自动填写的功能，但是仍可以用简写来方便调用。例子：
import numpy as np
定义向量和矩阵的方法，例子：
import numpy as np vector = np.array([1,2,3,4,5,6]) matrix = np.array([[1,2,3],[4,5,6]])
同时还提供了多种初始化向量的方法，例子：
import numpy as np data_1 = np.arange(10)#生成0~9的向量 data_2 = np.arange(5,20,0.5)#括号中分别为（起始值，终止值，间隔） data_3 = np.linspace(10,30,10)#括号中分别为（起始值，终止值，参数个数）
初始化矩阵也有很多手段，例子：
import numpy as np #向量转换法，转换时个数不匹配会报错 data_1 = np.arange(10).reshape(2,5)#生成0~9的2*5的矩阵 data_2 = np.arange(10)#生成0~9的向量 data_2.shape = (2,5)#转换为2*5的矩阵 #直接定义法 data_3 = np.zeros((3,4))#输入是元组，生成3行4列的0矩阵，默认float型 data_4 = np.ones((3,4),dtype=np.int)#生成3行4列的int型1矩阵 data_5 = np.random.random((3,4))#生成3行4列取值-1~1之间的矩阵
建立完，就需要学习数组间的操作了。数组的切片选取与Matlab类似。主要需要学会冒号的用法。[a:b]是指取从a开始到b所有的参数。当a,b都不填时，即[:]是指取全部数据，只填a，是从a到结束。只填b类似。[::2]是指间隔为2，选取参数，即[开始:结尾:间隔]。例子：
import numpy as np matrix = np.arange(25).reshape(5,5)#生成5*5的矩阵 number_1 = matrix[1,4]#取矩阵中第2行，第5列的数 number_2 = matrix[:,0]#取矩阵中第1列的数
数组的赋值。例子：
import numpy as np matrix = np.arange(25).reshape(5,5)#生成5*5的矩阵 matrix[0,0] = 100#赋值 matrix_new = matrix#浅赋值，会一同改变 matrix_new = matrix.view()#浅复制 matrix_new = matrix.copy()#深复制 matrix_new = np.tile(matrix,2)#复制一次matrix并列合并
一些常用操作，例子：
import numpy as np matrix = np.arange(25).reshape(5,5)#生成5*5的矩阵 matrix.argmax()#返回最大值 matrix.argmax(axis=0)#返回各列最大值的位置 matrix.argmax(axis=1)#返回各行最大值的位置 matrix.T#转置矩阵 matrix.ravel()#转为向量 matrix.shape#返回（行，列）可以用来debug matrix.ndim#返回矩阵维度 matrix.size#返回参数个数 matrix.dtype#返回参数类型，注numpy中所有的参数类型都必须相同，否则会自动转换
常用运算，例子：
import numpy as np matrix_a = np.arange(25).reshape(5,5)#生成5*5的矩阵 matrix_b = np.random.random((5,5))#生成5*5的矩阵 np.floor(matrix_b)#返回矩阵中各个元素向下取整的矩阵 matrix_a - matrix_b#对应元素相减 matrix_a - 1#全部元素减1 matrix_a**2#全部元素平方 matrix_a > 25#返回相同形状矩阵，对应位置分别为true和false matrix_a*matrix_b#对应元素相乘 np.dot(matrix_a,matrix_b)#矩阵乘法
作业
安装numpy及会使用的第三方库。
后记
这里举出的方法可能不够全面，numpy是一个功能强大的库。本人将在后面的学习中不断更新扩展numpy的介绍。
