目录
Anaconda教程
1. 什么是Anaconda
Anaconda,中文大蟒蛇,是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项
Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等
Miniconda包括Conda、Python
conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换
2. Anaconda和python的区别
Anaconda和python有什么区别呢?相信很多新手伙伴还不太了解的,为此,这里小编就分享关于Anaconda和python的区别内容,有需要的朋友不要错过哦。
1、安装包大小不同
python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包,需要安装pip来导入这些包才能进行相应运算。
Anaconda(开源的Python包管理器)是一个python发行版,包含了conda、Python等180多个科学包及其依赖项。包含了大量的包,使用Anaconda无需再去额外安装所需包
2、内置不同
IPython是一个python的交互式shell,比默认的python shell好用得多,支持变量自动补全,自动缩进,支持bash shell命令,内置了许多很有用的功能和函数。
而Anaconda Prompt是一个Anaconda的终端,可以便捷的操作conda环境。
3. Anaconda的优点
- 你可能已经安装了 Python,那么为什么还需要 Anaconda?有以下3个原因:
(1)包丰富
Anaconda 附带了一大批常用数据科学包,它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。
(2)管理包
Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。
在数据分析中,你会用到很多第三方的包,而conda(包管理器)可以很好的帮助你在计算机上安装和管理这些包,包括安装、卸载和更新包。
(3)管理环境
为什么需要管理环境呢?
比如你在A项目中用了 Python 2,而新的项目B老大要求使用Python 3,而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同,比如不同的pandas版本,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,然后项目的对应环境中工作。这时候conda就可以帮你做到。
2. 如何管理包(模块)
- 安装了 Anaconda 之后,就可以很方便的管理包了(安装,卸载,更新)
- 注意:管理包,是进入某个环境之后的操作
(1)安装包
在终端中键入:
conda install package_name
例如,要安装 pandas,在终端中输入:conda install pandas
1.你还可以同时安装多个包。类似 conda install pandas numpy 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。
2.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)
3.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numpy,但我不清楚确切的包名称。我可以这样尝试:conda search num
(2)卸载包
在终端中键入 :
conda remove package_names
上面命令中的package_names是指你要卸载包的名称,例如你想卸载pandas包:conda remove pandas
(3)更新包
在终端中键入:
conda update package_name
如果想更新环境中的所有包(这样做常常很有用),使用:conda update --all
(4)列出已安装的包
在终端中键入:
conda list
(5)导出虚拟环境的包/新的虚拟环境下安装刚才导出的文件中的包
# 切换到要导出包的虚拟环境下:(用pycharm的Terminal下执行,会在当前项目的根目录下生成requirements.txt文件,系统cmd中执行,则会在 C:\Users\Administrator(或自己的用户名) 目录下生成)
pip freeze > requirements.txt
# 来到新的虚拟环境下,复制上不导出的requirements.txt文件到scripts目录下,执行安装命令
pip install -r requirements.txt
3. 如何管理环境
- conda 可以为你不同的项目建立不同的运行环境
(1)安装nb_conda
安装nb_conda用于notebook自动关联nb_conda的环境
在终端中键入:
1. conda install nb_conda
2. y
(2)创建环境
在终端中使用:
conda create -n env_name package_names
1. 上面的命令中,env_name 是设置环境的名称(-n 是指该命令后面的env_name是你要创建环境的名称),package_names 是你要安装在创建环境中的包名称。
例如,要创建环境名称为 py3 的环境并在其中安装 numpy,在终端中输入 conda create -n py3 pandas
2. 创建环境时,可以指定要安装在环境中的 Python 版本
当你同时使用 Python 2.x 和 Python 3.x 中的代码时这很有用。要创建具有特定 Python 版本的环境,例如创建环境名称为py3,并安装最新版本的Python3在终端中输入:
conda create -n py3 python=3
或也可以这样创建环境名称为py2,并安装最新版本的Python2:
conda create -n py2 python=2
因为我做的项目不同,有时候会用到Python2,还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境,并分别取了这样的环境名称:py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。
如果你要安装特定版本(例如 Python 3.6),请使用 conda create -n py python=3.6
(3)进入环境
1. 在 Windows 上,你可以使用 activate my_env进入。
2. 在 OSX/Linux 上使用 source activate my_env 进入环境。
进入环境后,你会在终端提示符中看到环境名称,下面图片是我进入py2的环境(这里的py2是我上面创建环境时自己起的名称,你可以起个自己喜欢的名称)。
3. 进入环境后,我可以用conda list 查看环境中默认安装的几个包。
4. 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
(4)离开环境
1. 在 Windows 上,终端中输入:
deactivate
2. 在 OSX/Linux 上 输入:
source deactivate 或 conda deactivate
(5)共享环境
共享环境非常有用,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。
1. 你可以在你 当前的一个环境 中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中保存为YAML文件(包括Pyhton版本和所有包的名称)。
2. 命令的第一部分 conda env export 用于输出环境中的所有包的名称(包括 Python 版本)。
3. 在“notebook工作文件夹”下(及你在终端中上图的路径)可以看到导出的环境文件: environment.yaml
4. 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。
导出的环境文件,在其他电脑环境中如何使用呢?
首先在conda中进入你的环境,比如activate py3,然后在使用以下命令更新你的环境:
# 其中-f表示你要导出文件在本地的路径,所以/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml
5. 对于不使用 conda 的用户,我通常还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。
举个例子你可能更容易理解这个使用场景:
首先,我在自己的电脑上在conda中将项目的包导出成environment.txt 文件:
(my_test_env) C:\hsw>pip freeze > environment.txt
然后我将该文件包含在项目的代码库中,其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境。
他在自己的电脑上 进入python命令环境 ,然后运行以下命令就可以安装该项目需要的包:
pip install -r /path/requirements.txt
其中/path/requirements.txt是该文件在你电脑上的实际路径。
(6)列出环境
有时候会忘记自己创建的环境名称,这时候用 conda env list 就可以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。
(7)删除环境
如果你不再使用某个环境,可以使用 conda env remove -n env_name 删除指定的环境(在这里环境名为 env_name)