Python Anaconda使用
2017-11-25 20:58 youxin 阅读(2492) 评论(0) 编辑 收藏 举报选择Python 科学计算器发行版
Python用于科学计算的一些常用工具和库
- IPython-增强的交互环境: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
- Spyder、Wing IDE或Eclipse/Pydev:集成开发环境
- NumPy-数学计算基础库:N维数组、线性代数计算、傅立叶变换、随机数等。
- SciPy-数值计算库:线性代数、拟合与优化、插值、数值积分、稀疏矩阵、图像处理、统计等。
- SymPy-符号运算
- Pandas-数据分析库:数据导入、整理、处理、分析等。
- matplotlib-会图库:绘制二维图形和图表
- Chaco-交互式图表
- OpenCV-计算机视觉库
- TVTK-数据的三维可视化
- Cython-Python转C的编译器:编写高效运算扩展库的首选工具
- BioPython-生物科学
Python科学计算发行版
- Python(x,y)
当前最新版本:2.7.6.1 (05/30/2014),支持Windows和Python2.7.6。
其库索引列出了所支持的170+Python27库。 - WinPython
当前最新版本:2.7.6.4和3.3.5.0 (04/2014),支持Windows和Python2.7.6、3.3.5。
其库索引列出了所支持的60+Python27库。
其库索引列出了所支持的60+Python33库。 - Enthought Canopy(Enthought Python Distribution)
当前最新版本:1.4.1 (06/11/2014),支持Linux, Windows, Mac平台和Python2.7.6。
其库索引列出了所支持的150+测试过的Python库。 - Anaconda
当前最新版本:2.0.1 (06/12/2014),支持Linux, Windows, Mac平台和Python 2.6、2.7、3.3、3.4。
其库索引列出了所支持的195+流行Python库。
Python(x,y)和WinPython都是开源项目,其项目负责人都是Pierre Raybaut。按Pierre自己的说法是“WinPython不是试图取替Python(x,y),而是出于不同动机和理念:更灵活、易于维护、可移动、对操作系统侵略性更小,但是用户友好性更差、包更少、没有同Windows资源管理器集成。”。参考1里面说Python(x,y)不是很稳定,此外看它目前的更新不是很频繁,确实有可能Pierre后来的工作重心放在WinPython上了。
一、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。作为好奇宝宝的你是不是发现了一个新名词 conda,那么你一定会问 conda 又是什么呢?
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。
知道 是什么(what) 的同时,我们也需要问一问 为什么(why)。那么,为什么要选择用Anaconda呢?
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。
解决了 是什么 以及 为什么 的问题后,下面让我们看一下 怎么做(How)。
说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待,甚至包括python和conda自身!因此,conda打破了包管理与环境管理的约束,能非常方便地安装各种版本python、各种package并方便地切换。
参考:http://www.jianshu.com/p/169403f7e40c
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。
修改Path变量
设置命令行:
新建一个变量:
Python27: D:\programFiles\Anaconda2
然后path增加:
python目录和scripts目录。
![](https://images2018.cnblogs.com/blog/277239/201711/277239-20171125204327000-1851796078.png)
在cmd输入python -v
PS C:\Users\a> Python -V
Python 2.7.14 :: Anaconda, Inc.
PS C:\Users\a>
可以看到输出python版本是 Anaconda ,说明是Anaconda下面的python.
Spyder的最大优点就是模仿MATLAB的“工作空间”。
Conda的包管理:
Conda的包管理就比较好理解了,这部分功能与pip
类似。
# 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
前面已经提到,conda将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
conda config --show-sources conda显示镜像源
补充: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
设置国内镜像
如果需要安装很多packages,你会发现conda下载的速度经常很慢,因为Anaconda.org的服务器在国外。所幸的是,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:\Users\USER_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。
conda cheatsheet:
https://conda.io/docs/_downloads/conda-cheatsheet.pdf
conda create -n your_env_name python=X.X(2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
4、使用激活(或切换不同python版本)的虚拟环境。
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:
# 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
# 创建一个名为python34的环境,指定Python版本是3.4
conda create --name python34 python=3.4
# 激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
---------------------
Conda包管理
# 安装xxxx
conda install xxxx
# 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
Conda 更新
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
# 更新conda,保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
列举当前所有环境
conda info --envs
conda env list
Get a list of all my environments, active environment is shown with *
Conda 源
# 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
---------------------
-conda config --show-sources #查看当前使用源/.condarc 文件(conda config --show #查看所有信息)
-conda config --remove channels 源名称或链接 #删除指定源
#2、删除部分内容
## 主要是删除此行: - defaults
#修改后配置文件的内容如下:
vim ~/.condarc
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
————————————————
原文链接:https://blog.csdn.net/ada0915/article/details/78529877
anaconda安装tensorflow:
conda install tensorflow
如果你想要用GPU的版本,请使用tensorflow-gpu替换tensorflow。
使用 TensorFlow 开展机器学习工作的朋友,应该有不少是通过 pip 下载的 TensorFlow。但是近日机器学习专家 Michael Nguyen 大声疾呼:“为了性能起见,别再用 pip 下载 TensorFlow了!”
在这篇获得 1.6k 赞同的 Medium 博文中,Michael Nguyen 建议换为使用 Conda 下载 TensorFlow。Conda 是一个能跨平台运行的开源程序包和环境管理系统,在 Mac、Windows 和 Linux 上都能工作。对于刚开始使用 TensorFlow 进行机器学习或数据科学的人,Michael 强烈建议使用 Conda 来下载和管理所用工具。https://zhuanlan.zhihu.com/p/46599887
Conda TensorFlow 包利用了用于深度神经网络或 1.9.0 版本以上的 MKL-DNN 网络的英特尔 Math Kernel Library(MKL),这个库能让性能大幅提升
anaconda管理多个python环境
查看你的系统当前已有的Python环境,执行命令:conda info --envs,从图中我们看到,我的机器里目前只有安装Anaconda时创建的默认Python环境,环境名称叫root,对应的Python版本是3.6
现在添加一个Python2.7的环境,执行命令:conda create --name python27 python=2.7,命令中我制定了环境名称是python27,指定了Python版本是2.7,执行命令后,Conda会自动下载最新版的Python2.7,并自动部署
此时,再次查看你的系统当前已有的Python环境,执行命令:conda info --envs,从图中我们看到,这里多了一个名字为python27的Python环境