- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在 Ubuntu 14.04 上使用 Sublime Text 3,我只是在准备使用 Sublime 中的包管理。我遇到了这个插件Advanced CSV并通过 Package Control 安装它,但它说它需要将 numPy 库安装在“packages 文件夹中”。现在我对这意味着什么有点困惑,我发现了很多类似的问题,但这是关于插件开发的,因此我并没有真正理解它们。
我的问题是,在将文件夹 numpy-1.11.0
提取到 /home/{username}/.config 后,我是否可以通过标准安装 Python 库(例如 numPy)来实现此目的/sublime-text-3/Packages/
还是其他一些关于构建或添加对配置文件的依赖项的技术?
最佳答案
朱利安·萨利纳斯 answer涵盖了一些粗略的内容,但没有涵盖正确的细节。您不能只下载numpy-1.11.0.tar.gz
来自 PyPI 并将其提取到 Packages/numpy 中。它需要通过运行 setup.py 来构建,令人烦恼的是它需要使用 Python 3.3 来构建,您的系统上可能已经安装了 Python 3.3,也可能尚未安装。原因是 3.3 是 ST3 内部使用的 Python 版本,并且由于插件(在大多数情况下)使用 Sublime 的解释器运行,因此任何已编译的模块都需要使用该解释器的相同的 Major.minor 版本(major.minor 版本)来构建。次要的。微型版本应该没有什么区别)。
假设您不这样做,则必须下载 Python-3.3.6.tgz
(MD5 校验和 here )来自 python.org 并自行构建。如果您习惯在 Linux 上从源代码构建程序,那么这是相当简单的,但是为了构建所有模块(它会在 make
末尾显示哪些模块没有运行)构建)您很可能需要安装一些外部库。
构建并安装 3.3.6 后(我建议使用自定义位置,这样就不会干扰 Python 的系统版本),将 numpy 存档提取到自定义位置并使用setup.py
使用 Python 3.3.6。同样,您可能需要一些外部库才能成功构建它。构建完成后,将其安装到 Python 3.3.6 的 site-packages
目录中,然后最后您可以从 site 复制
到 numpy
文件夹-packages~/.config/sublime-text-3/Packages
。请注意大小写(或缺少大小写) - 最终目录应为 Packages/numpy
,而不是其他答案中所示的 Packages/Numpy
。正确安装后,重新启动 Sublime,高级 CSV 插件应该按预期运行。
祝你好运!
关于python - 为 Sublime Text 3 安装 numpy,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36603963/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!