anaconda的安装和使用

anaconda的安装和使用

Anaconda 是一个用于科学计算和数据分析的开源发行版，包含了Python和R的众多包和管理工具。以下是Anaconda的安装和使用指南：

1. 安装Anaconda

1.1 下载Anaconda

访问 Anaconda官网 下载适用于你操作系统的Anaconda安装包。

1.2 安装Anaconda

Windows:

• 运行下载的安装程序（.exe文件）。
• 按照提示完成安装，安装过程中建议“将Anaconda添加到系统环境变量中”勾选。

macOS:

• 打开终端，运行下载的安装脚本（.pkg文件）：

bash ~/Downloads/Anaconda3-2023.11-MacOSX-x86_64.sh

• 按照提示完成安装。

Linux:

• 打开终端，运行下载的安装脚本（.sh文件）：

bash ~/Downloads/Anaconda3-2023.11-Linux-x86_64.sh

• 按照提示完成安装。

2. 配置和使用Anaconda

2.1 配置conda镜像源

添加国内镜像源

以windows下操作为例，打开anaconda prompt。

查看当前的Conda源配置：

conda config --show channels

设置国内镜像源，建议设置之前先浏览器访问对应站点的anaconda源是否可达，目前（2024-05）阿里云的anaconda源不可用：

# 添加清华镜像源，根据个人需要添加。
# 添加清华源的主要仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 添加清华源的free仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
# 添加清华的MSYS2仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
# 添加清华的社区驱动仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 添加清华的计算机视觉仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
# 添加清华的PyTorch仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 设置显示频道URL
conda config --set show_channel_urls yes

# 确保搜索顺序
conda config --set channel_priority flexible

各仓库用途详细说明：

路径	描述	用途
pkgs/main	主要的包仓库，包含最新的稳定版开源包。	获取常用的、经过充分测试的包。
pkgs/free	旧版的免费包仓库，包含一些历史包。	已不再更新，自2019年起主要包都迁移到 pkgs/main。
pkgs/r	专门用于R语言的包仓库。	提供R语言相关的包和工具。
pkgs/msys2	MSYS2项目的包仓库，主要包含Windows平台上的POSIX兼容工具。	提供在Windows上使用的开发工具和库。
cloud/conda-forge	社区驱动的包仓库，包含许多由社区维护的包。	提供更广泛的包选择，更新频率高。
cloud/bioconda	专门用于生物信息学的包仓库。	提供生物信息学领域常用的包和工具。
cloud/msys2	包含MSYS2项目的包，主要用于Windows平台。	提供Windows上的开发工具和库。
cloud/menpo	Menpo项目的包仓库，主要用于计算机视觉和机器学习。	提供与计算机视觉和机器学习相关的包和工具。
cloud/pytorch	PyTorch项目的官方包仓库。	提供PyTorch及相关包的下载。

其他镜像源：

1. 中科大镜像源:

https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

检查配置

你可以再次查看配置，确保已添加的新源：

# 查看源列表
conda config --show channels

# 查看配置文件路径
conda config --show-sources

移除默认源（可选）

如果你希望只使用国内镜像源，可以移除默认的源：

conda config --remove channels defaults

把defaults改为已添加仓库的url即可移除对应的仓库。

测试新的源配置

尝试安装一个包来测试新的源配置是否生效：

conda install numpy

恢复默认配置

如果上述配置遇到问题，可以恢复默认的default源

conda config --remove-key channels

2.2 配置环境

安装完成后，建议配置Conda环境以便于包管理和项目隔离。

创建新环境：

支持创建不同python版本的虚拟环境

# python3.8
conda create --name py38_env python=3.8
# python3.9
conda create --name py39_env python=3.9

激活环境：

conda activate py38_env

退出环境：

conda deactivate

2.3 安装包

使用Conda安装包非常方便。你可以使用以下命令安装所需的包：

conda activate py38_env
conda install numpy pandas matplotlib

或者使用pip安装不在Conda仓库中的包：

pip install somepackage

2.4 更新和管理环境

更新Conda：

conda update conda

列出所有环境：

conda env list

删除环境：

管理员身份运行anaconda prompt操作：

conda remove --name py38_env --all

2.5 使用Jupyter Notebook

Anaconda内置了Jupyter Notebook，你可以通过以下命令启动它：

jupyter notebook

这将在你的默认浏览器中打开Jupyter Notebook界面，你可以在其中创建和管理Notebook文件。

3. 示例项目

以下是一个使用Anaconda的简单数据分析示例项目：

1. 创建并激活环境：

conda create --name data_analysis python=3.8
conda activate data_analysis

2. 安装必要的包：

conda install numpy pandas matplotlib seaborn

3. 安装并启动Jupyter Notebook：

# 安装
conda install jupyter
# 启动
jupyter notebook

4. 在Jupyter Notebook中创建一个新Notebook文件，并输入以下代码进行数据分析：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 创建示例数据
data = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100),
    'C': np.random.randn(100)
})

# 数据可视化
sns.pairplot(data)
plt.show()

这样你就可以开始使用Anaconda进行数据分析和科学计算了。