Python上的科学计算工具链也就那几个著名的包Numpy、Scipy、Matplotlib。在Unix-like的操作系统上，得益于操作系统自带的包管理器，这几个包轻轻松松就能安装上。但在Windows环境下就相当困难。以前的文章中讨论过如何使用预编译好的whl包在pip包管理器中安装。提供whl包下载的网站上的一句
Install numpy+mkl before installing scipy.
https://www.lfd.uci.edu/~gohlke/pythonlibs/
很容易让大家产生误解：scipy依赖mkl。然而并不是，mkl全称Intel (M)ath (K)ernel (L)ibrary。在Intel处理器上进行数学运算将会有相当显著的加速，下图是Intel官方所做的benchmark：
可以看到Intel的黑科技是多么的厉害。因此mkl只是scipy在Intel处理器上做加速优化时才需要的一个包（这么厉害的东西，理论上当然是要钱的）。那么同理，如果要在AMD处理器上做同样的加速优化就需要ACML（AMD Core Math Library ），然而遗憾的是，目前还没有人成功合成numpy+acml这种东西；如果想要在异构平台上做加速优化，那就要OpenCL或者OpenBLAS（由中国科学院软件研究所负责维护）之类的开源数学库。但优化说到底只是一个可选选项，完全可以不要优化嘛。
| Visual C++ | CPython |
| 14.0 | 3.5, 3.6 |
| 10.0 | 3.3, 3.4 |
| 9.0 | 2.6, 2.7, 3.0, 3.1, 3.2 |
谈完了mkl的问题，接下来就是如何通过pip简单地安装numpy、scipy、matplotlib等等的包。这个问题的核心就在于如何安装好C/C++编译器，需要注意在Windows平台上，不同的Python版本需要不同的编译器版本。这里值得重点强调的是：如果你无意进行C/C++开发，那么C/C++ IDE你并不需要安装，只需要Build Tools（中文：生成工具）。
这里以Python3.6为例，在微软网站上下载VC++ 14.0的生成工具，按默认配置安装即可。在这之后就可以用pip非常简单地安装上numpy、scipy等等需要编译的包。当然这么安装的包，速度非常感人，因此这种安装方式只适合开发环境，而不适合生产环境。