Anaconda安裝與使用

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。 由於包含了大量的科學包，Anaconda 的下載文件比較大（約 531 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）。
Conda是一個開源的包、環境管理器，能夠用於在同一個機器上安裝不一樣版本的軟件包及其依賴，並可以在不一樣的環境之間切換
Anaconda包括Conda、Python以及一大堆安裝好的工具包，好比：numpy、pandas等
Miniconda包括Conda、Python

1、Anaconda下載

下載地址：https://www.anaconda.com/download/ （官網）

嫌慢的同窗能夠自行去搜索資源, 這裏就不囉嗦了

Anaconda 是跨平臺的，有 Windows、macOS、Linux 版本，咱們這裏以 Windows 版本爲例，點擊那個 Windows 圖標。
我這裏選擇下載 

Python 2.7 version --Python 2.7 版
64-Bit Graphical Installer (564 MB) --64位圖形安裝程序（564 MB）
固然，你也能夠根據本身的實際狀況，選擇 Python 3.6版的，或者 32-Bit 版本的。
安裝包有 564MB，由於網速的關係，下載時間可能會比較長，請耐心等待。我這裏下載完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。

2、安裝Anaconda

雙擊下載好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出現以下界面，點擊 Next 便可。

點擊Next

點擊 I Agree （我贊成），不一樣意，固然就沒辦法繼續安裝啦。

Install for: Just me仍是All Users，假如你的電腦有好幾個 Users ，才須要考慮這個問題.其實咱們電腦通常就一個 User，就咱們一我的使用，若是你的電腦有多個用戶，選擇All Users，我這裏直接 All User，繼續點擊 Next 。

Destination Folder 是「目標文件夾」的意思，能夠選擇安裝到什麼地方。默認是安裝到 C:\ProgramData\Anaconda2文件夾下。你也能夠選擇 Browse... ，選擇想要安裝的文件夾。我這裏 C 盤空間充裕，因此我直接就裝到默認的地方。

這裏提一下，Anaconda 很強大，佔用空間也不小啊，2.6GB，差很少是一部高清電影的體積了。不過，爲了學習，這點硬盤空間算什麼呢。繼續點擊 Next> 。

這裏來到 Advanced Options 了，所謂的「高級選項」。若是你英文好，有必定背景知識的話，確定明白這界面上的意思。兩個默認就好，第一個是加入環境變量，第二個是默認使用 Python 2.7，點擊「Install」，終於開始安裝額。

安裝時間根據你的電腦配置而異，電腦配置高，硬盤是固態硬盤，速度就更快。安裝過程其實就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件裏壓縮的各類 dll 啊，py 文件啊，所有寫到安裝目標文件夾裏。

過程仍是很漫長的，畢竟 2.6GB 的無數個小文件啊，請耐心等待。

通過漫長的等待，終於安裝完成 Installation Complete （安裝完成）了，點擊最後一個 Next>。

點擊Install Microsoft VSCode

點擊 Finish，那兩個 √ 能夠取消。

3、配置環境變量

若是是windows的話須要去 控制面板\系統和安全\系統\高級系統設置\環境變量\用戶變量\PATH 中添加 anaconda的安裝目錄的Scripts文件夾, 好比個人路徑是C:\ProgramData\Anaconda2\Scripts, 看我的安裝路徑不一樣須要本身調整.以後就能夠打開命令行(最好用管理員模式打開) 輸入 conda --version

若是輸出conda 4.5.4之類的就說明環境變量設置成功了.爲了不可能發生的錯誤, 咱們在命令行輸入conda upgrade --all 先把全部工具包進行升級b

4、管理虛擬環境

接下來咱們就能夠用anaconda來建立咱們一個個獨立的python環境了.接下來的例子都是在命令行操做的,請打開你的命令行吧.

4.1 activate

activate 能將咱們引入anaconda設定的虛擬環境中, 若是你後面什麼參數都不加那麼會進入anaconda自帶的base環境,
你能夠輸入python試試, 這樣會進入base環境的python解釋器, 若是你把原來環境中的python環境去除掉會更能體會到, 這個時候在命令行中使用的已經不是你原來的python而是base環境下的python.而命令行前面也會多一個(base) 說明當前咱們處於的是base環境下。

建立本身的虛擬環境咱們固然不知足一個base環境, 咱們應該爲本身的程序安裝單獨的虛擬環境.建立一個名稱爲python34的虛擬環境並指定python版本爲3.4(這裏conda會自動找3.4中最新的版本下載)conda  create -n python34  python=3.4或者conda  create  --name  python34   python=3.4

因而咱們就有了一個learn的虛擬環境, 接下來咱們切換到這個環境, 同樣仍是用activae命令 後面加上要切換的環境名稱

4.2 切換環境

activate learn若是忘記了名稱咱們能夠先用conda env list

去查看全部的環境如今的learn環境除了python自帶的一些官方包以外是沒有其餘包的, 一個比較乾淨的環境咱們能夠試試先輸入python打開python解釋器而後輸入

import requests
    pass

會報錯找不到requests包, 很正常.接下來咱們就要演示如何去安裝requests包exit()退出python解釋器

4.3 卸載環境

conda remove --name test --all

4.4 關於環境總結

# 建立一個名爲python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會爲咱們自動尋找3.4.x中的最新版本）

conda create --name python34 python=3.4

# 安裝好後，使用activate激活某個環境

activate python34 # for Windows

source activate python34 # for Linux & Mac

# 激活後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統作的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH

# 此時，再次輸入

python --version

# 能夠獲得`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境

# 若是想返回默認的python 2.7環境，運行

deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 刪除一個已有的環境

conda remove --name python34 --all

5、安裝第三方包

輸入

conda install requests

或者

pip install requests

來安裝requests包.安裝完成以後咱們再輸入python進入解釋器並import requests包, 此次必定就是成功的了.

6、卸載第三方包

那麼怎麼卸載一個包呢

conda remove requests

或者

pip uninstall requests

就行啦.

7、查看環境包信息

要查看當前環境中全部安裝了的包能夠用

conda list

8、導入導出環境

1.若是想要導出當前環境的包信息能夠用
conda env export > environment.yaml將包信息存入yaml文件中.

當須要從新建立一個相同的虛擬環境時能夠用
conda env create -f environment.yaml其實命令很簡單對不對, 我把一些經常使用的在下面給出來, 相信本身多打兩次就能記住

activate                       // 切換到base環境
activate learn                 // 切換到learn環境
conda create -n learn python=3 // 建立一個名爲learn的環境並指定python版本爲3(的最新版本)
conda env list                 // 列出conda管理的全部環境
conda list                     // 列出當前環境的全部包
conda install requests         // 安裝requests包
conda remove requests          // 卸載requets包
conda remove -n learn --all    // 刪除learn環境及下屬全部包
conda update requests          // 更新requests包
conda env export > environment.yaml  // 導出當前環境的包信息
conda env create -f environment.yaml // 用配置文件建立新的虛擬環境

9、深刻一哈

或許你會以爲奇怪爲啥anaconda能作這些事, 他的原理究竟是什麼, 咱們來看看anaconda的安裝目錄

這裏只截取了一部分, 可是咱們和本文章最開頭的python環境目錄比較一下, 能夠發現其實十分的類似, 其實這裏就是base環境. 裏面有着一個基本的python解釋器, lLib裏面也有base環境下的各類包文件.

那咱們本身建立的環境去哪了呢, 咱們能夠看見一個envs, 這裏就是咱們本身建立的各類虛擬環境的入口, 點進去看看

能夠發現咱們以前建立的learn目錄就在下面, 再點進去

這不就是一個標準的python環境目錄嗎?這麼一看, anaconda所謂的建立虛擬環境其實就是安裝了一個真實的python環境, 只不過咱們能夠經過activate,conda等命令去隨意的切換咱們當前的python環境, 用不一樣版本的解釋器和不一樣的包環境去運行python腳本.

10、與JetBrains PyCharm 鏈接

在工做環境中咱們會集成開發環境去編碼, 這裏推薦JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虛擬環境結合在Setting => Project => Project Interpreter 裏面修改 Project Interpreter , 點擊齒輪標誌再點擊Add Local爲你某個環境的python.exe解釋器就好了

好比你要在learn環境中編寫程序, 那麼就修改成C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 能夠看到這時候下面的依賴包也變成了learn環境中的包了.接下來咱們就能夠在pycharm中愉快的編碼了。

11、Anaconda初體驗

按下 Windows 徽標鍵，調出 Windows 開始菜單，能夠看到 「最近添加」的：Anaconda2(64-bit)

12、Anaconda Prompt

打開Anaconda Prompt，這個窗口和doc窗口同樣的，輸入命令就能夠控制和配置python，最經常使用的是conda命令，這個pip的用法同樣，此軟件都集成了，你能夠直接用，點開的話以下圖。用命令conda list查看已安裝的包，從這些庫中咱們能夠發現NumPy,SciPy,Matplotlib,Pandas，說明已經安裝成功了!

還可使用conda命令進行一些包的安裝和更新
conda list：列出全部的已安裝的packages
conda install name：其中name是須要安裝packages的名字，好比，我安裝numpy包，輸入上面的命令就是「conda install numpy」。單詞之間空一格，而後回車，輸入y就能夠了。
安裝完anaconda，就至關於安裝了Python、IPython、集成開發環境Spyder、一些包等等。你能夠在Windows下的cmd下查看：

十3、Anaconda Navigtor

用於管理工具包和環境的圖形用戶界面，後續涉及的衆多管理命令也能夠在 Navigator 中手工實現。

十4、Jupyter notebook

基於web的交互式計算環境，能夠編輯易於人們閱讀的文檔，用於展現數據分析的過程。

十5、Qtconsole

一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 能夠直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。

十6、Spyder

一個使用Python語言、跨平臺的、科學運算集成開發環境。
點擊 Anaconda Navigator ，第一次啓用，會初始化，耐心等待一段時間，加載完成，界面如圖。

Spyder編輯器，咱們之後就能夠用這款編輯器來編寫代碼，它最大優勢就是模仿MATLAB的「工做空間」。spyder.exe放在安裝目錄下的Scripts裏面，如個人是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接雙擊就能運行。咱們能夠右鍵發送到桌面快捷方式，之後運行就比較方便了。
咱們簡單編寫一個程序來測試一下安裝是否成功，該程序用來打開一張圖片並顯示。首先準備一張圖片，而後打開spyder，編寫以下代碼：

# -*- coding: utf-8 -*-
"""
Spyder Editor This is a temporary script file.
"""

from skimage import io
img = io.imread('C:/Users/Administrator/Desktop/379283176280170726.jpg?x-oss-process=style/watermark')

io.imshow(img)

將其中的C:/Users/Administrator/Desktop/379283176280170726.jpg?x-oss-process=style/watermark改爲你本身要顯示圖片的位置，而後點擊上面工具欄裏的綠色三角進行運行，最終顯示以下：

十7、jupyterlab

咱們點擊 jupyterlab 下面的 Launch ，會在默認瀏覽器（我這裏是 Chrome）打開 http://localhost:8888/lab 這樣一個東東，這裏就能夠輸入 Python 代碼啦，來一句 Hello World 吧。
咱們能夠打開 Anaconda Navigator -> Launch jupyterlab ，也能夠直接在瀏覽器輸入 http://localhost:8888/lab （能夠保存爲書籤）。若是是佈置在雲端，能夠輸入服務器域名（IP），是否是很爽？

十8、VSCode

Visual Studio Code是一個輕量級但功能強大的源代碼編輯器，可在桌面上運行，適用於Windows，macOS和Linux。它內置了對JavaScript，TypeScript和Node.js的支持，併爲其餘語言（如C ++，C＃，Java，Python，PHP，Go）和運行時（如.NET和Unity）提供了豐富的擴展生態系統。

十9、Glueviz

Glue是一個Python庫，用於探索相關數據集內部和之間的關係。其主要特色包括：
連接統計圖形。使用Glue，用戶能夠建立數據的散點圖，直方圖和圖像（2D和3D）。膠水專一於刷牙和連接範例，其中任何圖形中的選擇傳播到全部其餘圖形。靈活地跨數據連接。Glue使用不一樣數據集之間存在的邏輯連接來覆蓋不一樣數據的可視化，並跨數據集傳播選擇。這些連接由用戶指定，而且是任意靈活的。

完整的腳本功能。Glue是用Python編寫的，而且創建在其標準科學庫（即Numpy，Matplotlib，Scipy）之上。用戶能夠輕鬆地集成他們本身的python代碼進行數據輸入，清理和分析。

二10、Orange3

交互式數據可視化
經過巧妙的數據可視化執行簡單的數據分析。探索統計分佈，箱形圖和散點圖，或深刻了解決策樹，層次聚類，熱圖，MDS和線性投影。即便您的多維數據也能夠在2D中變得合理，特別是在智能屬性排名和選擇方面。

老師和學生都喜歡它在教授數據挖掘時，咱們喜歡說明而不是僅僅解釋。而橙色很棒。Orange在世界各地的學校，大學和專業培訓課程中使用，支持數據科學概念的實踐培訓和視覺插圖。甚至還有專門爲教學設計的小部件。
附加組件擴展功能

使用Orange中可用的各類附加組件從外部數據源挖掘數據，執行天然語言處理和文本挖掘，進行網絡分析，推斷頻繁項目集並執行關聯規則挖掘。此外，生物信息學家和分子生物學家可使用Orange經過差別表達對基因進行排序並進行富集分析。

二11、Rstudio

R軟件自帶的有寫腳本的工具，但是我不是很喜歡用（並非說很差哈），我更喜歡用RStudio（網上還有Tinn-R，RWinEdt等）。由於我以爲其自己比較方便，另外在編程的時候有些功能很方便。下面這個界面是我修改了主題的，下面我將介紹如何修改主題，來方便編程。

二12、結語

如今你是否是發現用上anaconda就能夠十分優雅簡單的解決上面所說起的單個python環境所帶來的弊端了呢, 並且也明白了其實這一切的實現並無那麼神奇.

固然anaconda除了包管理以外還在於其豐富數據分析包, 不過那就是另外一個內容了, 咱們先學會用anaconda去換一種方法管裏本身的開發環境, 這已是一個很大的進步了。