系統：gentoo linux (64bit, kernel 3.7.1)
配置：intel(r) core(tm) i7-2670qm
在gentoo中安裝numpy/scipy非常簡單，直接emerge就可以解決。但是預設鏈結的blas/lapack庫效能非常差，在矩陣計算方面比matlab慢了不少。原因在於matlab使用的是高度優化的數值計算庫intel math kernel library (mkl)。最新的mkl庫在science overlay中有，安裝後通過eselect blas/lapack set可以將系統預設鏈結的庫設定為mkl（如mkl64-int64-dynamic-openmp）。設定之後再emerge numpy就可使用鏈結mkl庫的numpy，而且可以發現svd等常用矩陣計算函式的速度大大提公升。可問題是scipy無法emerge通過，檢視log發現scipy無法檢測到-lblas，即它根本沒有識別系統預設鏈結庫的設定。science overlay中blas/lapack庫及其相關包的安裝向來十分糾結，因為這裡面似乎還沒有完善的鏈結管理。這些問題持續了至少一年，近來才發現（部分）解決途徑。
我們改換策略，手工安裝numpy。首先獲取最新的numpy包：
git clone git: numpy
首先在根目錄中加入site.cfg檔案：
[mkl]
library_dirs = /opt/intel/mkl/composer_xe_2013/lib/intel64
include_dirs = /opt/intel/mkl/include
mkl_libs = mkl_rt
lapack_libs =
這裡library_dirs與include_dirs是mkl的相關路徑，注意各linux發行版有細微區別。接下來修改numpy/distutils/intelccompiler.py中的cc_exe：
self.cc_exe = 'icc -o3 -g -fpic -fp-model strict -fomit-frame-pointer -openmp -xhost'
以及numpy/distutil/fcompiler/intel.py中ifort的引數（最新版numpy裡已經設定好了）。最後回到根目錄進行編譯：
sudo python2.7 setup.py config --compiler=intelem --fcompiler=intelem build_clib --compiler=intelem --fcompiler=intelem build_ext --compiler=intelem --fcompiler=intelem install
因為使用的是64位系統，所以是intelem。由於用到了intel的c與fortran編譯器（這二者也能帶來效能的提公升），編譯前需要預先安裝icc以及ifc（直接emerge即可安裝）。注意，上述命令只編譯了python2.7版本的，而之後系統編譯scipy還需要py3k版本，所以還需要用python3.2再編譯一次，這樣兩種版本的numpy就都安裝在了系統中。至此我們已經從原始碼安裝了numpy，且讓其鏈結上了最新的mkl庫。
現在產生了乙個新的問題：使用emerge安裝scipy等其他依賴numpy的包時系統會自動安裝numpy，覆蓋掉我們手工安裝的numpy，這樣就又回到了之前的老路子。這時gentoo靈活的配置性就體現出來了，通過
echo "dev-python/numpy-1.7.0" >> /etc/portage/profile/package.provided
我們可以告訴系統numpy的1.7.0版本已經手動安裝好了，這樣系統之後安裝其他依賴包時就不會再動numpy了。當然，隔一段時間後numpy可能會發布新版本，這時更新系統會把已安裝的numpy覆蓋掉，所以要定期手動公升級numpy。
上面這種方法的好處是最大程度保留了系統功能，讓系統去自動處理盡量多的任務，留給我們的任務僅僅是每隔一段時間更新numpy。使用python做普通科學計算，其效能主要由numpy決定，因此保證numpy的最優就足夠。當然也可以手動編譯所有python數值計算庫，只是會在更新時多費些時間和精力。
實際測試中，這種方法安裝的numpy的速度稍快於matlab，不過numpy與scipy的自帶測試並沒有全部通過。這並不影響基本使用，因此我還未**原因何在。
玩轉Numpy計算庫
numpy是python語言的乙個擴充套件程式庫。支援多維陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式庫。numpy是人工智慧 資料分析從業者必備的知識和技能，也是學習後續python擴充套件庫 matplotlib,scipy,pandas,seaborn,scikit image等 的基...
Numpy計算庫（3）陣列的計算
1.一元計算 arr np.arange 24 reshape 2,3,4 生成2個3 4的矩陣 print arr 1.1計算平均值 arr.mean 計算平均值 系統自帶 a arr.mean print a 計算所有數字的數字的平均值 np.mean arr 模組numpy計算 計算速度快 c...
科學計算庫Numpy 陣列（ndarray）
學過其他強型別語言的朋友都知道陣列是一種資料型別，它裡面的元素必須是同一種型別，類似python的列表，但是這種列表只能是同種元素。用法numpy.array list tuple import numpy as np 重新命名numpy為np arr np.array 1,2,3,4,5,6 建立...