Anaconda安装与环境配置
在 Windows 上,会随 Anaconda 一起安装一批应用程序:
Anaconda Navigator,它是用于管理环境和包的 GUI
Anaconda Prompt 终端,它可让你使用命令行界面来管理环境和包
Spyder,它是面向科学开发的 IDE
为了避免报错,我推荐在默认环境下更新所有的包。打开 Anaconda Prompt (或者 Mac 下的终端),键入:
并在提示是否更新的时候输入 y(Yes)以便让更新继续。初次安装下的软件包版本一般都比较老旧,因此提前更新可以避免未来不必要的问题。
安装了 Anaconda 之后,管理包是相当简单的。要安装包,请在终端中键入 。例如,要安装 numpy,请键入 。
你还可以同时安装多个包。类似 的命令会同时安装所有这些包。还可以通过添加版本号(例如 )来指定所需的包版本。
Conda 还会自动为你安装依赖项。例如, 依赖于 ,因为它使用并需要 。如果你只安装 (),则 conda 还会安装 (如果尚未安装的话)。
大多数命令都是很直观的。要卸载包,请使用 。要更新包,请使用 。如果想更新环境中的所有包(这样做常常很有用),请使用 。最后,要列出已安装的包,请使用前面提过的 。
如果不知道要找的包的确切名称,可以尝试使用 进行搜索。例如,我知道我想安装 Beautiful Soup,但我不清楚确切的包名称。因此,我尝试执行 。
搜索 beautifulsoup
它返回可用的 Beautiful Soup 包的列表,并列出了相应的包名称 。
如前所述,你可以使用 conda 创建环境以隔离项目。要创建环境,请在终端中使用 。在这里, 设置环境的名称( 是指名称),而 是要安装在环境中的包的列表。例如,要创建名为 的环境并在其中安装 numpy,请键入 。
创建环境时,可以指定要安装在环境中的 Python 版本。这在你同时使用 Python 2.x 和 Python 3.x 中的代码时很有用。要创建具有特定 Python 版本的环境,请键入类似于 或 的命令。实际上,我在我的个人计算机上创建了这两个环境。我将它们用作与任何特定项目均无关的通用环境,以处理普通的工作(可轻松使用每个 Python 版本)。这些命令将分别安装 Python 3 和 Python 2 的最新版本。要安装特定版本(例如 Python 3.3),请使用 。
创建了环境后,在 OSX/Linux 上使用 进入环境。在 Windows 上,请使用 。
进入环境后,你会在终端提示符中看到环境名称,它类似于 。环境中只安装了几个默认的包,以及你在创建它时安装的包。你可以使用 检查这一点。在环境中安装包的命令与前面一样:。不过,这次你安装的特定包仅在你进入环境后才可用。要离开环境,请键入 (在 OSX/Linux 上)。在 Windows 上,请使用 。
共享环境这项功能确实很有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。你可以使用 将包保存为 YAML。命令的第一部分 用于输出环境中的所有包的名称(包括 Python 版本)。
将导出的环境输出到终端中
上图中,你可以看到环境的名称和所有依赖项及其版本。导出命令的第二部分 将导出的文本写入到 YAML 文件 中。现在可以共享此文件,而且其他人能够用于创建和你项目相同的环境。
要通过环境文件创建环境,请使用 。这会创建一个新环境,而且它具有同样的在 中列出的库。
如果忘记了环境的名称(我有时会这样),可以使用 列出你创建的所有环境。你会看到环境的列表,而且你当前所在环境的旁边会有一个星号。默认的环境(即当你不在选定环境中时使用的环境)名为 。
如果你不再使用某些环境,可以使用 删除指定的环境(在这里名为 )。
对我帮助很大的一点是,我的 Python 2 和 Python 3 具有独立的环境。我使用了 和 创建两个独立的环境,即 和 。现在,我的每个 Python 版本都有一个通用环境。在所有这些环境中,我都安装了大多数标准的数据科学包(numpy、scipy、pandas 等)。
我还发现,为我从事的每个项目创建环境很有用。这对于与数据不相关的项目(例如使用 Flask 开发的 Web 应用)也很有用。例如,我为我的个人博客(使用 Pelican)创建了一个环境。
在 GitHub 上共享代码时,最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。对于不使用 conda 的用户,我通常还会使用 (在此处了解详情)将一个 pip 文件导出并包括在其中。
还没有评论,来说两句吧...