Python、R、Julia混合编程环境配置及相关工具安装

1  Python环境配置

1.1   安装Anaconda

• Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
• Conda 是为 Python 程序创建的，适用于 Linux，OS X 和Windows，也可以打包和分发其他软件。
• 目前最流行的 Python 环境管理工具。
• Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。

Anaconda下载地址：https://www.anaconda.com/download/


最好是64位的版本（除非你的电脑是32位的）。这里选择3.X或者2.X没关系，都可以，但建议选Python3版本。

检查并配置环境变量

Windows环境变量：

请查看环境变量中是否有以下三个路径，若没有请自行添加：

1. 默认路径本身；
2. 默认路径+”Scripts”;
3. 默认路径+”Libraryin”

默认路径即为安装Anaconda时所设置的路径。例如：默认路径为：”C:UsersAdministratorAnaconda3”,那么需要添加的三个路径则是：

• C:UsersAdministratorAnaconda3；
• C:UsersAdministratorAnaconda3Scripts；
• C:UsersAdministratorAnaconda3Libraryin
  第一个路径是Miniconda的根目录，也是最重要的路径！

1.2   添加conda的国内国内镜像服务器

因为conda下载文件要用到国外的服务器，速度一般会比较慢，我们可以通过增加一个清华的镜像服务器来解决。
打开cmd终端或者Anaconda Prompt（快捷键： win+r ：然后输入cmd，回车）。
分别在cmd终端或者Anaconda Prompt里粘贴下面两行代码（每粘贴一行回车确认）。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

1.3   创建Python虚拟环境

在 cmd 终端输入： conda create –n 环境名称 python=版本号
例如创建名称为course_py35，版本为python3.5的虚拟环境，cmd输入：conda create –n course_py35 python=3.5 。
安装工具包的时候可能需要安装一些其他的工具，如果系统提示 proceed ([y]/n)? ，输入y， 回车就ok。
出现如下图提示 “To activate this environment……”表示环境配置成功


尝试触发刚创建的这个环境，输入： activate course_py35
这里如果你用的是其他的名字，输入activate 名称就可以了
如果命令行出现（course_py35）或者说是你自己设定的名称，表示已经载入这个环境

你可以选择查看 Python 的版本是否是我们刚创建的3.5版本，输入：python
不出意外的话，系统会给你反馈 python 的版本信息
输入：quit()
退出 python 环境（注意：此处的括号为英文状态下输入的）

1.4   安装所需的 python 工具包

可选择用conda或者pip安装包，为方便起见，先对conda和pip进行升级，cmd输入命令：

conda update conda
python -m pip  install --upgrade pip

包安装命令：

conda install package_name
pip install package_name

包升级命令：

conda update package_name
pip  install --upgrade package_name

包移除命令：

conda uninstall package_name
pip uninstall package_name

数据科学python常用包：

numpy：为大型多维数组和矩阵添加Python支持，以及在这些数组上运行高级数学函数的大型添加包。
scipy：用于科学计算的基础库。
pandas：为Python中的数据结构、数据操作和分析编写的添加包。
matplotlib：用于图形和数据可视化的全面2D绘图。
seabron：基于matplotlib的Python可视化库。它提供了一个高级界面，用于绘制有吸引力的统计图形。
scikit-learn：一个机器学习库。
networkx：复杂网络分析库。
statsmodels：用于构建统计模型。
beautiful soup：用于网络爬虫。
tweepy：用于Twitter抓取。
bokeh ：一个Python交互式可视化库，面向现代Web浏览器进行演示。它的目标不仅是以D3.js的风格提供优雅、简洁的新颖图形结构，而且还通过非常大或连续传播的数据集提供高性能交互功能。它有Python、Scala、Julia以及现在的R接口。

2   R环境配置

2.1   R下载与安装

R官网地址：https://www.r-project.org/

R下载地址：https://cran.r-project.org/mirrors.html

为保证下载速度，可选择国内镜像地址

检查环境变量

环境路径：“默认路径inx64”
CMD下输入R可进入R的控制台界面，如下图：


2.2   R语言安装R package：

（1）自动安装（在线安装）

在R的控制台输入：install.packages("package_name")
这种方法可能找不到需要的package，那么可以用 方法2

（2）手动安装（离线安装）

Windows:

下载package.zip文件

打开R的菜单栏->Packages->“Install package from local zip file…”

选择package.zip文件



查看全部安装的R包：.packages(all.available=T)

查看某个安装的R包：

library("XML")
help(package="XML")

R下常用包：

ggplot：基于R的ggplot2和图形语法的Python绘图系统。它专为使用最少的代码快速制作具有专业外观的图而构建。

对于R，查看添加包的最佳方法是查看CRAN任务视图，其中，添加包按使用类型聚合。

https://cran.r-project.org/web/views/

例如，有关高性能计算的CRAN任务视图，请访问：

https://cran.r-project.org/web/views/HighPerformanceComputing.html

3   Julia环境配置

3.1 Julia下载与安装

Julia下载地址：https://julialang.org/

julia最新版本为julia-1.0.3，建议安装最新版本

环境变量路径："默认路径Julia-1.0.3in"

启动：cmd输入julia，如下图：


3.2 Julia配置

（1）julia安装package

julia安装package有两种方法：
一种是通过Pkg.add()命令安装：在julia交互式环境输入以下命令：

using Pkg
Pkg.add("package_name")

另一种方法是针对1.0以上版本，在julia交互式环境下输入']'切换至Pkg操作界面，如下图：
通过add package_name命令安装。
注意：由于julia服务器在国外，package安装时会由于网络不稳定出现失败，此时一个有效的解决办法是到本地存放package文件夹下找到安装失败的package手动删除后重新安装。window下默认的存放package的路径为：“C:Users用户名.juliapackages”。
关于julia的第三方包的详细信息可以通过https://juliaobserver.com/ 查询。

（2）julia配置

Julia 的 REPL（交互式编程环境） 扩展性很强，比较有名的比如 OhMyREPL，它可以提供代码高亮，代码补全等功能。可在REPL中通过以下命令安装和使用：

using Pkg
Pkg.add("OhMyREPL") //安装包
using OhMyREPL //调用包

以上命令为Julia安装和使用package的通用方法，后面不在赘述。
关于OhMyREPL的详细配置可以参考其官方文档：https://kristofferc.github.io/OhMyREPL.jl

（3）julia调用Python、R混合编程

Julia可以方便的调用Python和R，主要通过PyCall、RCall、Conda三个包来实现，详细操作可查看其文档说明。
注意：安装julia第三方包时，最好先查看其官方文档，确定适用版本后再安装使用。

4   关于IDE

目前，有很多IDE可同时搭建Python、R、Julia环境，如Vscode、Atom等，在此推荐Jupyter Lab，相比工程开发，其更适用于科学实验。

Jupyter源于Ipython Notebook，是使用Python（也有R、Julia、Node等其他语言的内核）进行代码演示、数据分析、可视化、教学的很好的工具，对Python的愈加流行和在AI领域的领导地位有很大的推动作用。

Jupyter Lab是Jupyter的一个拓展，提供了更好的用户体验，例如可以同时在一个浏览器页面打开编辑多个Notebook，Ipython console和terminal终端，并且支持预览和编辑更多种类的文件，如代码文件，Markdown文档，json，yml，csv，各种格式的图片，vega文件（一种使用json定义图表的语言)和geojson（用json表示地理对象），还可以使用Jupyter Lab连接Google Drive等云存储服务，极大得提升了生产力。
安装Anaconda后，会包括jupyter notebook和Ipython内核，接下来需要完成三个步骤即可：

（1）安装jupyter lab

pip install jupyterlab

（2）安装R kernel

#在R中运行如下代码，来安装依赖的R包
install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
#在R中运行如下代码，使得R在jupyter中可以被探测到。
IRkernel::installspec(user = FALSE)

报错，可以尝试：

> devtools::install_github('IRkernel/IRkernel',force = TRUE)
> install.packages("digest") 
> devtools::install_github('IRkernel/IRkernel',force = TRUE)

（3）安装Julia kernel

#在julia REPL中运行以下代码
using Pkg
Pkg.add("IJulia")

启动Jupyter Lab

在cmd下输入：jupyter lab即可，界面如下图：


注意：windows下启动可能会出现错误，此时可能需将系统防火墙关闭。

以上即为本人在配置Julia、Python、R混合编程环境过程中的简单总结，如有问题，恳请指正。