注:不管是任何一門語言,剛開始入門的時候,語言運行環境的搭建都是一件不輕鬆的事情。html
要運行或寫Python代碼,就須要Python的運行環境,主要的Python有如下三類:python
回想本身使用Python的過程,一開始也是直接到Python的官網上下載最新版本的安裝包。安裝完Python後,添加環境變量,在cmd中用pip一個一個安裝須要使用的package。每次都是重複這樣的過程,有時候會遇到一些莫名其妙的問題,好比某些package沒法安裝成功;有時候只能下源碼本身編譯安裝。有時候還會須要不一樣版本的Python,電腦裏就會出現多個版本的Python。git
如今後面兩類方法用的比較多。github
還記得有段時間接觸到Java,一直分不清楚JRE和JDK的區別。如今終於搞明白了,JRE是運行是Java運行環境(Java Runtime Environment),能夠用來運行Java的代碼;JDK是Java開發工具包(Java Developer's Kit),即Java的開發環境,主要用來寫代碼。docker
寫代碼時,有一個好的集成開發環境(integrated development environment,IDE)會讓咱們事半功倍,包括但不限於如下這些優勢:windows
我用的比較多的IDE包括:PyCharm,Spyder和Jupyter notebook.瀏覽器
Anaconda是一種Python語言的免費增值開源發行版,用於進行大規模數據處理, 預測分析, 和科學計算, 致力於簡化包的管理和部署。Anaconda使用軟件包管理系統Conda進行包管理。——wikimarkdown
上面是wiki中對Anaconda Python發行版的介紹,其特色就是:爲數據科學而定製的版本,利用conda來管理package比原生態的pip更方便。ide
完整版本的Anaconda比較大,最新版的600多兆(windows, 64-Bit, Python3.6),該版本不只包括Python,還有預裝好的100多個package,省去了本身安裝包的麻煩。可是體積比較大,一般不少包都用不到。工具
下載連接:https://www.anaconda.com/download/
Minicoda只包含conda, Python和少許的包,大小隻有50幾兆。安裝好Miniconda後,可使用conda install來安裝其餘python的包
下載連接:https://conda.io/miniconda.html
下面以Miniconda爲例,安裝和配置Python的運行環境及開發環境(windows 7, 64位)
打開上面的連接,下載想要安裝的版本後進行安裝。
更多參考安裝指南:https://conda.io/docs/user-guide/install/index.html
安裝完成後,在開始菜單能夠看到下面的標誌:
點擊上面的Anaconda Prompt,打開anaconda的命令行工具。在這個命令行中能夠直接使用conda:
- conda info:查看當前虛擬環境的名稱和路徑,配置文件的位置,channel的列表,Python版本等基本狀況;
- conda env list: 列出全部的虛擬環境;
- conda list: 列出當前虛擬環境中已經安裝的包;
- conda search packagex: 搜索包packagex,會返回不一樣版本的包,可使用"packagex==x.y"來指定安裝x.y版;
- conda install packagex: 安裝包packagex.
由上圖能夠看到,如今只有一個虛擬環境——base,在這個環境中有30個預裝的包。
下面安裝經常使用的幾個用於數據分析的工具包:
指定安裝0.19.1版的scikit-learn: conda install scikit-learn==0.19.1
conda做爲anaconda中Python包管理工具,還有其餘不少功能,可參考:
https://conda.io/docs/commands.html
https://conda.io/docs/_downloads/conda-cheatsheet.pdf
安裝jupyter notebook的命令:conda install jupyter
安裝後,能夠看到開始菜單多了一個圖標:
使用時,能夠直接從開始菜單中的"Jupyter Notebook"啓動,或是在命令行中輸入jupyter notebook。打開後,會在瀏覽器中打開一個頁面:
連接默認爲:http://localhost:8888/tree
界面以下:
點擊圖中框出來的"New"菜單,選擇"Python 3"就能夠打開一個新的notebook
界面以下:
這時就能夠寫代碼了!
退出時,關閉相應的cmd窗口就能夠了。
對於Jupyter Notebook,徹底值得單獨拿出來講說。
jupyter notebook是一個交互式的IDE,雖然不像PyCharm這種重型IDE那麼強大,可是仍然能夠當作IDE來用,並且有一些特點很是適合用來進行數據分析:
可是我的感受jupyter notebook並不適用代碼量比較大的工程類項目。
本身最近幾個月一直在使用這個工具,可是尚未系統的研究過。這裏先放幾個連接,後面再來補充:
此外,JupyterLab:被稱爲下一代Jupyter,對原來的Jupyter Notebook作了不少改進。
參考文檔:https://jupyterlab.readthedocs.io/en/latest/
安裝:conda install -c conda-forge jupyterlab
因爲國內使用默認channel安裝包比較慢,安裝時能夠本身設置其餘來源的channel,下面使用了南京大學的鏡像:
(更多關於Anaconda 鏡像的使用方法,能夠參考清華大學開源軟件鏡像站上的使用幫助)
conda install -c http://mirrors.nju.edu.cn/anaconda/cloud/conda-forge/ jupyterlab
運行:jupyter lab
有時候須要用到R,在anaconda中安裝的R默認是由微軟的發行版(Microsoft R Open, MRO)
1. 安裝MRO
conda create -n mro_env r-essentials # 這裏建立了一個新的虛擬環境"mro_env"來安裝與R相關的包
2. 安裝IRkernel
安裝好R的虛擬環境後,須要安裝IRKernel才能在在jupyter lab中使用R。第一步結束後進行下面的操做:
conda activate mro_env # 進入新建立的虛擬環境
R # 直接輸入R進入R的命令行界面,在R內部安裝所需的包和IRkernel
install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
3. 激活IRkernal
IRkernel::installspec()
完成以上操做以後,再使用以前的命令安裝JupyterLab,就能夠在JupyterLab中使用R了:
<完>