1、搭建matplotlib環境

　　構建matplotlib運行環境，需要滿足相關軟件環境。

　　numpy庫提供大數據集的數據的數據結構和數學方法。諸如元組、列表或字典等python的默認數據結構同樣可以很好的支持數據的插入、刪除和諒解。NumPy的數據結構支持矢量操作，使用簡便，同時具有很高的執行效率。矢量操作在實現時充分考慮了大數據的需要，基于C語言的方式也保證了執行效率。

　　基于Numpy的scipy庫，是Python的標準科學計算和數學計算工具包，包含了大量的專用函數和算法。大部分函數和算法源自著名的Netlib軟件倉庫（http://www.netlib.org)，實際上是使用C語言和Fortran實現的。

?

1、安裝NumPy

　　安裝Python-NumPy軟件包

apt-get install python-numpy

安裝完成后，使用命令

python -c 'import numpy; printf numpy_.__version__'

　　檢查版本。

2、安裝所需庫

　　libpng1.2：PNG文件處理

　　freetype6：處理True type字體

?

sudo apt-get install libfreetype6 sudo apt-get install libpng12-dev

3、安裝matplotlib

apt-get install python-matplotlib4

如果你想進行機器學習方向的學習，下面這些庫也是必不可少的。

4、安裝scipy

Scipy是一個高級的科學計算庫，它和Numpy聯系很密切，Scipy一般都是操控Numpy數組來進行科學計算，所以可以說是基于Numpy之上的開發工具。

apt-get installl python-scipy5

5、安裝數據分析工具pandas?

apt-get install python-pandas 6

6、sklearn是必不可少的，sklearn中包含了大量的優質的數據集，在你學習機器學習的過程中，你可以通過使用這些數據集實現出不同的模型。安裝指令

apt-get install python-sklearn

2、安裝virtualenv和virtualenvwrapper

　　如果同時工作在多個項目上，或是需要在不同項目間頻繁切換，將所有軟件都安裝在操作系統上并不是一個好主意。當需要在不同系統上運行軟件時，這種方式會帶來問題。virtualenv它可以創建一個獨立的python環境，這樣就可以讓我們很容易的在不同的運行環境之間切換。同時，如果需要切換到另外的機器或者需要在產品服務器上部署軟件時，用virtualenv可以很容易的重新構建相同的軟件包。

1、安裝pip

　　pip是安裝并管理Python軟件包的工具，可以用它來代替easy install工具。pip安裝命令如下：

apt-get install python-setuptoolseasy_install pip

什么時候該用pip,什么時候該用apt-get呢？情況是這樣的，如果你需要最新版本的python依賴包，你可以直接使用apt-get,在項目突然需要使用舊版本的依賴包時，你就可以使用virtualenv和pip來使完美得再安裝上一個舊版本的依賴包；?

2、安裝virtualenv和virtualenvwrapper

easy_install virtualenv
easy_install virtualenvwrapper

安裝完成后，需要在系統中添加virtualenvwrapper的環境變量，在~/.bashrc文件中的最后添加路徑如下

source "/usr/local/bin/virtualenvwrapper.sh" export WORKON_HOME="/opt/virtual_env/"

3、關于virtualenv使用

（1）　首先創建一個虛擬環境

virtualenv python_env

系統在預設虛擬環境時，默認的會依賴系統環境中的包，如果不想依賴西戎的包，可以加上?--no-site-packages?來建立虛擬環境即

virtualenv --no-site-packages python_env

（2）啟動虛擬環境

進入到虛擬環境的目錄下，使用命令

source bin/active

可以看到，在最前面多了一個虛擬環境的名稱，說明虛擬環境已經開始運行了。

?（3）在虛擬環境安裝新的Python 套件

安裝套件的命令為

pip install [套件名稱]

如果想要避免pip在沒有進入虛擬環境時被使用，可以在~/.bashrc加上：

export PIP_REQUIRE_VIRTUALENV=true

要求pip一定要在虛擬環境中執行。

也可以用下面的設定，讓系統的pip自動使用啟動中的虛擬環境。

export PIP_RESPECT_VIRTUALENV=true

避免意外將套件安裝至系統環境。

?（4）退出虛擬環境

　　在命令中輸入

deactivate

　　即可推出虛擬環境。

?

4、關于virtualenvwrapper的使用

Virtualenvwrapper 是一個Virtualenv 的擴展，可使虛擬環境的管理變得更容易。

詳細來說，Virtualenvwrapper 提供下述功能：

將所有的虛擬環境整合在一個目錄下。

管理（新增、移除、復制）所有的虛擬環境。

可以使用一個命令切換虛擬環境。

Tab 補全虛擬環境的名字。

每個操作都提供允許使用者自訂的hooks。

可撰寫容易分享的extension plugin 系統。

?使用如下：

?

使用命令mkvirtualenv可以進行一次性裝配

mkvirtualenv [-i package] [-r requirements_file] [virtualenv options] ENVNAME

　　當然也可以一步步來，首先創建虛擬環境

　　然后可以看到在~/.virtualenvs的文件下創建了一個虛擬環境，我們可以如virtualenv一樣去文件加下激活，但是這樣就比較麻煩，virtualenvwrapper提供了一個非常有用的激活命令workon來進行激活，我們可以直接使用命令進行激活。

workon 要激活的環境名

?

?除此之外，virtualenvwrapper還提供了一些其他的命令方便我們使用：

（1）虛擬環境列出指令

lsvirtualenv [-b] [-l] [-h]

　　其中-b是簡短模式；-l是詳細模式（預設）；-h是印出help資訊。

（2）復制虛擬環境指令

cpvirtualenv ENVNAME TARGETENVNAME

　　

（3）移除虛擬環境指令

rmvirtualenv ENVNAME

　　

還有更多指令請查看查考手冊。

?

3、安裝圖像處理工具PIL

?　　python圖像庫（PIL）為python提供了強大的圖像處理能力，PIL支持的文件格式相當廣泛，其特性有快速數據訪問、點運算、濾波、圖像縮放、旋轉、任意仿射轉換等。

?使用命令

apt-get install python-PIL

即可安裝。

有一個專門針對PIL編寫的在線手冊，可以查看鏈接學習。

?

?

4、安裝requests模塊

　　我們需要的大部分數據都可以同通過HTTP或類似協議得到，因此，我們需要一些工具來實現數據訪問，雖然python提供的urllib2提供了訪問遠程資源的能力，但是該模塊完成基礎任務的工作量較大。Request封裝了HTTP1.1的內容，并提供了新的API，僅在需要實現非默認訪問的情況下才需要暴露相關內容。安裝用

apt-get install python-requests

　　下面為一個requtests的使用小例子(運行環境python3.4)：

import requests r = requests.get('http://github.com/timeline.json') print(r.content)

　　運行結果如下：

本例中，是向github站的URI發送HTTP GET請求，以JSON格式返回了GITHub網站的活動時間表。在成功讀取HTTP響應后，對象r包含了HTTP響應內容以及其他屬性信息（HTTP狀態碼、cookie、HTTP頭元數據，甚至包括當前響應所對應的請求信息。

?

5、在代碼中配置matplotlib參數

　　在matplotlib的配置文件.rc文件中，已經為大部分屬性提供了默認值，這里講解下如何在代碼中配置matplot參數。

　　在代碼執行過程中，有兩種方法運行參數：使用字典（rcParams)或調用matplotlib.rc()命令進行更改。第一種方式，可以通過rcParams訪問修改所有已經加載的配置項，第二種方式中，可以通過向matplotlib.rc()傳入屬性的關鍵字元元組來修改配置項。

　　如果要修改重置動態修改后的配置參數，可以調用matplotlib.rcdefaults()將配置重置為標準設置。

　　下面通過兩段代碼延時之前介紹的功能

使用matplotlib.rcParams的例子

import matplotlib as mpl mpl.rcParams['lines.linewidth'] = 2 mpl.rcParams['lines.color'] = 'y'

使用matplotlib.rc()函數的例子。

import matplotlib as mpl mpl.rc('lines',linewidth=2,color='r')

　　上面兩個例子具有相同的作用，第二個例子中，我們設定后續的所有線條寬度為2個點，第一個例子中的最后一條語句表面光，語句之后的所有線條的衍射均為紅色，除非本地覆蓋他。下面給出一個實際應用的例子。

import matplotlib.pyplot as plt import numpy as npt=np.arange(0.0,1.0,0.01) s=np.sin(2*np.pi*t)plt.rcParams['lines.color'] = 'r' plt.plot(t,s) c=np.cos(2*np.pi*t) plt.rcParams['lines.linewidth'] = '3' plt.plot(t,c) plt.show()

　　使用python test.py運行上面的test.py程序，運行結果如下：

?

6、為項目設置matplotlib參數

　　如果不想每次使用matplot時都在代碼開始部分進行分配，就需要為不同的項目設定不同的默認配置項。假設一個項目對于matplot的特性參數總會設置相同的值，就沒有必要每次編寫新的繪圖代碼時都進行相同的配置。取而代之的，應該是在代碼之外，使用一個永久的文件設定matplotlib參數默認值。

　　通過matplotlibrc來配置文件。配置文件在三個不同位置，而他們的位置決定了他們的應用范圍，三個位置的說明如下：

　　當前目錄：即代碼運行的目錄。在當前目錄下，可以為目錄所包含的當前項目定制matplotlib配置項。配置文件的名稱為matplotlibrc。

　　用戶級.matplotlib/matplotlibrc文件：通常在用戶的$HOME目錄下。可以用matplotlib.get_configdir()命令來找到當前用戶的配置文件目錄。

　　安裝級配置文件：通常在python的site-packages目錄下。這是系統級配置，不過在每次重新安裝matplotlib后，覆蓋文件會被覆蓋。因此如果希望保持持久有效的配置，最好選擇在用戶級配置文件中進行設置。目前對本配置文件的最佳應用方式，是將其作為默認配置模板。如果在用戶級配置文件已經比較混亂，或者需要為新項目做全新配置時，可以基于該配置文件進行配置。

　　在shell中運行以下命令，即可打印出配置文件目錄的位置：

python -c 'import matplotlib as mpl; print mpl.get_configdir()'

配置文件包括以下配置項：

　　axes：設置坐標軸邊界和表面的顏色、坐標刻度大小和網格的顯示。

　　backend：設置目標輸出TKAgg和GTKAgg。

　　figure:控制dpi、邊界顏色、圖形大小和子區設置。

　　font：字體集，字體大小和樣式設置。

　　grid：設置網格顏色和線型。

　　legend：設置圖例和其中文本的顯示。

　　line：設置線條（顏色、線性、寬度等）和標記。

　　patch：填充2D空間的圖形對象，如多邊形和圓。控制線寬、顏色和抗鋸齒設置等。

　　savefig：可以對保存的圖形進行單獨設置。

　　text：設置字體顏色、文本解析等。

　　verbose:設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。

　　xticks和yticks：為x、y軸的主刻度和次刻度設置顏色、大小、方向以及標簽大小。

?

?

參考資料

MATPLOTLIB

關于在Ubuntu下安裝配置numpy,scipy,matplotlibm,pandas 以及sklearn

Python: Ubuntu 安裝numpy,scipy,matplotlib

Python?的虛擬環境及多版本開發利器─Virtualenv 與 Pythonbrew

http://effbot.org/

?

轉載于:https://www.cnblogs.com/noticeable/p/8933753.html

總結

以上是生活随笔為你收集整理的ubuntu下搭建一个数据化处理的开发环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。