Anaconda集合了python,Spyder,Jupyter
notebook及conda—–包管理器与环境管理器(含常用的panda,numpy等),省去单独下载的繁琐步骤,方便使用。

安装Ancaconda

Anaconda能够运行在Windows、Mac OS X 和
Linux平台。可以在https://www.continuum.io/downloads找到安装包和文档。如果你已经在电脑里安装了Python也没有关系,安装Ancaconda后你的程序将会使用Anaconda自带的Python作为默认版本。

可以选择使用Python 3.6版本或Python
2。如果你使用64位的操作系统就选择64为的安装程序,否则就选择32位的。赶紧选择合适的版本安装吧!下载后是一个sh脚本文件,然后运行类似的命令:

bash Anaconda2-4.3.0-MacOSX-x86_64.sh

安装之后,你会进入conda默认环境,在命令行终端中运行conda
list你可以像下图那样查看已经安装的软件包:

home88一必发 1

列出当前环境的软件包

建议最开始以命令行的方式使用Anaconda,以后再使用GUI的方式。


如何使用Anaconda来管理
Python 所用的包和环境

 

软件包管理

安装完Anaconda后,管理软件包就变得非常容易。如果要安装一个软件包,在命令行终端中输入 conda
install 包名
。比如要安装 numpy,就输入conda install numpy

home88一必发 2

使用conda安装numpy

你可以同时安装多个软件包,比如输入 conda install numpy scipy
pandas 
就会一次性把这些软件包都安装了。也可以添加版本号来指定软件包的版本,就像conda
install numpy=1.10

Conda会自动地为你安装相关的依赖。比如 scipy 依赖 numpy ,如果你只运行
conda install scipy ,如果你还没有安装过 numpy,Conda 同时会把 numpy
也一起安装了。conda install pandasconda install numpy pandas
这两个命令是一样的,因为 pandas 依赖 numpy。

大多数命令都是非常简单的。比如卸载删除,就使用conda remove
package_name
。更新一个软件包,就使用conda update
package_name
。如果你打算更新一个环境里的所有软件包,就使用conda
update –all
。还有就是曾经使用过的conda
list
,会列出所有已经安装的软件包。

如果你想一个软件包,却不确定软件包完整的名字,你看可以使用 conda
search search_term 
进行搜索。比如想要安装 Beautiful
Soup,却不确定它具体的名字,可以尝试输入
conda search beautifulsoup

home88一必发 3

搜索 beautifulsoup

这样就会输出一份 Beautiful Soup 软件包列表,可以看到包名为
beautifulsoup4。


Anaconda
能让你轻松安装在数据科学工作中经常使用的包。你还将使用它创建虚拟环境,以便更轻松地处理多个项目。Anaconda
简化了我的工作流程,并且解决了我在处理包和多个 Python
版本时遇到的大量问题。

注:如过已经下载过python,可点击python安装包,再次setup,选择uninstall.
如Geany等IDE不影响Anaconda下载。

多环境管理

就像前面所说过的,conda
能够给不同的项目创建独立的环境。要创建一个环境,在命令行终端中输入 conda
create -n env_name list_of_packages
。这里的 -n
env_name 
用于设置你环境的名字,list_of_packages
是你要安装在环境中的软件包列表。比如,要创建一个名为my_env的环境,并且在环境中安装
numpy,可以输入 conda create -n my_env numpy

在创建环境的时候,你可以指定 Python 的版本。当你使用 Python 2.x 和
Python 3.x 在项目中的时候,这个非常有用。创建指定 Python
的版本,可以这样输入 conda create -n py3 python=3 conda create
-n py2 python=2
。这些命令会安装最新的 Python 3 和 Python 2
版本。如果要指定更小的版本号,比如 Python 3.3,可以使用类似的命令
conda create -n py python=3.3

Anaconda 实际上是一个软件发行版,它附带了conda、Python 和 150
多个科学包及其依赖项。应用程序conda是包和环境管理器。

 

进入一个环境

当你创建了一个环境,在 OSX 或 Linux 系统中可以使用 source activate
my_env
进入。

home88一必发 4

进入名为my_env的环境

当你在一个环境中的时候,
你可以在终端中看到当前环境的名字。比如(my_env) ~
$
。默认情况下只会安装少量的软件包。你可以使用 conda
list 
来确认。在环境中安装软件包和之前一样:conda install
package_name
。只不过这次是安装的软件包只在你当前的环境下有效。要离开当前环境,在
OSX 或 Linux 下是输入 source deactivate

使用conda来管理包和环境能减少将来在处理你要使用的各种库时遇到的问题。

Anaconda下载官网:

保存和加载环境

一个很有用的特性就是“环境共享”,别人就可以很方便就安装所有你程序中用到的软件包,并且保证版本号的正确。你可以用命令 conda
env export > environment.yaml 
保存软件包列表到一个 YAML
文件中。其中 conda env export 会输出环境中所有的软件包信息,包括
Python 的版本。

home88一必发 5

输出当前环境软件包信息

在上面可以看到环境的名字和所有的依赖(包括版本号)。其中 >
environment.yaml
会把内容输出到environment.yaml YAML
文件中。这个文件可以共享给别人,别人就能够创建同样的环境了。

要加载一个 YAML 文件创建环境,使用conda env create -f
environment.yaml
。这会创建一个与environment.yaml
文件中同样名字的新环境。

管理

包管理器用于在计算机上安装库和其他软件。你可能已经熟悉 pip,它是 Python
库的默认包管理器。conda 与 pip
相似,不同之处是可用的包以数据科学包为主,而 pip
适合一般用途。但是,conda并非像 pip 那样专门适用于
Python,它也可以安装非 Python
的包。它是适用于任何软件堆栈的包管理器。也就是说,并非所有的 Python
库都能通过 Anaconda 发行版和 conda 获得。在使用 conda
的同时,你仍可以并且仍将使用 pip 来安装包。

Conda 安装了预编译的包。例如,Anaconda 发行版附带了使用MKL
库编译的
Numpy、Scipy 和
Scikit-learn,从而加快了各种数学运算的速度。这些包由发行版的贡献者维护,这意味着它们通常滞后于新版本。但是,由于有人需要为许多系统构建这些包,因此,它们往往更为稳定,而且更便于你使用。

 

列出所有的环境

可以使用conda env
list列出所有环境。你可以看到一个环境列表,“星号”标记表示当前的环境,默认是一个叫
root 的环境。

home88一必发 6

列出已有的环境

环境

除了管理包之外,conda
还是虚拟环境管理器。它类似于另外两个很流行的环境管理器,即virtualenv和pyenv。

环境能让你分隔你要用于不同项目的包。你常常要使用依赖于某个库的不同版本的代码。例如,你的代码可能使用了
Numpy 中的新功能,或者使用了已删除的旧功能。实际上,不可能同时安装两个
Numpy 版本。你要做的应该是,为每个 Numpy
版本创建一个环境,然后在适用于项目的环境中工作。

在应对 Python 2 和 Python 3 时,此问题也会常常发生。你可能会使用在
Python 3 中不能运行的旧代码,以及在 Python 2
中不能运行的新代码。同时安装两个版本可能会造成许多混乱和错误。而创建独立的环境会好很多。

也可以将环境中的包的列表导出为文件,然后将该文件与代码包括在一起。这能让其他人轻松加载代码的所有依赖项。pip
提供了类似的功能,即pip freeze > requirements.txt。

在 Windows 上,会随 Anaconda 一起安装一批应用程序:

Anaconda Navigator,它是用于管理环境和包的 GUI

Anaconda Prompt 终端,它可让你使用命令行界面来管理环境和包

Spyder,它是面向科学开发的 IDE

清华镜像:

删除环境

如果有个环境你不再使用了,可以使用 conda env remove -n
env_name 
删指定的环境,比如这里久是要删除名为 env_name 的环境。

管理包

安装了 Anaconda 之后,管理包是相当简单的。要安装包,请在终端中键入conda
install package_name。例如,要安装 numpy,请键入conda install numpy。

你还可以同时安装多个包。类似conda install numpy scipy
pandas的命令会同时安装所有这些包。还可以通过添加版本号(例如conda
install numpy=1.10)来指定所需的包版本。

Conda
还会自动为你安装依赖项。例如,scipy依赖于numpy,因为它使用并需要numpy。如果你只安装scipy(conda
install scipy),则 conda 还会安装numpy(如果尚未安装的话)。

大多数命令都是很直观的。要卸载包,请使用conda remove
package_name。要更新包,请使用conda update
package_name。如果想更新环境中的所有包(这样做常常很有用),请使用conda
update –all。最后,要列出已安装的包,请使用前面提过的conda list。

如果不知道要找的包的确切名称,可以尝试使用conda search
search_term进行搜索。例如,我知道我想安装Beautiful
Soup,但我不清楚确切的包名称。因此,我尝试执行conda
search beautifulsoup。

 

管理环境

如前所述,可以使用 conda
创建环境以隔离项目。要创建环境,请在终端中使用conda create -n env_name
list of packages。在这里,-n
env_name设置环境的名称(-n是指名称),而list of
packages是要安装在环境中的包的列表。例如,要创建名为my_env的环境并在其中安装
numpy,请键入conda create -n my_env numpy。

创建环境时,可以指定要安装在环境中的 Python 版本。这在你同时使用 Python
2.x 和 Python 3.x 中的代码时很有用。要创建具有特定 Python
版本的环境,请键入类似于conda create -n py3 python=3或conda create -n
py2
python=2的命令。实际上,我在我的个人计算机上创建了这两个环境。我将它们用作与任何特定项目均无关的通用环境,以处理普通的工作(可轻松使用每个
Python 版本)。这些命令将分别安装 Python 3 和 2
的最新版本。要安装特定版本(例如 Python 3.3),请使用conda create -n py
python=3.3。

Anaconda分为python2和python3两个版本,建议选择python3的最新版本,且安装完成后可单独配置其他版本。

进入环境

创建了环境后,在 OSX/Linux 上使用source activate my_env进入环境。在
Windows 上,请使用activate my_env。

进入环境后,你会在终端提示符中看到环境名称,它类似于(my_env) ~
$。环境中只安装了几个默认的包,以及你在创建它时安装的包。可以使用conda
list检查这一点。在环境中安装包的命令与前面一样:conda install
package_name。不过,这次你安装的特定包仅在你进入环境后才可用。要离开环境,请键入source
deactivate(在 OSX/Linux 上)。在 Windows 上,请使用deactivate。

 

保存和加载环境

共享环境这项功能确实很有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。可以使用conda
env export >
environment.yaml将包保存为YAML。第一部分conda
env export写出环境中的所有包(包括 Python 版本)。

上图可以看到列出了环境的名称和所有依赖项及其版本。导出命令的第二部分>
environment.yaml将导出的文本写入到 YAML
文件environment.yaml中。现在可以共享此文件,而且其他人能够创建和你用于项目相同的环境。

要通过环境文件创建环境,请使用conda env create -f
environment.yaml。这会创建一个新环境,而且它具有在environment.yaml中列出的同一库。

下载时选择推荐路径,并安装在自定义的D或E盘相应位置。

列出环境

如果忘记了环境的名称(我有时会这样),可以使用conda env
list列出你创建的所有环境。你会看到环境的列表,而且你当前所在环境的旁边会有一个星号。默认的环境(即当你不在环境中时使用的环境)名为root。

 

删除环境

如果你不再使用某些环境,可以使用conda env remove -n
env_name删除指定的环境(在这里名为env_name)。

安装完毕后,打开Anaconda Navigator,开始初始设置。

最佳做法

 

使用环境

对我帮助很大的一点是,我的 Python 2 和 Python 3
具有独立的环境。我使用了conda create -n py2 python=2和conda create -n
py3 python=3创建两个独立的环境,即py2和py3。现在,我的每个 Python
版本都有一个通用环境。在所有这些环境中,我都安装了大多数标准的数据科学包(numpy、scipy、pandas
等)。

我还发现,为我从事的每个项目创建环境很有用。这对于与数据不相关的项目(例如使用
Flask 开发的 Web
应用)也很有用。例如,我为我的个人博客(使用Pelican)创建了一个环境。

输入conda list,查看已经安装好的内容。

共享环境

在 GitHub
上共享代码时,最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。对于不使用
conda 的人,我通常还会使用pip
freeze(在此处了解详情)将一个
piprequirements.txt文件包括在内。

 

了解更多信息

要详细了解 conda 和它如何融入到 Python 生态系统中,请查看这篇由 Jake
Vanderplas 撰写的文章:Conda myths and
misconceptions(有关
conda 的迷思和误解)。此外,有空也可以参考这篇conda
文档。

如果报错诸如“不是内部或外部命令,也不是应用程序”,首先检查是否曾经安装的python没有删除干净,其次查询PATH.

 

配置环境变量Path操作方法如下:

控制面板–系统和安全–系统–高级系统设置–高级页面下环境变量–path新建–范例(D:SoftwareAnacondaScripts)

 

 

而后,在Anaconda Navigator输入conda –version查询是否配置成功。

 

所有包更新

conda upgrade –all

【y/n】后面输入y

即可更新所有包

注:此步骤非必须,因为后续配置环境等过程中会提示更新或自动更新所需相应的包。

 

管理包(如request)的命令:

1)安装:conda install request  或  pip install request

2)卸载:conda remove request

3)更新:conda update request

4)列出所有安装包:conda list

5)搜索:conda search request(搜索内容为关键词)

 

环境:

0)虚拟环境:输入activate,直接进入(base)环境

1)安装:输入conda create -n (设置环境名称,如first)python=3

2)进入环境的命令:activate first

3)退出环境的命令:deactivate first

4)列出环境的命令:conda env list

5)删除环境的命令:conda env remove -n first、

6)环境导出:环境的文件为yaml文件,命令为conda env
export>envorinment.yaml

7)环境导入:首先进入某一环境,然后更新环境,更新的命令为conda env update
-f=(本地路径)

 

相关文章