我是个喜欢尝鲜的人，所以机器上的JDK、GoLang都是最新的，反正PC也不是生产环境。最近重装机器，又正好看到Python 3.7的Alpha版本出来了，就下载了个最新的版本装上，结果悲剧了，pip安装TensorFlow死活不行。折腾小半天，还是乖乖地换回3.6.x，这是TensorFlow Python API所支持的最新版本。

Python 3.6.2

前些日子，跟两个兄弟聊天，突然奇想，打算做个MUD游戏来怀下旧。有个很不错的MUD的框架叫Evennia，是Python写的，而且是基于2.7的。我对机器的软件环境有一种近乎变态的要求，混乱的版本搞在一起当然不能接受，于是就用另一台笔记本安装了Python 2.7，用不同的电脑做不同的事。

大家都晓得，Python 2和3的差异很大，所以官方也还在同时维护2.7和3.x两套东西。这么多年过去了，Python社区做了很多2to3的兼容性工作，按理说不存在选择2还是3的问题了。但是有一些老顽固的人和老顽固的库还在坚守2.x，这就给初学者带来了困惑，到底该学哪一个。

对于初学者，我的建议当然是直接学Python 3，除非有明确的指征要求你必须用Python 2（比如我想做MUD的例子）。

Python 3和2在语法层面改进很大，所以源代码是不兼容的。Python 3是2008年发布的，至今10年了；Python 2的最后一个分支2.7是2010年中期发布的，此后就没有大的改动了。从性价比的角度，也应该选择学习Python 3，而不是花时间去鼓捣2.x。

从Python 3.3（2012年Release的）开始，所有对标准库的改进，都只在3.x版本中体现。这也表明了Python社区从2.x迁移到3.x的决心。Python官方网站上有一篇名叫《Should I use Python 2 or Python 3 in my development activity》的文章，有一句开宗明义的话：

Python 2.x is legacy, Python 3.x is the present and future of the language

作为初学者，是愿意跟一个前朝遗老玩呢，还是愿意跟进Python的现状及未来？

最让人担心的，其实是第三方库和框架，有的还在继续用Python 2.x。我翻了一下github上的一些项目，发现但凡还停留在2.x的，基本处于没人维护的状态。大多数广泛使用的库，都已经兼容Python 3了。Python官网上列出了一些，包括机器学习中最常用的数值计算库Numpy和SciPy，机器视觉常用的OpenCV 3, HTTP库Request，XML PARSER库lxml，WEB框架Django.....关于3和2的兼容性，pythonhosted上有篇文章《Six: Python 2 and 3 Compatibility Library》讲得非常详细，大家可以参考。

最新的Release:：Python 3.6.4

可能也会有高手告诉新手，语法层面的差别不算事儿，Py2和Py3没有区别，编程思想数据结构算法才是核心吧啦吧啦，但是我觉得手锯和电锯还是有区别的。Python作为一门如日中天的动态语言，在不断进化，语法改进的背后，也就是“编程思想”的改进。PL作为一个艰深的计算机科学分支，语法演化的背后是有深刻的思想性的东西的，轻视语法及其语义是不对的。

我的一个朋友遵循最新的C# Spec写了一个软件，然后告诉我说：这代表了我2017年的编程水准（他从1988年开始编程）。我看了看，好多我没见过的东西。虽然前几年我也用C#写过一款赖以谋生的软件产品，但编程方式还比较古老一点，没有深入了解C#语言的最新发展，换言之，也没有了解C#的最新的编程思想。

新的一年里，如果想学一门新的手艺，就学Python 3吧。

Mac OSX本身系统自带Python2.7，但 不建议直接使用、删除和更改 ，因为可能有些程序是需要依赖系统自带的python 2.*，盲目修改后可能会导致系统产生未知错误。

所以建议在 不修改系统的python条件下 搭建Python双版本环境。在给大家分享之前呢，小编推荐一下一个挺不错的交流宝地，里面都是一群热爱并在学习Python的小伙伴们，大几千了吧，各种各样的人群都有，特别喜欢看到这种大家一起交流解决难题的氛围，群资料也上传了好多，各种大牛解决小白的问题，这个Python群：330637182 欢迎大家进来一起交流讨论，一起进步，尽早掌握这门Python语言。

Mac OSX在系统自带的python之外，可以 安装Python2.7和Python3.5/3.6版本 ，并且双版本兼容。

本文下方，防止原文链接失效】

在参考的安装流程中，我发现了一些问题并进行了解决，列出问题及解决方法如下：

1.Python2.7安装后，按原文博主的安装方法无法修改系统默认的Python命令为自己安装Python路径和版本：

解决方法：

打开系统配置文件：

vi ~/.bash_profile

添加入自己的安装的Python2.7的路径地址：

PATH="/usr/local/Cellar/python/2.7.14/bin:${PATH}"

让PATH变量生效：

source ~/.bash_profile

我们看到，命令行输入 which python2.7 时，路径地址改变，不再是系统默认地址：

python2.7

我们前往路径地址修改添加 python

文件：（复制一个python2.7然后重命名为python即可）

前往路径地址修改添加`python`文件

这样默认的python即修改为我们所安装的python2.7版本，而非系统自带的python路径，命令行输入 which python

查看：

查看所安装的python2.7版本

这样，我们就将系统的默认python命令链接到了我们所安装的python目录下，而非系统自带的python路径。

2.Python2.7和Python3.6安装后，pip2和pip3下载的包仍在Mac OSX系统自带的Python2.7的包目录下，而非Python2.7和Python3.6的安装目录：

问题图示如下：

pip的version都是系统自带python的包下载路径：

pip的version都是系统自带python的路径

pip的路径都是系统自带python的路径，而非我们的安装路径：

python的路径

添加入自己的安装的Python2.7和Python3.6的路径地址：

我们看到，命令行输入 which pip 和 pip --version 时，pip的路径地址改变，pip下载的包的地址也改变，不再是系统默认地址：

pip版本显示

这样，即可保证使用pip下载的包路径正确，且和我们所安装的两个版本python分别对应。

3.Pip总是不能正常下载包，安装模块包ConnectTimeoutError错误：

我们在使用pip无法正常下载包的时候可以使用国内镜像服务，如用豆瓣的源下载安装 selenium 包：

pip install selenium -i http://pypi.douban/simple --trusted-host pypi.douban

如果是要给python3下载依赖，注意pip和python版本对应，同理：

pip3 install selenium -i http://pypi.douban/simple --trusted-host pypi.douban

这样，即可正常的使用pip来下载安装包了。

安装流程

主要就这几个步骤而已，不会太困难的（或许有些你本来就装好了）

Step 2 安装套件管理工具Homebrew

Step 4 设定路径$PATH（不跟系统Python 打架）

Step 5 完成啰！确认安装结果～

Step 1 安装Xcode

可以到App Store搜寻Xcode并安装安装好了之后就把Xcode打开～第一次开启的时候会需要同意他的License Agreement之类的东西。然后到terminal输入来安装Xcode command line tool：

xcode-select--install

安装Xcode 就到此结束啰，要进入下一个步骤了！

Step 2安装套件管理工具： Homebrew

可以到官网或是在terminal 里贴上：

ruby-e"$(curl -fsSL https://raw.githubusercontent/Homebrew/install/master/install)"

安装好后可以跑一下

brew doctor

如果出现

Your system is ready to brew.

代表万事OK，那如果有Warning的话，也不用太担心，可以按照里面的步骤去修正就好啰！

如果有出现Warning的话，虽然会在上面看到一句

If everything you use Homebrew for is working fine: please don't worry and just ignore them.

不过还是建议大家把东西装好，才不会到时候忘记自己到底什么东西还没设定好。

Step 3 安装Python

接下来要正式进入安装Python的步骤了！

首先，输入

python --version

天哪！都还没开始装Python，电脑里面怎么已经有了？

这是Mac系统要使用的Python，所以平常没适不要去乱动比较好唷！

所以现在我们要用homebrew来安装平常可以（乱搞？）使用的Python。

利用homebrew 搜寻Python

brew search python

这时候，会看到python和python3。

因为我已经装了，所以旁边会写(installed)。要安装Python啰！

brew install python

这样就开始安装了。

装完之后在输入

brew install python3

在安装的时候，Python 会被安装在

/usr/local/Cellar

那就来看看这个资料夹吧

open /usr/local/Cellar/

就可以看到你正在安装的Python出现了！

除了Python之外，也有可能会装一些其他的东西，例如sqlite。

总之，不用太担心，homebrew会自己搞定。

（因为我装了很多哩哩抠抠，所以你的资料夹里可能不会有这么多东西）

什么是路径$PATH 呢？

还记得我们在装Python的时候，输入了brew，

系统就自动会知道要开始跑homebrew。

系统到底怎么知道我们的brew在哪里？

这就是$PATH的用途了！

echo $PATH

接下来就会看到一串类似这样的东西

/usr/bin**:**/bin**:**/usr/sbin**:**/sbin**:**/usr/local/bin

分号(:)是 分隔 的意思

所以当你在terminal里面输入brew时

系统就会开始从/usr/bin找起

如果在/usr/bin里面找不到的话

就会往下一个/bin去搜寻，以此类推

现在，我们回到资料夹去看

brew其实就在/usr/local/bin里面！

所以现在的问题就是，系统在/usr/bin里面也有一份Python

现在我们在/usr/local/Cellar里面也装了Python

这样在terminal打上python指令时，谁会被开启呢？

因为路径有 顺序 ，所以它会先找到系统的Python

现在就要来解决这个问题

sudo emacs/etc/paths

sudo让我们取得管理员权限

用emacs这个程式编辑路径档案

terminal会要求输入密码

（就是平常装东西也需要输入的密码）现在要把/usr/local/bin移到上面去control + k：把一行字剪下来control + y：把字贴上control + x + s：存档control + x + c：关掉emacs

这时，再打一次

为什么没有变！？

因为要 开一个新的terminal 才会更新唷！

开新式窗后再输入一次就会看到我们刚刚修改的结果了。

这样就完成啰！

其实python3本身比较不会跟其他人打架

因为他就是独立的python3

所以我们主要是要确认是不是读到我们用brew装的python

which python

这时候看到

/usr/local/bin/python

再来看看python3 吧

which python3

应该会是

/usr/local/bin/python3

就代表读到刚刚装好的python啰！

当然如果你要跑系统本身的python

（应该是用不到啦～）

就输入

/usr/bin/python

总之就是…大功告成啰！

谢谢阅读！原文链接：

前言

pip 是一个Python包管理工具，主要是用于安装 PyPI 上的软件包，可以替代 easy_install 工具。

安装pip

1、源码安装

Python2编译安装的时候没有安装pip，可以直接从官方地址下载就可以了。官方地址：https://pypi.python.org/pypi/pip

下载解压后，进入目录直接运行python安装就可以了

python setup.py install

（PS：Python3编译安装就默认带了pip了）

2、使用包管理软件安装

Linux系统一般都是有自带Python，如果只需要系统自带的Python，直接从系统的包管理器安装可以了。

yum install python-pip

或者

apt-get install python-pip

pip更新

pip可以自己更新自己

pip install -U pip

基本使用

（以django包为例）

1、安装PyPI软件

pip install django

2、查看具体安装文件

pip show --files django

3、查看哪些软件需要更新

pip list --outdated

4、升级软件包

pip install --upgrade django

5、卸载软件包

pip uninstall django

6、安装具体版本软件

pip install django #最新版本

pip install django==1.11.8 # 指定版本

pip install 'django>=1.11.0' # 大于某个版本

7、 Requirements文件安装依赖软件

Requirements文件 一般记录的是依赖软件列表，通过pip可以一次性安装依赖软件包:

pip freeze >requirements.txt

pip install -r requirements.txt

8、 列出软件包清单

pip list

pip list --outdated

9、查看软件包信息

pip show django

10、搜索

pip search django

配置pip

配置文件: $HOME/.pip/pip.conf,

比如使用阿里云的同步镜像：

[global]index-url = http://mirrors.aliyun/pypi/simple/[install]trusted-host=mirrors.aliyun

命令行自动补全

对于bash:

pip completion --bash >>~/.profile

对于zsh:

pip completion --zsh >>~/.zprofile

引言： Tensorflow大名鼎鼎，这里不再赘述其为何物。这里讲描述在安装python包的时候碰到的“No matching distribution found for tensorflow”，其原因以及如何解决。前途永远是光明的，道路则永远是曲折的。

简单的安装tensorflow

这里安装的tensorflow的cpu版本，gpu版本可以自行搜索安装指南，或者参考如下指令：

pip3 install tensorflow #cpu

这里使用的python 3.6.3版本。

pip3 install tensorflow-gpu

这里是gpu的版本。

window的环境

window 7.

问题描述：

pip3 install tensorflow

如此简单的指令，应该不会出错吧，结果得到如下错误信息：

Collecting tensorflow

Could not find a version that satisfies the requirement tensorflow (from versions: ) No matching distribution found for tensorflow

为什么没有找到tensorflow呢？那我们自行找找看吧？

pip3 search tensorflow

具体的输出信息如下：

…………………..

tensorbase (0.3) - Minimalistic TensorFlow

Framework

tensorbayes (0.3.0) - Deep Variational Inference in

TensorFlow

tensorflow-tensorboard (0.4.0rc3) - TensorBoard lets you watch

Tensors Flow

tensorboard_logger (0.0.4) - Log TensorBoard events without

Tensorflow

tensorboardX (0.8) - TensorBoardX lets you watch

Tensors Flow without Tensorflow

tensorbuilder (0.3.6) - A light wrapper over TensorFlow

that enables you to easily

create complex deep neural

networks using the Builder

Pattern through a functional

fluent immutable API

tensorflow-utils (0.1.0) - Classes and methods to make

using TensorFlow easier

tensorflow-transform (0.4.0) - A library for data

preprocessing with TensorFlow

tensorflow (1.5.0rc0) - TensorFlow helps the tensors

flow

tensorflow_forward_ad (0.3.3) - TensorFlow forward-mode

automatic differentiation

tensorflow_hmm (0.4.1) - Tensorflow and numpy

implementations of the HMM

viterbi and forward/backward

algorithms

tensorflow_nlp (0.0.1) - Deep Learning NLP Tasks

implemented on Tensorflow

tensorflowonspark (1.1.0) - Deep learning with TensorFlow

on Apache Spark clusters

tensorflowservingclient (0.5.1.post2) - Prebuilt tensorflow serving

client

tensorforce (0.3.4) - Reinforcement learning for

TensorFlow

tensorfunk (0.0.0) - tensorflow model converter to

create tensorflow-independent

prediction functions.

tensorfuse (0.0.1) - Common interface for Theano,

CGT, and TensorFlow

tensorgraph (3.5.8) - A high level tensorflow library

for building deep learning

models

tensorhive (0.1.1) - Lightweight computing resource

management tool for executing

distributed TensorFlow programs

tensorlm (0.3) - TensorFlow wrapper for deep

neural text generation on

character or word level with

RNNs / LSTMs

TensorMol (0.1) - TensorFlow+Molecules =

TensorMol

tensorpack (0.8.0) - Neural Network Toolbox on

TensorFlow

tensorpy (1.1.0) - Easy Image Classification with

TensorFlow!

tensorrec (0.1) - A TensorFlow recommendation

algorithm and framework in

Python.

tensorspark (1.0.6) - Tensorflow on Spark, a scalable

system for high-performance

machine learning

tensorvision (0.1.dev1) - A library to build and train

neural networks in with

TensorFlow for Computer Vision

TFANN (1.0.1) - A neural network module

containing implementations of

MLP, and CNN networks in

TensorFlow.

TFBOYS (0.0.1) - TensorFlow BOYS

tfcf (0.0.0) - A tensorflow-based recommender

system.

tfcoreml (0.1.0) - Tensorflow to Core ML converter

tfdebugger (0.1.1) - TensorFlow Debugger

tfdeploy (0.4.2) - Deploy tensorflow graphs for

fast evaluation and export to

tensorflow-less environments

running numpy.

tfgraph (0.2) - Python’s Tensorflow Graph

Library

tfgraphviz (0.0.6) - A visualization tool to show a

graph like TensorFlow and

TensorBoard

…………………………………………

悲伤的我如此难以自抑，因为我被这个简单的问题折磨的如此深沉。明明可以找到的，怎么却无法安装嗯？我需要自行好好找找明明是谁？ ：-）

问题分析

二话不说，直接上官网上查查看，虽然官网离我朝远隔万里，需要跋山涉水之后方可达到。翻过拿到看不见的墙之后，重要可以看到官方信息了。

官方路标如下： https://tensorflow.org/install/install_windows

其中所提安装步骤非常简洁，如此简洁的步骤，怎么可能出错？ 于是重新梳理了一下，难道是Python或者pip3本身的问题吗？

check pip3

pip –version

发现其为最新版本：

pip 9.0.1 from d:program files (x86)pythonlibsite-packages (python 3.6)

那Python呢？ 官方文档中提到如下：

If one of the following versions of Python is not installed on your machine, install it now:

* Python 3.5.x 64-bit from python.org

* Python 3.6.x 64-bit from python.org

难道我安装的python是假python不成？ 估计有可能吧，难道是64bit的问题？

# 检查python的版本

python -v

得到了python的完整信息：

..........................................> D:Program Files (x86)pythonlib__pycache__sysconfig.cpython-36.pyc matches D:Program Files (x86)pythonlibsysconfig.py> code object from 'D:\Program Files (x86)\python\lib\__pycache__\sysconfig.cpython-36.pyc'import 'sysconfig' # <_frozen_importlib_external.SourceFileLoader object at 0x006A1230>> D:Program Files (x86)pythonlib__pycache___bootlocale.cpython-36.pyc matches D:Program Files (x86)pythonlib_bootlocale.py> code object from 'D:\Program Files (x86)\python\lib\__pycache__\_bootlocale.cpython-36.pyc'import '_locale' # <class '_frozen_importlib.BuiltinImporter'>import '_bootlocale' # <_frozen_importlib_external.SourceFileLoader object at 0x007911D0>> D:Program Files (x86)pythonlibencodings__pycache__gbk.cpython-36.pyc matches D:Program Files (x86)pythonlibencodingsgbk.py> code object from 'D:\Program Files (x86)\python\lib\encodings\__pycache__\gbk.cpython-36.pyc'import '_codecs_cn' # <class '_frozen_importlib.BuiltinImporter'>import '_multibytecodec' # <class '_frozen_importlib.BuiltinImporter'>import 'encodings.gbk' # <_frozen_importlib_external.SourceFileLoader object at 0x00791490>import 'site' # <_frozen_importlib_external.SourceFileLoader object at 0x004F73D0>Python 3.6.3 (v3.6.3:2c5fed8, Oct 3 2017, 17:26:49) [MSC v.1900 32 bit (Intel)] on win32Type "help", "copyright", "credits" or "license" for more information.import 'atexit' # <class '_frozen_importlib.BuiltinImporter'>1234567891011121314151617

其中关于python的关键信息：

Python 3.6.3 (v3.6.3:2c5fed8, Oct 3 2017, 17:26:49) [MSC v.1900 32 bit (Intel)] on win32

“32bit” !!! 一口老血喷出，众里寻他千百度，蓦然回首bug正在这灯火阑珊处。原来是python版本的问题导致的。

修复问题

重新下载一个64bit的python版本，之后重新操作就可以了。

python -v

查看其中的关键信息：

Python 3.6.4 (v3.6.4:d48eceb, Dec 19 2017, 06:54:40) [MSC v.1900 64 bit (AMD64)] on win32

确认是64位，没有问题。

然后直接安装tensorflow:

pip3 install tensorflow

安装过程如下：

C:windowssystem32>pip3 install tensorflowCollecting tensorflow Downloading tensorflow-1.4.0-cp36-cp36m-win_amd64.whl (28.3MB) 100% |████████████████████████████████| 28.3MB 39kB/sCollecting enum34>=1.1.6 (from tensorflow) Downloading enum34-1.1.6-py3-none-any.whlRequirement already satisfied: wheel>=0.26 in d:program files (x86)pythonlibsite-packages (from tensorflow)Collecting protobuf>=3.3.0 (from tensorflow) Downloading protobuf-3.5.1-py2.py3-none-any.whl (388kB) 100% |████████████████████████████████| 389kB 593kB/sCollecting tensorflow-tensorboard<0.5.0,>=0.4.0rc1 (from tensorflow) Downloading tensorflow_tensorboard-0.4.0rc3-py3-none-any.whl (1.7MB) 100% |████████████████████████████████| 1.7MB 182kB/sRequirement already satisfied: six>=1.10.0 in d:program files (x86)pythonlibsite-packages (from tensorflow)Collecting numpy>=1.12.1 (from tensorflow) Downloading numpy-1.13.3-cp36-none-win_amd64.whl (13.1MB) 100% |████████████████████████████████| 13.1MB 81kB/sRequirement already satisfied: setuptools in d:program files (x86)pythonlibsite-packages (from protobuf>=3.3.0->tensorflow)Collecting html5lib==0.9999999 (from tensorflow-tensorboard<0.5.0,>=0.4.0rc1->tensorflow) Downloading html5lib-0.9999999.tar.gz (889kB) 100% |████████████████████████████████| 890kB 504kB/sCollecting bleach==1.5.0 (from tensorflow-tensorboard<0.5.0,>=0.4.0rc1->tensorflow) Downloading bleach-1.5.0-py2.py3-none-any.whlRequirement already satisfied: werkzeug>=0.11.10 in d:program files (x86)pythonlibsite-packages (from tensorflow-tensorboard<0.5.0,>=0.4.0rc1->tensorflow)Collecting markdown>=2.6.8 (from tensorflow-tensorboard<0.5.0,>=0.4.0rc1->tensorflow) Downloading Markdown-2.6.11-py2.py3-none-any.whl (78kB) 100% |████████████████████████████████| 81kB 583kB/sBuilding wheels for collected packages: html5lib Running setup.py bdist_wheel for html5lib ... done Stored in directory: C:Userschenjunfeng1AppDataLocalpipCachewheelsf85c.b8e1292c6214c4eb73b9dda50f53e8e977bf65989373c962Successfully built html5libInstalling collected packages: enum34, protobuf, html5lib, numpy, bleach, markdown, tensorflow-tensorboard, tensorflowSuccessfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.11 numpy-1.13.3 protobuf-3.5.1 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3123456789101112131415161718192021222324252627282930313233

然后大家就可以愉快地写代码了.

总结

问题总在认为不可能的地方发生。如果存在问题，则一定会有原因存在。见或者不见，它都在那里。思考、分析问题与解决是提升的必由之路，通过自由的必经之路。

对应python的组件的安装来说，pip无疑是最为重要的了。

本节主要重点说明一下pip的更新与网络优化

首先来说，默认pip的源都是在国外的，由于国内的网络环境（你懂得）的特殊状况，如果使用默认的pip源，

在国内的网络环境下非常不稳定，将会在安装过程中产生非常不好的影响，因此极力建议将pip的源设置为国内的镜像，

确保pip的使用高效而稳定，废话不说，现在开始。

linux下配置pip为国内源（centos6下调试无问题）

注：为提高使用效率，这里不讲原理，直接上脚本，把我的脚本直接复制到终端运行即可

#更改pip源至国内镜像

mkdir ~/.pip

touch ~/.pip/pip.conf

#添加一下内容

echo "[global]" >>~/.pip/pip.conf

echo "index-url = https://pypi.tuna.tsinghua.edu/simple">>~/.pip/pip.conf

#检查一下文件的内容最终是这样的效果

#python3版本更新

pip3 install --upgrade pip

确保pip是最新版本

运行完成后可以测试一下效果

pip install jupyter

windows下pip设置为国内源的方法

在windows文件管理器中,输入 %APPDATA%

会定位到一个新的目录下，在该目录下新建pip文件夹，然后到pip文件夹里面去新建个pip.ini文件

在新建的pip.ini文件中输入以下内容，搞定

[global]

timeout = 6000

index-url = http://pypi.douban/simple

trusted-host = pypi.douban

这里我也写了一个批处理脚本get_pip_update.bat，直接在命令行执行即可

cd %APPDATA%

mkdir pip

cd pip

echo "[global]">pip.ini

echo "timeout = 6000">>pip.ini

echo "index-url = http://pypi.douban/simple">>pip.ini

echo "trusted-host = pypi.douban">>pip.ini

最后别忘记了更新一下pip自己

Python 2.7.9 及后续版本, Python 3.4 及后续版本已经默认安装了pip，所以推荐使用最新版本的Python（Python2或者Python3）就不需要再安装pip了。

至于pip的使用，主要有如下步骤:

1. 打开命令行窗口

2. 找到pip安装路径。

   Python2/Python3安装路径是相同的，都在x:\Python xx\Scripts路径下

3. 拖动pip主应用程序到命令行窗口

   
   

4. 输入“install + 模块/包名”，注意中间要有空格。然后回车。窗口中会显示下载信息。

   
   

5. 耐心等待安装完成。安装完成后，我们在Python交互窗口导入包，如果不报错，那么说明安装成功，如果报错，那么说明还需要安装其它的依赖包，需要去对应安装包的官网查看文档说明

（本文内容由百度知道网友乔布斯的同学贡献）