python 安装anaconda, numpy, pandas, matplotlib 等

如果没安装anaconda，则这样安装这些库：

pip install numpy

pip install pandas

pip install matplotlib

sudo apt-get install python3-tk

sudo apt-get install python-tk

sudo apt-get install python3.4-tk           如果是python 3.4版本，运行这一句来安装 tkinter

sudo apt-get install python-matplotlib

 

Matplotlib是Python主要的绘图库。但是，我不建议你直接使用它，原因与开始不推荐你使用NumPy是一样的。虽然Matplotlib很强大，它本身就很复杂，你的图经过大量的调整才能变精致。因此，作为替代，我推荐你一开始使用Seaborn。Seaborn本质上使用Matplotlib作为核心库（就像Pandas对NumPy一样）

 

推荐安装 anaconda， 则上面那些库全部都不用安装里，而且它自带pip，ipython，spyder (ide)，等等。现在连 scikit-learn 都自带了。

anaconda的使用：

由于安装完anaconda就自带了Spyder集成开发环境了，所以不需要任何配置可以直接使用，但是其他你自己安装的IDE要想使用anaconda需要配置。如果anaconda在Pycharm之前安装，那么遇到解释器选择的时候会有一个选项，我们直接选择就OK了。如果在Pycharm之后安装，我们只需要手动设置一下Pycharm所用的解释器就行了。

Conda的环境管理

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4

# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH

# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境

# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python34 --all
# 查看已安装的环境，当前被激活的环境会显示有一个星号或者括号
conda info -e

用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。

Conda的包管理就比较好理解了，这部分功能与pip类似。

例如，如果需要安装scipy：

# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）
 
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包

conda的一些常用操作如下：

# 查看当前环境下已安装的包
conda list
 
# 查看某个指定环境的已安装包
conda list -n python34
 
# 查找package信息
conda search numpy
 
# 安装package
conda install -n python34 numpy
# 如果不用-n指定环境名称，则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
 
# 更新package
conda update -n python34 numpy
 
# 删除package
conda remove -n python34 numpy

conda将anaconda、conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如：

# 更新conda，保持conda最新
conda update conda
 
# 更新anaconda
conda update anaconda
 
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本

如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要（再一次提醒：conda将anaconda、conda、python等都视为package）：

# 在当前环境下安装anaconda包集合
conda install anaconda
 
# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装，根据需求安装自己需要的package即可

设置国内镜像

清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：

# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
 
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。