Pular para o conteúdo principal
Documentos
noções básicasCriação de matriz

Instalando o NumPy

Para instalar o NumPy, use o gerenciador de pacotespip Python:

pip install numpy

Esse comando baixa e instala a versão mais recente do NumPy do Python Package Index (PyPI). Se você estiver usando a distribuição Anaconda, também pode instalar o NumPy usandoconda:

conda install numpy

Exemplos

1. Instalação básica

pip install numpy

Esse comando instala o NumPy no seu ambiente Python, permitindo que você comece a usá-lo para manipulações de matrizes e operações matemáticas.

2. Especificando uma versão

pip install numpy==1.21.0

Aqui, a versão 1.21.0 do NumPy é especificada para instalação, garantindo compatibilidade com outros pacotes ou requisitos específicos do projeto.

3. Instalando em um ambiente virtual

python -m venv myenv source myenv/bin/activate pip install numpy

Essa sequência primeiro cria um ambiente virtual (myenv), ativa-o e, em seguida, instala o NumPy dentro desse ambiente isolado para dependências específicas do projeto.

4. Verificando a instalação

Para ver se a instalação deu certo, usa o seguinte comando para conferir a versão instalada do NumPy:

 
python -c "import numpy; print(numpy.__version__)"

Dicas e melhores práticas

  • Use ambientes virtuais: Sempre use ambientes virtuais para gerenciar dependências e evitar conflitos entre projetos diferentes.

  • Verifique a compatibilidade: Garanta a compatibilidade com outras bibliotecas verificando os requisitos de versão e dependências. Fica de olho nos requisitos do sistema que podem afetar o sucesso da instalação.

  • Fique por dentro das novidades: Atualize o NumPy regularmente para aproveitar as melhorias de desempenho e correções de bugs usando pip install --upgrade numpy.

  • Solução de problemas: Problemas de instalação que aparecem com frequência podem ser resolvidos verificandopipse há Pythonconflitos de caminho.

  • Escolhendo entrepip e conda: Emborapipseja muito usado em todos os pacotes Python,condaé útil no ecossistema Anaconda para gerenciar dependências e ambientes complexos em projetos de ciência de dados.