最新Django3.1大神之路视频!长达77小时、17G、233节 ,全方位无死角深入源码的专注教程!包含完整的模型层、数据迁移、 类视图、异步视图、日志、认证权限和开发工具等更多文字教程未包含的内容。免费章节pan.baidu.com/s/1dqGWNwmBnLxhM7DnXiePIQ 提取码:ko4y 。查看视频介绍点我

Anaconda发行版

阅读: 9271     评论:0

一、简介

既然要开始学习基于Python的数据分析和处理,前面介绍的那些库和工具必然是要安装的。那么我们一个一个手动安装它们吗?不不不,只有蒙眼狂奔的人才会这么干,实际上我们都通过安装Anaconda来一次性安装上面的库和工具。

官网:https://www.anaconda.com/

img

Anaconda的英文解释是产于南美洲的水蟒,这个Python的大蟒蛇是一个物种不同品种。

Anaconda是一个开源的Python发行版本,支持 Linux, Mac, Windows,包含了Python核心、conda、Numpy、Pandas、matplotlib等180多个科学包及其依赖项,这让你不再为了各种依赖关系的缺失,头疼无法成功安装某个库。因为包含了大量的科学包,Anaconda的下载文件也比较大(几百MB),如果只需要其中的某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和Python)。

二、安装

1. 下载安装包

由于Anaconda是跨平台的,并且支持Python2.7和Python3.x,所以在官网的下载页面,有如下可选安装包:

连接:https://www.anaconda.com/download/

img

一般我们选择Windows下的64位,基于Python3.x的版本。Python2.7即将淘汰,不建议再使用。

如果你访问官网的速度不够快,下载困难,那么可以尝试访问清华的镜像站点:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

将滚动条拉到最下方,选择你需要的最新版本进行下载。

清华站点还提供了conda安装包的镜像地址,只需要如下设置:

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

2. 安装过程

以下以Windows中的安装过程为例,在Linux和Mac中的安装大同小异:

img

建议选择默认路径:

img

需要注意的是下面的两个选项:

img

第一个选项决定是否将Anaconda加入系统路径环境变量里,这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令,建议选上。

第二个选项决定是否将Anaconda版本的解释器作为系统的Python解释器。如果你在机器中还安装了别的比如官方版本的Python解释器,建议不要选择这项,否则容易冲突。

整个安装过程很简洁明了,没什么太多需要解释的

三、简单使用

1. 组件介绍

Anaconda安装完毕后,会给我们提供下面的可执行程序:

img

Navigator: 一个总的控制dashboard,对Anaconda的各方面进行配置

img

命令行控制台:方便执行一些命令,默认进入Anaconda环境

img

Jupyter notebook:强大的基于web的交互式环境

img

Spyder:一个类似Pycharm的综合集成环境IDE

img

2. conda

同Python自带的pip包管理工具一样,Anaconda也自带一个包管理工具conda,并具有自己的包仓库和服务器。下面简单介绍一下conda:

conda是Anaconda专用的开源包(packages)和虚拟环境(environment)管理工具。

  • 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。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。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。

管理包:

# 确认conda已安装: conda --version

# 更新conda版本: conda update conda

# 查询conda信息: conda info

# 升级anaconda: conda update anaconda 

1. 安装包:

conda install package_name

2. 同时安装多个包:

conda install numpy scipy pandas

3. 安装指定版本

conda install numpy=1.10

4. 移除包

conda remove package_name

5. 更新包

conda update package_name

5. 更新所有包

conda update --all

6. 查看所有已经安装的包:

conda list

7. 查询某个包,也可以进行模糊查询:

conda  search search_key_word

环境管理:

1. 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同时需要安装的工具包。

例如:

conda create -n py3 python=3.7 pandas

或者复制一个已有的环境

conda create --name new_env --clone old_env


2. 进入名为env_name的环境:

source activate env_name

3. 退出当前环境:

source deactivate

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

4. 删除名为env_name的环境:

conda env remove -n env_name

5. 显示所有的环境:

conda env list

6. 查看环境信息

conda info --envs


7. 当分享代码给别人的时候,同时也需要将运行环境分享,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 --name env_name > environment.yaml

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

 Python数据分析 Jupyter notebook 

评论总数: 0


点击登录后方可评论