使用 numpy 和 pandas 加速 virtualenv 创建答案

【问题标题】：Speedup virtualenv creation with numpy and pandas使用 numpy 和 pandas 加速 virtualenv 创建
【发布时间】：2013-08-06 16:28:00
【问题描述】：

我在一台机器上有多个 virtualenvs，但它们都需要 numpy 和 pandas。我想为每个 virtualenv 分别创建副本，但是创建这些 virtualenvs 需要相当长的时间。是否有一些定义明确的方法可以在我的机器上预编译 numpy 和 pandas 一次，然后执行以下操作：

pip install my_precompiled_numpy

【问题讨论】：

标签： python numpy pandas virtualenv pip

【解决方案1】：

您可以使用wheel 包。我们在pandas 为我们的持续集成构建完成了这项工作，这样我们基本上可以非常快速地下载和安装它们。

看看ci/speedpack/build.sh。这个脚本本质上构建了一堆我们用于 CI 的轮子（包括 numpy 和 scipy）。它们实际上存储在服务器上，然后在 travis-ci 运行时从那里提取。

查看ci/install.sh 以了解安装过程是如何工作的。

在您的情况下，服务器可能有点矫枉过正，但您可以设置本地存储库并从那里安装轮子。

【讨论】：

轮子在没有开发库的情况下可以工作吗？它一直在说ImportError: /local/lib/python2.7/site-packages/numpy/linalg/lapack_lite.so: undefined symbol: dpotrf_。您在 CI 服务器上安装了哪些库以使 numpy Wheel 工作？
我注意到您使用 Cython 从源代码安装 numpy。为什么？
我们从源代码安装，以便我们可以针对多个版本的 numpy 和其他库进行测试。这是我们在不依赖包管理器的情况下加速 CI 迭代的最简单方法（即使我们最终以这种方式安装 lapack，我不确定 Ubuntu 是否跟踪多个版本的 numpy 等）。我们只从源构建一次，以便我们可以通过轮子重用包。

【解决方案2】：

老问题，但我想我可以添加一些最近的见解。我在同一个项目上同时在 OSX 和 Windows 上工作。在尝试为 numpy 等进行二进制安装时，我在 Windows 端遇到了许多延迟（主要是获取正确的文件等）。最近已切换到使用 Anaconda Distribution，它在简化生活方面做得很好。它有自己独特的虚拟环境风格，大大简化了生活。

http://continuum.io/

【讨论】：