Anaconda配置Python開發環境

Anaconda介紹

Anaconda 是在 linux、windows 和 mac os x 上執行 Python/R 數據分析和機器學習的最簡單的方式而且它是開源的。它在全球擁有超過 1, 100萬用戶, 是在單獨的一臺機器上進行開發、測試和訓練的行業標準, 由於具有如下特色，從而使他能都獨立的進行數據分析:
1. 提供了大量的Python/R 數據分析包
2. 使用 conda 管理庫、依賴關係和環境
3. 使用 scikit-learn, TensorFlow和Theano進行開發、訓練機器學以及深度學習
4. 使用 Dask、Numpy、pandas和 Numba 分析具備可擴展性和性能的數據
5. 使用 Matplotlib、Bokeh、Datashader 和Holoviews 實現可視化結果

Anaconda下載

官方下載地址爲:https://www.anaconda.com/distribution/
下載完成後，按照提示一步一步安裝完成便可

配置環境變量

將Anaconda的路徑

C:\Anaconda3;C:\Anaconda3\Scripts;C:\Anaconda3\Library\bin;C:\Anaconda3\Library\mingw-w64\bin;C:\Anaconda3\Lib\site-packages

配置到系統環境變量Path中去

Anaconda環境驗證

在命令行輸入conda，以下圖所示則代表環境OK

conda和Python的pip使用方式很是相似，能夠爲咱們安裝模塊（庫）提供很大的便利

配置Python開發環境

啓動Anaconda Navigator

點擊導航中的Evnironments

點擊Create建立本身的環境

 

選擇Python版本並定義該環境的名稱

而後點擊Create按鈕，Anaconda就會本身將python的環境準備好了，而且如圖所示它還問咱們準備了不少模塊，可供咱們在圖形化界面進行安裝（固然若是已經習慣了pip的話，咱們也能夠經過conda在命令行進行安裝）

 

環境準備好了，在導航欄中點擊Home，並選擇剛剛建立的環境，頁面會刷新該環境下的工具，如圖所示，有些須要安裝，根據各自的須要點擊Install便可，若是已經安裝好，點擊Launch就能夠啓動它。

Python的編譯工具是Spyder如圖所示

 

啓動Spyder

如圖所示窗口就打開了，咱們就能夠在上邊進行開發了

 

PS：有可能一開始命令行會提示異常，例如spyder版本有問題，默認好像不是最新版，這種狀況下命令行窗口不能用，整個Spyder都存在問題

處理方法：在系統的命令行直接用pip或者conda安裝最新的spyder，而後再從新啓動它便可

 

配置完畢後能夠用DOS命令行查看版本：conda --version 升級全部工具包：conda upgrade --all

更改conda下載源,cmd 下輸入：

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

安裝第三方包

安裝第三方包：conda install requests 或者 pip install requests
卸載第三方包：conda remove requests 或者 pip uninstall requests
查看已安裝包：conda list 或者 pip list

管理虛擬環境

建立獨立的python環境:

base環境：

activate 命令，不加參數，會直接進入anaconda設定的虛擬環境中。命令行前會多一個(base) 標識。和不進入base是同樣的。
activate // 切換到base環境

自建環境

新環境只有python自帶的一些官方包，每個環境都是標準的python環境目錄
1.建立一個名稱爲 study 的虛擬環境並指定python版本爲3 (耐心等待…)
conda create -n study python=3
2.切換到 study 環境
activate study

包管理

conda list // 列出當前環境下已安裝的包
conda remove -n study --all // 刪除study環境及下屬全部包
conda update requests // 更新requests第三方包

環境管理

conda env list // 列出當前環境的全部包conda env export > study.yaml // 導出當前環境的包信息到 study.yaml文件conda env create -n newEnv -f study.yaml // 用配置文件建立新的名爲 newEnv 的虛擬環境