Помогите установить numpy для python 2.7.x

import random
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
 
# Массив атрибутов:
X = []
# Массив классов:
y = []
 
# Открываем и читаем в lines файл исходных данных iris.data:
f = open("iris.data")
lines = f.readlines()
 
# Перемешиваем lines:
random.shuffle(lines)
 
# Читаем в X атрибуты, в y - числа, сопоставленные соответвующим классам:
for line in lines:
    line = line.split(',');
    X.append(map(float, line[0:len(line)-1]))
    if line[len(line)-1] == 'Iris-setosa\n':
        y.append(0)
    elif line[len(line)-1] == 'Iris-versicolor\n':
        y.append(1)
    else:
        y.append(2)
 
# Заполняем обучающие и тестовые массивы:
for size in range(6,10):
    Xlearn = X[:len(X)/10*size]
    Ylearn = y[:len(y)/10*size]
    Xtest = X[len(X)/10*size:]
    Ytest = y[len(y)/10*size:]
 
    # Передаём обучающий массив классификатору:
    clf = DecisionTreeClassifier().fit(Xlearn, Ylearn)
    # Строим дерево с помощью graphviz:
    with open("st.dot", 'w') as f:
        f = tree.export_graphviz(clf, out_file=f)
    # Передаём тестовый массив классификатору:
    Z = clf.predict(Xtest)
    # Число верно классифицированных Ирисов:
    rp = 0
    # Число не верно классифицированных Ирисов:
    wp = 0
    # Если классифицированное значение совпадает с истинным: rp++; если нет: wp++
    for i in range(len(X)/10*(10-size)):
        if Z[i] == Ytest[i]:
            rp += 1
        else:
            wp += 1
    # Процент обучающих данных:
    print "Learning data", size*10, "%"
    print "Right prediction: ", rp
    print "Wrong prediction: ", wp
    # Точность:
    print "Accuracy: ", float(rp)/(rp+wp)