在本文中，我将向您展示如何在 macOS Big Sur 上安装 Python，包括 NumPy、SciPy 和 Matplotlib。我将向您展示如何使用 arm64 Apple Silicon 版本原生安装上述三个库。我假设您使用的是 M1 或更新的 arm64 处理器。
MacOS Big Sur 默认搭载 Python 2.7，目前仅修复了一些错误，并且自 2020 年起已停止支持。Python 3 是未来的发展方向，所有主流 Python 库都支持它。在本教程中，我们将使用 Python 3.9，这是撰写本文时 Python 的最新稳定版本。
首先安装 macOS 的命令行工具。请注意，即使您已经安装了 Xcode，也仍然需要命令行工具。打开终端并输入：
xcode-select --install
另外需要注意的是，安装命令行工具后，您还会获得一个稍旧的 Python 3 版本 (3.8)。截至撰写本文时，无论是 https://www.python.org/ 上的官方 Python 版本还是 Apple 提供的版本，都无法使用默认的 Python 机制通过 pip 原生安装 NumPy、SciPy 或 Matplotlib。
为了能够原生安装上述三个库，我们将使用 Miniforge，Apple 也推荐使用 Miniforge 来安装其他尚未通过 pip 支持的 arm64 库。
在 Miniforge 页面上，请确保下载适用于 arm64（Apple Silicon）架构的库：
Miniforge 下载页面
您的下载文件夹中应该会包含一个名为 Miniforge3-MacOSX-arm64.sh 的文件。
接下来，打开终端，导航到“下载”文件夹，使 Miniforge3-MacOSX-arm64.sh 可执行并运行脚本：
cd Downloads
chmod +x Miniforge3-MacOSX-arm64.sh
./Miniforge3-MacOSX-arm64.sh
您可以放心地接受默认设置，并对所有问题都回答“是”。安装完成后，激活 Miniforge：
source ~/miniforge3/bin/activate
此时，您的提示符应该会显示您正在使用基础环境。如果您在终端中打开新标签页或重新启动终端，基础环境将默认激活。
现在，我们将使用 Miniforge 中的 conda 命令创建一个名为 work 的新环境（您可以使用其他名称），并激活它：
conda create -n work python=3.13
conda activate work
此时，您的提示符应该会显示您正在使用工作环境。
激活工作环境后，我们可以将 NumPy、SciPy 或 Matplotlib 安装到此环境中：
conda install numpy scipy matplotlib
请注意，如果您重新启动终端，它将恢复到基础环境。如果您需要使用工作环境或刚刚安装的库，请使用：
conda activate work
来激活它。
另外，当您处于活动环境中时，您可以使用 python 命令调用 Python 解释器，而无需使用版本号。
现在让我们尝试一些更有趣的事情，用 Matplotlib 绘制一个简单的函数。启动 Python 解释器并尝试接下来的示例。
首先，我们将使用以下命令导入 NumPy 和 Matplotlib：
1 import numpy as np
2 import matplotlib.pylab as plt
接下来，我们可以在 (0, 1) 区间定义一些点：
1 t = np.linspace(0, 1, 100)
现在，让我们绘制一个定义在上述区间的抛物线：
1 plt.plot(t, t**2)
2 plt.show()
完整的代码：
import numpy as np
import matplotlib.pylab as plt
t = np.linspace(0, 1, 100)
plt.plot(t, t**2)
plt.show()
~
你应该看到类似这样的结果：
#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
xpoints = np.array([0, 6])
ypoints = np.array([0, 250])
plt.plot(xpoints, ypoints)
plt.show()
#Two lines to make our compiler
import numpy as np
import matplotlib.pylab as plt
t = np.linspace(0, 1, 100)
plt.plot(t, t**2)
plt.show()able to draw:
plt.savefig(sys.stdout.buffer)
