0
点赞
收藏
分享

微信扫一扫

Anaconda 完全入门指南

pipu 2022-12-20 阅读 171

From:​​https://www.jianshu.com/p/eaee1fadc1e9​​

Anaconda官网:​​https://www.anaconda.com/​​​ Anaconda 官网 文档:​​http://docs.anaconda.com/anaconda/user-guide​​

Anaconda介绍、安装及使用教程:​​https://zhuanlan.zhihu.com/p/32925500​​​ 知乎:初学python者自学anaconda的正确姿势是什么?:​​https://www.zhihu.com/question/58033789​​ Anaconda 的新手使用大全:​​http://www.php.cn/python-tutorials-392031.html​​

Anaconda 入门使用总结:​​https://www.jb51.net/article/137786.htm​​

conda config --set auto_activate_base false #取消默认加载环境
false改为true时,命令为 确认默认加载环境

Anaconda 使用指南

        Anaconda 是 Python 的一个开源发行版本。Anaconda 里面集成了很多关于 python 科学计算的第三方库,主要面向科学计算且安装方便,而 python 是一个编译器。如果不使用 anaconda,那么安装库的时候,库的依赖安装起来比较麻烦。

        Anaconda 提供一个管理工具 conda,conda 是开源包(packages)和 虚拟环境(environment)的管理系统,,可以把 conda 看作是:pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库。即 conda 就是一个更完整也更大的集成管理工具。主要优点是预装了很多第三方库,而且 Anaconda 中增加了conda install 命令,安装新 package 格外方便,还自带 Spyder IDE 和 Jupyter Notebook

概述

很多学习 python 的人接触到 anaconda 或者其他 虚拟环境 工具 时觉得无从下手,其主要原因就是不明白这些工具究竟有什么用,是用来做什么的,为什么要这么做。

比如安装完了 Python 后,为什么还需要这么一个东西,他和Python 到底有啥联系和区别,为啥能用来管理 Python。

先来解决一个初学者都会问的问题:我已经安装了 Python,那么为什么还需要 Anaconda 呢?原因有以下几点:

  1. Anaconda 附带了一大批常用数据科学包,它附带了conda、Python 和 150 多个科学包及其依赖项。因此你可以用Anaconda 立即开始处理数据。
  2. 管理包。Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。在数据分析中,你会用到很多第三方的包,而 conda(包管理器)可以很好的帮助你在计算机上安装和管理这些包,包括安装、卸载和更新包。
  3. 管理环境。为什么需要管理环境呢?比如你在 A 项目中用到了Python2,而新的项目要求使用 Python3,而同时安装两个Python 版本可能会造成许多混乱和错误。这时候 conda 就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同,比如不同的 pandas 版本,不可能同时安装两个 pandas 版本。你要做的应该是在项目对应的环境中创建对应的 pandas 版本。这时候 conda 就可以帮你做到。

Anaconda 是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。其实还有Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。

进入下文之前,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。

Python本身

在使用 Python 语言编写程序之前需要下载一个 python 解释器,这才是 python 的本体,没了 python 解释器,我们即使写了无比正确优雅的 python 脚本也没办法运行,那这个解释器在哪呢? 就在你安装 python 的地方,比如我的在​​C:\Users\Acring\AppData\Local\Programs\Python\Python36-32​

Anaconda 完全入门指南_虚拟环境

项目结构如上图,这里有我们很熟悉的 python.exe, 也就是 Python解释器。除此之外还有个很重要的 文件夹 Lib

Anaconda 完全入门指南_虚拟环境_02

Lib 目录如上图,这里有 python 自带的包第三方包,而所有的第三方包都放在 site-packages文件夹里面。

了解了这些我们就对整个 python 环境有了大概的了解,

其实最关键的,一个python环境中需要有一个解释器,和一个包集合。

  1. 解释器:解释器 根据 python 的版本大概分为 2 和 3。python2 和 python3 之间无法互相兼容,也就是说用 python2 语法写出来的脚本不一定能在 python3 的解释器中运行。
  2. 集合:包集合中包含了自带的包和第三方包,第三方包一般是通过 pip 或者 easy_install 来下载安装的,当一个 python 环境中不包含这个包,那么引用了这个包的程序不能在该 python 环境中运行。比如说一个爬虫脚本用到了第三方的requests包,而另一台计算机是刚刚装好原始python的,也就是说根本没有任何第三方包,那么这个爬虫脚本是无法在另一台机器上运行的。

问题所在

python 环境解释完了,接下来就要说下这样的环境究竟会产生哪些问题。因为 anaconda 正是为了解决这些问题而产生的。

  1. 到底该装 Python2 还是 Python3
  2. 管理。如果我在本地只有一个 python 环境那我所有程序用到的各种包都只能放到同一个环境中, 导致环境混乱,另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包,需要自己手动一个个下载的情况,实在是烦人,要是能每个程序开发都选用不同的环境,而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了。

Anaconda

那么接下来就到我们的 anaconda 上场了,安装好 Anaconda 就可以解决上面的问题了。

下载

Anaconda 是跨平台的,有 Windows、macOS、Linux 版本

推荐下载 python3 版本, 毕竟未来 python2 是要停止维护的。

官网下载地址:​​Anaconda | Individual Edition​​

安装

按照安装程序提示一步步安装就好了,安装完成之后会多几个应用,暂时先不用管,了解一下就行了

  • Anaconda Navigtor :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。但是官方的服务器在国外,因此下载速度很慢,国内清华大学提供了 Anaconda 的仓库镜像,我们只需要配置 Anaconda 的配置文件,添加清华的镜像源,

添加清华源可以参考:​​关于anaconda环境conda/pip install 报SSL错误问题(有两种情况) - 知乎​​

升级所有包(建议在安装 Anaconda 之后执行上述命令,更新 Anaconda 中的所有包至最新版本,便于使用。)

conda upgrade --all  或者  conda update --all

在终端询问是否安装如下升级版本时,输入 ​​y​​。

Anaconda 完全入门指南_python_03

配置环境变量

window 环境变量设置:电脑 ---> 属性 ---> 高级系统设置 ---> 环境变量 ---> 系统变量 ---> Path 

然后在 Path 中添加 anaconda 的安装目录的 Scripts 文件夹

Anaconda 完全入门指南_python_04

之后就可以打开命令行(最好用管理员模式打开) 输入:conda --version

Anaconda 完全入门指南_python_05

如果输出 ​​conda 4.7.11 ​​之类的就说明环境变量设置成功了.

为了避免可能发生的错误, 我们在命令行输入 conda upgrade --all

Anaconda 完全入门指南_Python_06

如果不知道命令的用法,可以加上 --help 参数。例如:conda upgrade --help

Anaconda 完全入门指南_Python_07

conda/pip install 或者 upgrade 超时失败,可以更换成清华的 anaconda 源:​​关于anaconda环境conda/pip install 报SSL错误问题(有两种情况) - 知乎​​

切换 64位 和 32位

anaconda 对于python 版本的管理还是很方便的,所以这里用 anaconda才实现32位和64位python共存

  • set CONDA_FORCE_32BIT=1是切换到32位。
  • set CONDA_FORCE_32BIT= 是切换到64位。

需要注意的是,这样切换环境对于已经安装的python没有任何影响,即原先是64位的python,现在还是64位,所以需要切换到32位后再安装python,并且安装需要在prompt下进行,在navigator里新建的python默认是64位的。

操作步骤:

1、打开anaconda prompt,输入 conda info ,可以看到现在用的是64位的。

Anaconda 完全入门指南_虚拟环境_08

2、切换成32位的 set CONDA_FORCE_32BIT=1

Anaconda 完全入门指南_虚拟环境_09

3、安装 32位 的 python3.6

命令:conda create -n python32 python=3.6

Anaconda 完全入门指南_python_10

安装完成后在 anaconda3 文件夹下面会有一个envs文件夹

Anaconda 完全入门指南_python_11

4、激活环境

  • conda activate python32               激活环境
  • conda deactivate python32           退出环境
  • conda remove -n python32--all     删除环境

5、如果要在pycharm中使用该环境

Anaconda 完全入门指南_虚拟环境_12

点击add local

Anaconda 完全入门指南_Python_13

管理虚拟环境

接下来我们就可以用 anaconda 来创建我们一个个独立的 python 环境了。

下面的例子都是在命令行操作的,请打开你的命令行。win + R ,然后 输入 cmd  回车即可。

假设我们需要安装Python 3.4,此时,我们需要做的操作如下:

# 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

# 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

# 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

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, pi p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

activate

activate 命令是进入 anaconda 设定的虚拟环境中,如果后面什么参数都不加,那么会进入 anaconda 自带的 base 环境。可以输入 python 试试,这样会进入 base 环境的 python 解释器,如果你把原来环境中的 python 环境去除掉会更能体会到,这个时候在命令行中使用的已经不是你原来的 python 而是 base 环境下的 python。而命令行前面也会多一个​​(base)​​ 说明当前我们处于的是 base 环境下。

Anaconda 完全入门指南_python_14

创建自己的虚拟环境

命令:

conda create -n env_name  list_of_packages
# 或者
conda create --name env_name list_of_packages

参数说明:

  • -n :代表 name,一个杠
  • env_name 是需要创建 的 虚拟环境名称
  • list_of_packages 在新环境中需要安装的工具包 ( 多个 包 )。

示例:conda create -n py2 python=2.7 pandas 

说明:创建 名叫 py2 的虚拟环境,指定 python 版本为 2.7,并安装 pandas 。( python 也相当于 一个 包 ),即 创建一个 名叫 py2 的虚拟环境,然后安装 python2.7 和 pandas 这两个包。

提示:默认情况下,在 Linux 中新创建的环境将会被保存在 /Users/<user_name>/anaconda3/env 目录下,其中, <user_name> 为当前用户的用户名。在 windows 中创建的环境则在 anaconda3 安装目录 的 env 目录下。

创建虚拟环境:

1. 直接运行 conda create -n you_env_name python=3 创建。

Anaconda 完全入门指南_虚拟环境_15

2. 进入 base 虚拟环境运行 conda create -n you_env_name python=3 创建。

Anaconda 完全入门指南_python_16

创建了一个名称为 learn_1 和 learn_2 的虚拟环境并指定 python 版本为 3 ( 这里 conda 会自动找 3 中最新的版本下载 )

使用 activae 切换到不同的虚拟环境,命令格式:activate <要切换的环境名称>

Anaconda 完全入门指南_Python_17

切换环境

activate learn

如果忘记了名称我们可以先用

conda env list

去查看所有的环境

Anaconda 完全入门指南_python_18

现在的 learn 环境除了 python 自带的一些官方包之外是没有其他包的,一个比较干净的环境我们可以试试

先输入​​python ​​打开 python解释器然后输入

>>> import requests

会报错找不到 requests 包,很正常。接下来我们就要演示如何去安装 requests 包

exit()

退出 python 解释器

conda 的一些常用操作如下:

# 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



# 复制 ( 克隆 ) 虚拟环境
conda create -n BBB --clone AAA // 从 BBB 克隆一个新的虚拟环境 AAA
# 移植过来的环境只是安装了你原来环境里用 conda install 等命令直接安装的包,
# 你用pip之类装的东西没有移植过来,需要你重新安装。


# 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。如果不用 -n 指定环境名称,则被安装在当前活跃环境
conda install -n python34 numpy
# 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
方式 1:卸载当前环境中的包,进入当前的虚拟环境,remove 时 不需要指定虚拟环境
conda remove requests 或者 pip uninstall requests

方式 2:卸载指定环境中的包。即不进入任何虚拟环境,remove 时需要指定要卸载那个虚拟环境的包
conda remove --name <env_name> <package_name>
示例:conda remove -n python34 numpy

# 删除一个已有的 虚拟环境,例如:python34
conda env remove -n python34 或者 conda remove -n learn_1 --all

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

安装第三方包

conda install requests
或者
pip install requests


# 也可以同时安装多个包,比如同时安装numpy 、scipy 和 pandas
conda install numpy scipy pandas

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

从 Anaconda.org 安装包

当使用 ​​conda install ​​无法进行安装时,可以考虑从 Anaconda.org 中获取安装包的命令,并进行安装。

  • 从Anaconda.org安装包时,无需注册。
  • 当前环境中安装来自于 Anaconda.org 的包时,需要通过输入要安装的包在 Anaconda.org 中的路径作为获取途径(channel)。查询路径的方式如下:
            1. 在浏览器中输入:​​​http://anaconda.org​​​
            2. 在新页面 “Anaconda Cloud” 的上方搜索框中输入要安装的包名,然后点击右边 “放大镜” 标志。

图 1:

Anaconda 完全入门指南_python_19

选择满足需求的包或下载量最多的包,点击包名,如图所示:

Anaconda 完全入门指南_虚拟环境_20

执行安装命令,完成安装。

Anaconda 完全入门指南_Python_21

卸载第三方包

方式 1:进入所在的虚拟环境,remove 时 不需要指定虚拟环境
conda remove requests
或者
pip uninstall requests


方式 2:不进入任何虚拟环境,remove 时需要指定要卸载那个虚拟环境的包

conda remove --name <env_name> <package_name>

查看环境包信息

要查看当前环境中所有安装了的包可以用

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

升级包

conda update package_name  升级指定的包

conda update --all # 升级所有包
conda upgrade --all # 升级所有包

# 更新多个指定包,则包名以空格隔开,向后排列。
conda update pandas numpy matplotlib # 更新 pandas、numpy、matplotlib 包。

导入 和 导出 环境

如果想要导出当前环境的包信息可以用

conda env export > environment.yaml

将包信息存入 yaml 文件中。当需要重新创建一个相同的虚拟环境时可以用

conda env create -f environment.yaml

常用命令

activate            // 切换到base环境
activate learn // 切换到learn环境
conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)
conda env list // 列出conda管理的所有环境
conda list // 列出当前环境的所有包
conda install requests // 安装requests包
conda remove requests // 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests // 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

深入一下

或许你会觉得奇怪为啥 anaconda 能做这些事, 他的原理到底是什么, 我们来看看anaconda的安装目录

Anaconda 完全入门指南_虚拟环境_22

这里只截取了一部分, 但是我们和本文章最开头的python环境目录比较一下, 可以发现其实十分的相似, 其实这里就是base环境. 里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

那我们自己创建的环境去哪了呢, 我们可以看见一个envs, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看

Anaconda 完全入门指南_Python_23

可以发现我们之前创建的learn目录就在下面, 再点进去

Anaconda 完全入门指南_虚拟环境_24

这不就是一个标准的python环境目录吗? 这么一看,anaconda 所谓的创建虚拟环境其实就是安装了一个真实的 python 环境, 只不过我们可以通过 activate,conda 等命令去随意的切换我们当前的 python 环境,用不同版本的解释器和不同的包环境去运行 python 脚本。

与pycharm连接

在工作环境中我们会集成开发环境去编码,这里推荐JB公司的 pycharm,而 pycharm 也能很方便的和 anaconda 的虚拟环境结合。在 ​​Setting => Project => Project Interpreter​​ 里面修改 Project Interpreter,点击 齿轮标志 再点击 Add Local 为你某个环境的 python.exe 解释器就行了

Anaconda 完全入门指南_python_25

比如你要在 learn 环境中编写程序,那么就修改为 ​​D:\Software\Anaconda\envs\learn,​​可以看到这时候下面的依赖包也变成了learn 环境中的包了。接下来我们就可以在 pycharm中 愉快的编码了。

Anaconda 完全入门指南_python_26

Anaconda 初体验

按下 Windows 徽标键,调出 Windows 开始菜单,可以看到 “最近添加”的:Anaconda2(64-bit)

Anaconda prompt:是一个Anaconda的终端,类似 cmd 命令可以便捷操作 conda 环境,可以建立不同的版本环境 Python2 和3,打开 Anaconda Prompt,这个窗口和 doc 窗口一样的,打开之后就是base 虚拟环境。输入命令就可以控制和配置 python,最常用的是 conda 命令,这个 pip 的用法一样,此软件都集成了,你可以直接用,点开的话如下图。用命令 “conda list” 查看已安装的包,从这些库中我们可以发现NumPy,SciPy,Matplotlib,Pandas,说明已经安装成功了!

还可以使用 conda 命令进行一些包的安装和更新

conda list:列出所有的已安装的packages

conda install name:其中 name 是需要安装 packages 的名字,比如,我安装 numpy 包,输入上面的命令就是 “conda install numpy”。单词之间空一格,然后回车,输入y就可以了。

安装完 anaconda,就相当于安装了 Python、IPython、集成开发环境 Spyder、一些包等等。

你可以在 Windows下的 cmd下查看:

Anaconda Navigtor

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。点击 Anaconda Navigator ,第一次启用,会初始化,耐心等待一段时间,加载完成,界面如图。

Anaconda 完全入门指南_python_27

Jupyter notebook 和 Jupyter Lab

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。

启用 Jupyter Notebook 的 3 种方式:

  • 1. 点击安装时生成的快捷方式(方便,但不推荐使用)

Anaconda 完全入门指南_虚拟环境_28

  • 2. 在 CMD 中执行: jupyter notebook。(推荐使用)或者 打开任意文件夹,shift+鼠标右击,然后再 shell 框中输入 jupyter notebook (推荐使用,此方法的好处是形成的 ipynb 文件会保存在当前的文件夹中,方便管理)

Anaconda 完全入门指南_python_29

Anaconda 完全入门指南_虚拟环境_30

  • 3. 在 Anaconda Navigtor 中启动 Jupyter notebook。

Jupyter notebook 启动后,会打开一个网页,如图所示:

Anaconda 完全入门指南_虚拟环境_31

常用的编辑器或集成开发环境:

  • PyCharm:有免费社区版和收费的专业版,专为 Python 而生的 IDE
  • NotePad++:免费开源的编辑器,支持丰富的插件,支持中文界面
  • Atom:Github 推出的免费开源编辑器,支持丰富的插件
  • Sublime:收费的 Python 编辑器,支持丰富的插件
  • Spyder:Anaconda 内置的 IDE,开源。
  • IDLE:Python 官方的内置编辑器。
  • jupyter notebook:集成很多使用功能的编辑器同时兼具交互式的优点。 它支持多种语言,如 Python ( IPython ),Julia,R 等。可以在同一个界面中保存展示代码,展现运行结果,实时交互模式运行代码等功能,并且对新手非常友好,不需要过多的配置。
  • JupyterLab:是 jupyter notebook 的升级版本。它具有模块化结构,您可以在同一窗口中打开多个笔记本或文件(例如 HTML,文本,Markdown 等)作为选项卡。 它提供了更多类似 IDE 的体验。

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。( jupyter qtconsole 简直就是ipython的加强版,每个命令都直接显示帮助信息,配合matplotlib,能够在shell里直接显示绘图结果 )

ipython qtconsole 已经被 jupyter qtconsole 所替代,需要安装 jupyter。

pip install jupyter

然后运行:

jupyter qtconsole

Anaconda 完全入门指南_Python_32

Spyder

一个使用 Python 语言、跨平台的、科学运算集成开发环境。Spyder 编辑器截图如下:

Anaconda 完全入门指南_python_33

以后就可以用这款编辑器来编写代码,它最大优点就是模仿 MATLAB 的“工作空间”。spyder.exe 放在安装目录下的 Scripts 里面,如我的是 C:\ProgramData\Anaconda2\Scripts\spyder.exe,直接双击就能运行。我们可以右键发送到桌面快捷方式,以后运行就比较方便了。

我们简单编写一个程序来测试一下安装是否成功,该程序用来打开一张图片并显示。首先准备一张图片,然后打开spyder,编写如下代码:

# -*- coding: utf-8 -*-

"""
Spyder Editor
This is a temporary script file.
"""

from skimage import io

img = io.imread('D:/yangmi.jpg')
io.imshow(img)

点击上面工具栏里的 绿色三角 运行程序,最终显示如下:

Anaconda 完全入门指南_虚拟环境_34

jupyterlab 

Jupyter Lab 的启用 和 Jupyter Notebook 方法一样,只需要将输入的 jupyter notebook 换成 jupyter lab 即可。

我们点击 jupyterlab 下面的 Launch ,会在默认浏览器(我这里是 Chrome)打开 http://localhost:8888/lab 这样一个东东,这里就可以输入 Python 代码啦,来一句 Hello World 吧。

我们可以打开 Anaconda Navigator -> Launch jupyterlab ,也可以直接在浏览器输入 http://localhost:8888/lab (可以保存为书签)。如果是布置在云端,可以输入服务器域名(IP),是不是很爽?

Anaconda 完全入门指南_虚拟环境_35

 

VSCode

Visual Studio Code是一个轻量级但功能强大的源代码编辑器,可在桌面上运行,适用于Windows,macOS和Linux。它内置了对JavaScript,TypeScript和Node.js的支持,并为其他语言(如C ++,C#,Java,Python,PHP,Go)和运行时(如.NET和Unity)提供了丰富的扩展生态系统。

Microsoft Visual Studio Code:​​Microsoft Visual Studio Code_freeking10

Glue 是一个Python 库,用于探索相关数据集内部和之间的关系。其主要特点包括:

链接统计图形。使用Glue,用户可以创建数据的散点图,直方图和图像(2D和3D)。胶水专注于刷牙和链接范例,其中任何图形中的选择传播到所有其他图形。

灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化,并跨数据集传播选择。这些链接由用户指定,并且是任意灵活的。

完整的脚本功能。Glue是用Python编写的,并且建立在其标准科学库(即Numpy,Matplotlib,Scipy)之上。用户可以轻松地集成他们自己的python代码进行数据输入,清理和分析。

Anaconda 完全入门指南_python_36

Orange3

交互式数据可视化

通过巧妙的数据可视化执行简单的数据分析。探索统计分布,箱形图和散点图,或深入了解决策树,层次聚类,热图,MDS和线性投影。即使您的多维数据也可以在2D中变得合理,特别是在智能属性排名和选择方面。

Anaconda 完全入门指南_虚拟环境_37

老师和学生都喜欢它

在教授数据挖掘时,我们喜欢说明而不是仅仅解释。而橙色很棒。Orange在世界各地的学校,大学和专业培训课程中使用,支持数据科学概念的实践培训和视觉插图。甚至还有专门为教学设计的小部件。

附加组件扩展功能

使用Orange中可用的各种附加组件从外部数据源挖掘数据,执行自然语言处理和文本挖掘,进行网络分析,推断频繁项目集并执行关联规则挖掘。此外,生物信息学家和分子生物学家可以使用Orange通过差异表达对基因进行排序并进行富集分析。

Anaconda 完全入门指南_虚拟环境_38

Rstudio

R软件自带的有写脚本的工具,可是我不是很喜欢用(并不是说不好哈),我更喜欢用RStudio(网上还有Tinn-R,RWinEdt等)。因为我觉得其本身比较方便,另外在编程的时候有些功能很方便。下面这个界面是我修改了主题的,下面我将介绍如何修改主题,来方便编程。

Anaconda 完全入门指南_虚拟环境_39

结语

现在你是不是发现用上anaconda就可以十分优雅简单的解决上面所提及的单个python环境所带来的弊端了呢, 而且也明白了其实这一切的实现并没有那么神奇.

当然anaconda除了包管理之外还在于其丰富数据分析包, 不过那就是另一个内容了, 我们先学会用anaconda去换一种方法管里自己的开发环境, 这已经是一个很大的进步了.



举报

相关推荐

0 条评论