Anaconda介紹與使用 中文版

Anaconda介紹

視頻: Anaconda簡介

Anaconda
Anaconda 是一個基於Python的環境管理工具. 相比其餘庫管理工具，它更適合數據工做者。 在Anaconda的幫助下，你可以更容易地處理不一樣項目下對軟件庫甚至是Python版本的不一樣需求。

Anaconda 包含 conda, Python 和超過150個科學相關的軟件庫及其依賴。 Conda是一個包管理工具。Anaconda是一個很是大的軟件，由於它包含了很是多的數據科學相關的庫。 若是你並不須要如此大量的庫，你能夠只安裝 Miniconda, 一個簡化版，僅包含 conda 和 Python。 而後你仍然能夠安裝其餘所需的庫。

在Conda環境下，你僅可使用命令行，若是你對此不適應，能夠看這個教學視頻。 command prompt tutorial for Windows 或者 Linux Command Line Basics。我就假設大家都會命令行吧：）

管理包

Installing numpy with conda

包管理工具用來在你的電腦上安裝庫和軟件。 你應該已經對pip比較熟悉了，那是Python的默認的庫管理工具。 Conda和pip很類似，只是它更關注與數據科學相關的庫。 另外，Conda並非只支持Python的， 它也支持非Python的庫。它是個適用於任何軟件庫的包管理工具。 因此，也並非全部Python庫均可以經過Anaconda得到。你仍然須要繼續適用pip去安裝其餘的庫。

Conda安裝預編譯過得庫。 例如Anaconda適用MKL庫編譯 Numpy, Scipy and Scikit-learn並加速了一些數學操做。 因此全部庫會有一些延遲，須要先作一些適配。

環境

使用Conda建立環境

在管理包的同時，Anaconda也能夠作環境管理。 這和 virtualenv 、 pyenv等一系列環境管理工具類似。

多個環境容許你分開和隔離你在不一樣項目中使用的軟件和庫。一般狀況下，你須要在不一樣項目中使用一些庫的不一樣版本。例如，你的某些代碼須要一些Numpy新版本中的特性，可是另外的代碼卻須要一些只有舊版本纔有的方法。 你不可能在你的電腦上裝兩個版本，也不肯留意爲了運行程序和頻繁更換版本。 因此，創建帶有不一樣Numpy版本的環境是最佳選擇。

一樣的，對於使用Python 2和3版本的程序，環境管理一樣適用。

你也能夠導出你用到的庫的清單，而後在其餘環境中加載。Pip有使用相似的操做： pip freeze > requirements.txt.

安裝 Anaconda

視頻
http://v.youku.com/v_show/id_...

下載地址 https://www.continuum.io/down...

若是你已經安裝過Python，Anaconda的安裝並不會破壞原有環境，但你在Anaconda的環境中將使用Anaconda默認的Python版本。（若是你在安裝的時候勾選了將Anaconda的Python版本設爲默認的話會影響外部環境。）

先下載Python 3版本，你以後依然能夠安裝Python 2.

你能夠經過 conda list 命令來查看你已經安裝過的軟件包.

在 Windows 上

在 Anaconda 時會提供其餘軟件:

• Anaconda Navigator, 一個GUI工具幫你管理包和環境
• Anaconda Prompt, 一個terminal來進行交互（咱們一般使用這個）
• Spyder, 一個開源跨平臺科學開發IDE

自帶的庫可能已通過時了，咱們更新一下爲了不出錯。打開 Anaconda Prompt ，在prompt, 執行:

conda upgrade conda
conda upgrade --all

若是詢問是否要安裝新庫選「是」。

Note: 在以前的操做中, 執行 conda upgrade conda 不是必須的，由於 --all 包含了conda自己, 可是若是有的用戶的Conda已經損壞了的壞能夠嘗試使用.

咱們比較推薦用戶熟悉Prompt而不是經過GUI來操做。

故障排除

若是在ZShell遇到 "conda command not found" , 那麼先執行下列操做:

添加 export PATH="/Users/username/anaconda/bin:$PATH" 到你的 .zsh_config 文件.

管理包

一旦你裝好了Anaconda，那安裝庫就很容易了。 須要安裝時，直接輸入 conda install 包名 就好. 例如, 若是須要安裝 numpy, 輸入 conda install numpy.

[conda_default_install](https://youtu.be/yave-K2Iius)

你能夠同時安裝多個包。 例如 conda install numpy scipy pandas 會同時安裝。 也能夠指定版本號，例如 conda install numpy=1.10.

Conda會自動安裝依賴。例如， scipy 依賴於 numpy,。 若是你只安裝 scipy (conda install scipy), Conda 會自動安裝 numpy 若是以前沒安裝過。

若是須要刪除，直接使用 conda remove 包名. 更新包 conda update package_name. 若是須要更新環境中全部庫， conda update --all. 若是須要列出已安裝軟件， conda list.

若是你不知道確切的包名，能夠用 conda search . 例如，我知道 Beautiful Soup,但不肯定確切的包名，因此我嘗試用 conda search beautifulsoup.

Searching for beautifulsoup

它返回了合適的包名：beautifulsoup4.

環境管理

像我以前提到的, conda可使用 create environments 來隔離項目. 爲了建項目 conda create -n 環境名 包列表 . 這裏-n 環境名 設置了你的環境名 (-n 表明name) 而後列出了你要安裝的庫. 例如，你要創建一個叫 my_env 的環境而後 install numpy , 輸入 conda create -n my_env numpy.

當建立環境的時候，你能夠指明須要的Python版本。例如 conda create -n py3 python=3.3 或conda create -n py2 python=2。

進入環境

一旦環境創建, 在OSX/Linux中用 source activate my_env 進入環境. Windows上，用 activate my_env.

當你進入了環境，你能夠看到環境名，如 (my_env) ~ $. 退出環境, 輸入source deactivate (on OSX/Linux). Windows上, use deactivate.

保存和載入環境

一個使用的功能是你能夠分享你安裝的軟件列表給別人，而後執行代碼安裝。 你能夠用一個YAML 文件來存儲列表。conda env export > environment.yaml. 第一部分 conda env export 寫出了現有庫。

Exported environment printed to the terminal

當你在別的電腦上要導入時，只用經過yaml文件來建立環境就好了。 conda env create -f environment.yaml.

列出環境

若是你忘記了環境名，能夠用conda env list 來列出你須要的環境名。,默認環境叫 root.

刪除環境

若是你有不須要的環境, conda env remove -n env_name 來刪除 (here, named env_name).