Anaconda使用指南

1. 为什么选择Anaconda? 

1.1 什么是 Anaconda?

        Anaconda是专注于数据分析的Python发行版本,包含了conda、Python等190多个科学包及其依赖项。

1.2 什么是 conda ?

        conda 是开源包(packages)和虚拟环境(environment)的管理系统。

        packages 管理: 可以使用 conda 来安装、更新 、卸载工具包 ,并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是,conda 并不仅仅管理Python的工具包,它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。

        虚拟环境管理: 在conda中可以建立多个虚拟环境,用于隔离不同项目所需的不同版本的工具包,以防止版本上的冲突。对纠结于 Python 版本的同学们,我们也可以建立 Python2 和 Python3 两个环境,来分别运行不同版本的 Python 代码。

1.3 Anaconda 的优点?

        Anaconda的优点总结起来就八个字:省时省心、分析利器。

        省时省心: Anaconda通过管理工具包、开发环境、Python版本,大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包,而且安装时能自动安装相应的依赖包,同时还能使用不同的虚拟环境隔离不同要求的项目。

        分析利器: 在 Anaconda 官网中是这么宣传自己的:适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包,在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析,甚至可以用在大数据和人工智能领域。

2. 安装Anaconda

        无论是 Windows、Linux 还是 MAC 的 OSX 系统,都可以找到对应的安装软件。如果你的电脑是64位则尽量选64位版本。至于 Python 的版本是 2.7 还是 3.x,这里推荐你使用 Python3,因为 Python2 终将停止维护。可能目前市面上大多数教程使用的都还是 Python2,这也不用着急,因为在 Anaconda 中可以同时管理两个 Python 版本的环境。

        根据提示进行安装,完成后你大概会惊讶地发现电脑中多了好多应用,不用担心,我们一项项来看:

Anaconda Navigator :用于管理工具包和环境的图形用户界面,后续涉及的众多管理命令也可以在 Navigator 中手工实现。 
Jupyter notebook :基于web的交互式计算环境,可以编辑易于人们阅读的文档,用于展示数据分析的过程。 
qtconsole :一个可执行 IPython 的仿终端图形界面程序,相比 Python Shell 界面,qtconsole 可以直接显示代码生成的图形,实现多行代码输入执行,以及内置许多有用的功能和函数。 
spyder :一个使用Python语言、跨平台的、科学运算集成开发环境。 
        安装完成后,我们还需要对所有工具包进行升级,以避免可能发生的错误。打开你电脑的终端,在命令行中输入:

conda upgrade –all 
在终端询问是否安装如下升级版本时,输入 y。

        有的情况下,你可能会遇到找不到 conda 命令的错误提示,这很可能是环境路径设置的问题,需要添加conda环境变量:export PATH=xxx/anaconda/bin:$PATH, 其中xxx替换成anaconda的安装路径。

3. 如何管理Python包?

安装一个 package:

        conda install package_name 
        这里 package_name 是需要安装包的名称。

同时安装多个包:

        你也可以同时安装多个包,比如同时安装numpy 、scipy 和 pandas,则执行如下命令: 
        conda install numpy scipy pandas

指定版本号:

        你也可以指定安装的版本,比如安装 1.1 版本的 numpy : 
        conda install numpy=1.10

安装包操作:

移除一个 package: 
conda remove package_name

升级 package 版本: 
conda update package_name

查看所有的 packages: 
conda list

如果你记不清 package 的具体名称,也可以进行模糊查询: 
conda search search_term

四、如何管理Python环境?

创建一个新环境

默认的环境是 root,你也可以创建一个新环境:

conda create -n env_name list of packages 
其中 -n 代表 name,env_name 是需要创建的环境名称,list of packages 则是列出在新环境中需要安装的工具包。

        例如,当我安装了 Python3 版本的 Anaconda 后,默认的 root 环境自然是 Python3,但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码,最好还安装了 pandas 包,于是我们运行以下命令来创建: 
conda create -n py2 python=2.7 pandas

        细心的你一定会发现,py2 环境中不仅安装了 pandas,还安装了 numpy 等一系列 packages,这就是使用 conda 的方便之处,它会自动为你安装相应的依赖包,而不需要你一个个手动安装。

进入环境: 

进入一个名为 env_name 的环境:
source activate env_name

退出当前环境: 

退出当前环境:
source deactivate

另外注意,在 Windows 系统中,使用 activate env_name 和 deactivate 来进入和退出某个环境。

删除环境:

删除名为 env_name 的环境: 

conda env remove -n env_name

环境列表

显示所有的环境: 
conda env list

导出环境配置

当分享代码的时候,同时也需要将运行环境分享给大家,执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。 
conda env export > environment.yaml

导入环境配置

同样,当执行他人的代码时,也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。

conda env create -f environment.yaml

至此,你已跨入 Anaconda 的大门,后续就可以徜徉在 Python 的海洋中了。

祝学习愉快!

博客搬运地址

posted @ 2018-06-08 15:18  焦国峰的随笔日记  阅读(288)  评论(0编辑  收藏  举报
// ############################### // ##############################