Python数据分析开发环境Anaconda

admin管理员组

文章数量:1794759

Python数据分析开发环境Anaconda

🤵‍♂️ 个人主页: @Flyme awei 个主页 👨‍💻 作者简介：Python领域新星创作者。 📒 系列专栏：《在线编程-Python篇》 🌐 推荐一款找工作神器网站: 《牛客网》 |笔试题库|面试经验|实习招聘内推|

数据分析标准环境Anaconda

文章目录

• 数据分析标准环境Anaconda
• • 1、Anaconda介绍
  • • 1.1概述
    • 1.2 特点
    • 1.3了解Anaconda
    • 1.4anaconda与virtualenv的对比
    • 1.5pip与conda比较
  • 2、Anaconda安装
  • 3、管理环境
  • • 3.1 创建新环境
    • 3.2 切换环境
    • 3.3 退出环境至物理环境
    • 3.4 显示已创建环境
    • 3.5 复制环境
    • 3.6 删除环境
  • 4、包管理
  • • 4.1 获取当前环境中已安装的包信
    • 4.2查找可供安装的包版本
    • 4.3 安装包
    • 4.4 卸载包
    • 4.5 更新包
    • **`推 荐:牛客题霸-经典高频面试题库`**

1、Anaconda介绍 1.1概述

Anaconda就是可以便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易，同时对环境可以统一管理的发行版本。

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项

1.2 特点

• 开源
• 安装过程简单
• 高性能使用Python和R语言
• 免费的社区支持

1.3了解Anaconda

  首先我们需要从python本身说起，从根源寻找问题，我们在使用python语言编写程序之前需要下载一个python解释器，这才是python的本体，没了python解释器，我们即使写了无比正确优雅的python脚本也没办法运行，那这个解释器在哪呢？就在你安装python的地方。

所有的第三方包都放在site-packages文件夹里面。最关键的，一个python环境中需要有一个解释器，和一个包集合。

解释器：解释器根据python的版本大概分为2和3。python2和3之间无法互相兼容，也就是说用python2语法写出来的脚本不一定能在python3的解释器中运行。

包集合：包集合中包含了自带的包和第三方包，第三方包我们一般通过pip或者easy_install来下载，当一个python环境中不包含这个包，那么引用了这个包的程序不能在该python环境中运行。

python环境解释完了，那么接下来就要说明这样的环境究竟产生哪些问题，因为anaconda正式为了解决这些问题而诞生的。

到底该装 Python2 呢还是 Python3

  python2和python3在语法上是不兼容的，那我的机器上应该装python2还是python3呢，可能一开始选一个学习就好了，但是如果你要开发的程序必须使用python2而不能使用python3，那这时候你就不得不再下载一个python2，那这时候环境变量该设谁的目录呢，如果还是切换环境变量岂不是很麻烦。

虽然目前Python3使用的范围更广，但是Python3小版本之前也存在一些差异

包管理

  如果我在本地只有一个python环境那我所有程序用到的各种包都只能放到同一个环境中，导致环境混乱。另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包，需要自己手动一个个下载的情况实在是烦人。要是能每个程序开发都选用不同的环境，而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了

1.4anaconda与virtualenv的对比

• anaconda

是一个包含180+的科学包及其依赖项的发行版本。可以创建一个独立的Python环境，其包含的科学包包括：conda, numpy, scipy, ipython,notebook等

• virtualenv

用于创建一个独立的Python环境的工具，新环境中需要手动安装需要的三方包

1.5pip与conda比较

依赖项检查

• pip

不一定会展示所需其他依赖包 安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误

• conda

列出所需其他依赖包 安装包时自动安装其依赖项 可以便捷地在包的不同版本中自由切换

环境管理

• pip

维护多个环境难度较大

• conda

比较方便地在不同环境之间进行切换，环境管理较为简单

对系统自带Python的影响

• pip

在系统自带Python中包的更新/回退版本/卸载将影响其他程序

• conda

不会影响系统自带Python

适用语言

• pip

仅适用于Python

• conda

适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。 conda结合了pip和virtualenv的功能

2、Anaconda安装

• windows(参考图片流程)

1.单击Next

2.点击I Agree

3.All Users

4.更改安装路径

5.点击Install 安装

6.安装好点击下一步

7.继续下一步

8.点击完成

9.现在就

3、管理环境

Windows用户请打开Anaconda Prompt，macOS和Linux用户请打开“终端”进行操作。

3.1 创建新环境

命令：conda create --name <env_name> <package_names>

说明：默认情况下，新创建的环境将会被保存在/Users/<user_name>/anaconda3/env目录下。其中，<user_name>为当前用户的用户名。

• env_name：即创建的环境名，建议以英文命名，且不加空格，名称两边不加尖括号< >

• package_names：即安装在环境中的包名，名称两边不加尖括号< >

如果要安装指定的版本号，则只需要在包名后面以=和版本号的形式执行。如：conda create --name env1 python=2.7，即创建一个名为"python2"的环境，环境中安装版本为2.7的python。

如果要在新创建的环境中创建多个包，则直接在<package_names>后以空格隔开，添加多个包名即可。如：conda create --name env2 python=3.7 numpy pandas，即创建一个名为"python3"的环境，环境中安装版本为3.7的python，同时也安装了numpy和pandas

• --name：可以替换为-n

3.2 切换环境

Linux&macOS：conda activate <env_name>

windows：activate <env_name>

说明：

如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python 2.x；如果安装Anaconda第3版，则会自动安装Python 3.x。

当成功切换环境之后，在该行行首将以(env_name)或[env_name]开头。其中，env_name为切换到的环境名。

3.3 退出环境至物理环境

Linux&macOS：conda deactivate

windows：deactivate

3.4 显示已创建环境

conda info --envs或conda info -e或conda env list

3.5 复制环境

命令：conda create --name <new_env_name> --clone <copied_env_name>

copied_env_name：即为被复制/克隆环境名，环境名两边不加尖括号< >

new_env_name：即为复制之后新环境的名称，环境名两边不加尖括号< >

3.6 删除环境

命令：conda remove --name <env_name> --all

4、包管理 4.1 获取当前环境中已安装的包信

conda list

4.2查找可供安装的包版本

• 精确查找

  命令：conda search --full-name <package_full_name>

  --full-name：为精确查找的参数

  <package_full_name>：是被查找包的全名。包名两边不加尖括号“<>”

• 模糊查找

  命令：conda search <text>

  <text>：是查找含有“此字段”的包名。此字段两边不加尖括号“<>”

4.3 安装包

• 在当前环境中安装包 conda install <package_name>

• 指定版本号 conda install <package_name>=version

• 在指定环境中安装包 conda install --name <env_name> <package_name>

• 使用pip安装包 pip install <package_name>

说明：当使用conda install无法进行安装时，可以使用pip进行安装。

注意：

• pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。

• pip无法更新python，因为pip并不将python视为包。

• pip可以安装一些conda无法安装的包；conda也可以安装一些pip无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。

• 从Anaconda安装包

说明：当使用conda install无法进行安装时，可以考虑从Anaconda中获取安装包的命令，并进行安装，浏览器中输入anaconda（无需注册）。

4.4 卸载包

• 卸载当前环境中的包 conda remove <package_name>

• 卸载指定环境中的包 conda remove --name <env_name> <package_name>

4.5 更新包

• 更新指定包 conda update <package_name>或conda upgrade <package_name>

说明：更新多个指定包，则包名以空格隔开，向后排列。 例如：conda update pandas numpy matplotlib即更新pandas、numpy、matplotlib包。

• 更新所有包 conda update --all或conda upgrade --all

说明：在安装Anaconda之后执行上述命令更新Anaconda中的所有包至最新版本，便于使用。

---

推 荐:牛客题霸-经典高频面试题库

🌐 找工作神器-|笔试题库|面试经验|大厂面试题 👉 点击链接进行注册学习

本文标签： 环境数据Pythonanaconda