Armin Ronacher对此进行了详细的讨论。从根本上讲，Linux发行版不够统一，不能依赖特定库的存在来链接；甚至python库也可能不一致。在
您可以为您正在使用的环境构建自己的控制盘，并根据需要安装多次，这对于持续集成系统应该很有效：$ pip wheel pandas
Collecting pandas
Downloading pandas-0.18.1.tar.gz (7.3MB)
100% |████████████████████████████████| 7.3MB 131kB/s
...
Successfully built pandas
$ ls pandas*
pandas-0.18.1-cp35-cp35m-linux_x86_64.whl
$ pip install pandas-0.18.1-cp35-cp35m-linux_x86_64.whl
Processing ./pandas-0.18.1-cp35-cp35m-linux_x86_64.whl
...
Successfully installed pandas-0.18.1 python-dateutil-2.5.3 pytz-2016.4 six-1.10.0
注意，numpy确实在pypi上提供了linuxwheel文件。从内部看(它们是简单的zip文件)，我们可以看到它们捆绑了通常的numpy库，比如lapack_lite以及它们的依赖项(本例中是gfortran和openblas)：
^{pr2}$
相比之下，由O/S安装的numpy将lapack_lite链接到/usr/lib/libblas，后者通过debian alternatives系统链接到优化的libatlas，因此它应该具有更好的性能(未经测试)。在
看看lapack链接，他们使用的是非常标准的库，因此它应该可以在许多64位linux系统上运行：$ ldd lapack_lite.cpython-35m-x86_64-linux-gnu.so
linux-vdso.so.1 => (0x00007fffadf7a000)
libopenblasp-r0-39a31c03.2.18.so => /tmp/numpy/linalg/./../.libs/libopenblasp-r0-39a31c03.2.18.so (0x00007f5efb8bc000)
libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f5efb69e000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f5efb2d9000)
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f5efafd3000)
libgfortran-ed201abd.so.3.0.0 => /tmp/numpy/linalg/./../.libs/libgfortran-ed201abd.so.3.0.0 (0x00007f5efacda000)
/lib64/ld-linux-x86-64.so.2 (0x00007f5efe0d4000)
想必有人也可以自愿为熊猫制作轮子，让它们在不同版本的python中保持最新。请注意pandas.so文件链接到libpython，但是尽管numpy进行了python调用，但不知何故还是避免了这样做。在
编辑2016-05-25：增加了车轮的制造和安装说明。在