初學python者自學anaconda的正確姿式

事實上Anaconda 和 Jupyter notebook已成爲數據分析的標準環境。

簡單來講，Anaconda是包管理器和環境管理器，Jupyter notebook 能夠將數據分析的代碼、圖像和文檔所有組合到一個web文檔中。

接下來我詳細介紹下Anaconda，並在最後給出Jupyter notebook：

1.Anaconda是什麼？

2.如何安裝？

3. 如何管理包？

4.如何管理環境？

5.Jupyter notebook如何快速上手？

 

1.Anaconda是什麼？

 anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。 [1]  由於包含了大量的科學包，Anaconda 的下載文件比較大（約 515 MB），若是隻須要某些包，或者須要節省帶寬或存儲空間，也可使用Miniconda這個較小的發行版（僅包含conda和 Python）。

 

你可能已經安裝了 Python，那麼爲何還須要 Anaconda？有如下3個緣由：

1）Anaconda 附帶了一大批經常使用數據科學包，它附帶了 conda、Python 和 150 多個科學包及其依賴項。所以你能夠當即開始處理數據。

2）管理包

Anaconda 是在 conda（一個包管理器和環境管理器）上發展出來的。

在數據分析中，你會用到不少第三方的包，而conda（包管理器）能夠很好的幫助你在計算機上安裝和管理這些包，包括安裝、卸載和更新包。

3）管理環境

爲何須要管理環境呢？

好比你在A項目中用了 Python 2，而新的項目B老大要求使用Python 3，而同時安裝兩個Python版本可能會形成許多混亂和錯誤。這時候 conda就能夠幫助你爲不一樣的項目創建不一樣的運行環境。

還有不少項目使用的包版本不一樣，好比不一樣的pandas版本，不可能同時安裝兩個 Numpy 版本，你要作的應該是，爲每一個 Numpy 版本建立一個環境，而後項目的對應環境中工做。這時候conda就能夠幫你作到。

2. 如何安裝Anaconda？

Anaconda 可用於多個平臺（ Windows、Mac OS X 和 Linux）。你能夠在下面地址上找到安裝程序和安裝說明。根據你的操做系統是32位仍是64位選擇對應的版本下載。

（Anaconda已經不支持Windows XP；同時查看本身電腦是32位仍是64位，不要裝錯了。）

官網地址：https://www.anaconda.com/download/#windows

Anaconda 的下載文件比較大（約 500 MB），由於它附帶了 Python 中最經常使用的數據科學包。

若是計算機上已經安裝了 Python，安裝不會對你有任何影響。實際上，腳本和程序使用的默認 Python 是 Anaconda 附帶的 Python。

注意：若是你是windows 10系統，注意在安裝Anaconda軟件的時候，右擊安裝軟件→選擇以管理員的身份運行。

 

完成安裝後，若是你是在windows上操做，按下面圖打開 Anaconda Prompt （或者 Mac 下的終端），後面我會將Anaconda Prompt統一稱爲「終端」。

<img src="https://pic3.zhimg.com/50/v2-60a3932918cd00b883b9093ffe0f70ba_hd.jpg" data-caption="" data-size="normal" data-rawwidth="248" data-rawheight="335" class="content_image" width="248">

注意：若是你是windows 10系統，按下圖操做

<img src="https://pic3.zhimg.com/50/v2-9afae7b4240e4168ae0b3cb0aaff3616_hd.jpg" data-caption="" data-size="normal" data-rawwidth="451" data-rawheight="658" class="origin_image zh-lightbox-thumb" width="451" data-original="https://pic3.zhimg.com/v2-9afae7b4240e4168ae0b3cb0aaff3616_r.jpg">

若是win10系統沒有按上述操做，後面會報下面的錯誤信息：

<img src="https://pic2.zhimg.com/50/v2-1b0040f40d884a8177c6ff684d37347a_hd.jpg" data-caption="" data-size="normal" data-rawwidth="814" data-rawheight="506" class="origin_image zh-lightbox-thumb" width="814" data-original="https://pic2.zhimg.com/v2-1b0040f40d884a8177c6ff684d37347a_r.jpg">

 

能夠在終端或命令提示符中鍵入 conda list，以查看你安裝的內容。

 若是安裝後，在Anaconda Prompt中都沒法使用Conda命令，解決方法在這裏：https://zhuanlan.zhihu.com/p/34337889

 

爲了不後面使用報錯，你須要先更新下全部包。在終端輸入更新全部包的命令：

conda upgrade --all

 執行了幾回conda upgrade --all都是上面的狀況。

在網上查詢，而後執行了conda update conda

再次執行conda upgrade --all就正常了

 

 

3. 如何管理包？

安裝了 Anaconda 以後，就能夠很方便的管理包了（安裝，卸載，更新）。

1）安裝包

在終端中鍵入：

conda install package_name

例如，要安裝 pandas，在終端中輸入：

conda install pandas

你還能夠同時安裝多個包。相似 conda install pandas numpy 的命令會同時安裝全部這些包。還能夠經過添加版本號（例如 conda install numpy=1.10）來指定所需的包版本。

 

2）卸載包

在終端中鍵入 ：

conda remove package_names

上面命令中的package_names是指你要卸載包的名稱，例如你想卸載pandas包：conda remove pandas

3）更新包

在終端中鍵入：

conda update package_name

若是想更新環境中的全部包（這樣作經常頗有用），使用：conda update --all。

4）列出已安裝的包

#列出已安裝的包
conda list

例如我已經成功安裝了numpy和pandas這兩個經常使用的包。

<img src="https://pic2.zhimg.com/50/v2-dc3296d183fd1f870635ecfea113fb1c_hd.jpg" data-caption="" data-size="normal" data-rawwidth="610" data-rawheight="388" class="origin_image zh-lightbox-thumb" width="610" data-original="https://pic2.zhimg.com/v2-dc3296d183fd1f870635ecfea113fb1c_r.jpg">

若是不知道要找的包的確切名稱，能夠嘗試使用 conda search search_term 進行搜索。例如，我知道我想安裝numpy，但我不清楚確切的包名稱。我能夠這樣嘗試：conda search num。

 

4.如何管理環境？

conda 能夠爲你不一樣的項目創建不一樣的運行環境。

0）安裝nb_conda用於notebook自動關聯nb_conda的環境。

<img src="https://pic4.zhimg.com/50/v2-cd28aeeaf8e69e8daba4e70009e59a62_hd.jpg" data-caption="" data-size="normal" data-rawwidth="674" data-rawheight="436" class="origin_image zh-lightbox-thumb" width="674" data-original="https://pic4.zhimg.com/v2-cd28aeeaf8e69e8daba4e70009e59a62_r.jpg">

1）建立環境

在終端中使用:

conda create -n env_name package_names

上面的命令中，env_name 是設置環境的名稱（-n 是指該命令後面的env_name是你要建立環境的名稱），package_names 是你要安裝在建立環境中的包名稱。

例如，要建立環境名稱爲 py3 的環境並在其中安裝 numpy，在終端中輸入 conda create -n py3 pandas。

<img src="https://pic3.zhimg.com/50/v2-e0dcd728b90c1f989a452abc1c644101_hd.jpg" data-caption="" data-size="normal" data-rawwidth="674" data-rawheight="227" class="origin_image zh-lightbox-thumb" width="674" data-original="https://pic3.zhimg.com/v2-e0dcd728b90c1f989a452abc1c644101_r.jpg">

2）建立環境時，能夠指定要安裝在環境中的 Python 版本

當你同時使用 Python 2.x 和 Python 3.x 中的代碼時這頗有用。要建立具備特定 Python 版本的環境，例如建立環境名稱爲py3，並安裝最新版本的Python3在終端中輸入：

conda create -n py3 python=3 

 

或也能夠這樣建立環境名稱爲py2，並安裝最新版本的Python2：

conda create -n py2 python=2

 

 

由於我作的項目不一樣，有時候會用到Python2，還有時候會用到Python3。因此我在本身的計算機上建立了這兩個環境，並分別取了這樣的環境名稱：py2,py3。這樣我能夠根據不一樣的項目輕鬆使用不一樣版本的python。

若是你要安裝特定版本（例如 Python 3.6），請使用 conda create -n py python=3.6

 

3）進入環境

在 Windows 上，你可使用 activate my_env進入。在 OSX/Linux 上使用 source activate my_env 進入環境。

進入環境後，你會在終端提示符中看到環境名稱，下面圖片是我進入py3的環境（這裏的py3是我上面建立環境時本身起的名稱，你能夠起個本身喜歡的名稱）。

<img src="https://pic2.zhimg.com/50/v2-f6899ad25feedc55f65b90a2ea4170de_hd.jpg" data-caption="" data-size="normal" data-rawwidth="617" data-rawheight="115" class="origin_image zh-lightbox-thumb" width="617" data-original="https://pic2.zhimg.com/v2-f6899ad25feedc55f65b90a2ea4170de_r.jpg">

進入環境後，我能夠用conda list 查看環境中默認安裝的幾個包：

<img src="https://pic3.zhimg.com/50/v2-11cab00b20c13cdc5af9d741854bed67_hd.jpg" data-caption="" data-size="normal" data-rawwidth="523" data-rawheight="301" class="origin_image zh-lightbox-thumb" width="523" data-original="https://pic3.zhimg.com/v2-11cab00b20c13cdc5af9d741854bed67_r.jpg">

在環境中安裝包的命令與前面同樣：conda install package_name。

不過，此次你安裝的特定包僅在你進入環境後纔可用。

 

3）離開環境

在 Windows 上，終端中輸入：

deactivate

在 OSX/Linux 上 輸入：

source deactivate

 

4）共享環境

共享環境很是有用，它能讓其餘人安裝你的代碼中使用的全部包，並確保這些包的版本正確。好比你開發了一個藥店數據分析系統，你要提交給項目部署系統的王二狗來部署你的項目，可是王二狗並不知道你當時開發時使用的是哪一個python版本，以及使用了哪些包和包的版本。這怎麼辦呢？

 

你能夠在你當前的環境中終端中使用 conda env export > environment.yaml 將你當前的環境保存到文件中包保存爲YAML文件（包括Pyhton版本和全部包的名稱）。

命令的第一部分 conda env export 用於輸出環境中的全部包的名稱（包括 Python 版本）。

<img src="https://pic4.zhimg.com/50/v2-b136666ef127c5b65075a485ce2b2b41_hd.jpg" data-caption="" data-size="normal" data-rawwidth="611" data-rawheight="113" class="origin_image zh-lightbox-thumb" width="611" data-original="https://pic4.zhimg.com/v2-b136666ef127c5b65075a485ce2b2b41_r.jpg">

在「notebook工做文件夾」下（及你在終端中上圖的路徑）能夠看到導出的環境文件：

<img src="https://pic3.zhimg.com/50/v2-9eaa081fbe54c59d35c792dd968a3515_hd.jpg" data-caption="" data-size="normal" data-rawwidth="280" data-rawheight="191" class="content_image" width="280">

在 GitHub 上共享代碼時，最好一樣建立環境文件並將其包括在代碼庫中。這能讓其餘人更輕鬆地安裝你的代碼的全部依賴項。

導出的環境文件，在其餘電腦環境中如何使用呢？

首先在conda中進入你的環境，好比activate py3

而後在使用如下命令更新你的環境：

#其中-f表示你要導出文件在本地的路徑，因此/path/to/environment.yml要換成你本地的實際路徑
conda env update -f=/path/to/environment.yml

 

對於不使用 conda 的用戶，我一般還會使用 pip freeze > environment.txt 將一個 txt文件導出幷包括在其中。

具體見這裏：https://pip.pypa.io/en/stable/reference/pip_freeze/

舉個例子你可能更容易理解這個使用場景：

首先，我在本身的電腦上在conda中將項目的包導出成environment.txt 文件：

<img src="https://pic1.zhimg.com/50/v2-8fbf8a5edd8d5bf1ba5cca1097098168_hd.jpg" data-caption="" data-size="normal" data-rawwidth="675" data-rawheight="120" class="origin_image zh-lightbox-thumb" width="675" data-original="https://pic1.zhimg.com/v2-8fbf8a5edd8d5bf1ba5cca1097098168_r.jpg">

而後我將該文件包含在項目的代碼庫中，其餘項目成員即便在他的電腦上沒有安裝conda也可使用該文件來安裝和我同樣的開發環境：

他在本身的電腦上進入python命令環境，而後運行如下命令就能夠安裝該項目須要的包：

pip install -r /path/requirements.txt

其中/path/requirements.txt是該文件在你電腦上的實際路徑。

<img src="https://pic2.zhimg.com/50/v2-9d5f722f0c60393b74730a6f2734cac6_hd.jpg" data-caption="" data-size="normal" data-rawwidth="834" data-rawheight="222" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic2.zhimg.com/v2-9d5f722f0c60393b74730a6f2734cac6_r.jpg">

5）列出環境

我有時候會忘記本身建立的環境名稱，這時候用 conda env list 就能夠列出你建立的全部環境。

你會看到環境的列表，並且你當前所在環境的旁邊會有一個星號。默認的環境（即當你不在選定環境中時使用的環境）名爲 root。

<img src="https://pic3.zhimg.com/50/v2-8f7a92b366e5eaf576ad2ee38393dcac_hd.jpg" data-caption="" data-size="normal" data-rawwidth="615" data-rawheight="146" class="origin_image zh-lightbox-thumb" width="615" data-original="https://pic3.zhimg.com/v2-8f7a92b366e5eaf576ad2ee38393dcac_r.jpg">

6）刪除環境

若是你再也不使用某個環境，可使用 conda env remove -n env_name 刪除指定的環境（在這裏環境名爲 env_name）。

 

最後從新再強調下，不要被上面的命令嚇到。雖然上述命令多，給了誰都記不住的。後面你跟着我在知乎上多作項目，用的多了天然記住了。你只須要跟着上面步驟操做下，並理解了每一步是幹什麼的就能夠了。後面遇到要作的事情，忘記了回頭查這個文檔就能夠了。

conda的官方文檔：https://conda.io/docs/user-guide/tasks/index.html

 

按照上面的步驟你親自操做一遍後，你已經學會了Anaconda，並安裝好你的數據分析Pyhton環境了，接下來你就能夠愉快的使用Jupyter notebook來作數據分析了：

jupyter notebook 能夠作哪些事情？​www.zhihu.com