Anaconda配置Python开发环境

Anaconda介绍

Anaconda 是在 linux、windows 和 mac os x 上执行 Python/R 数据分析和机器学习的最简单的方式而且它是开源的。它在全球拥有超过 1, 100万用户, 是在单独的一台机器上进行开发、测试和训练的行业标准, 由于具有如下特色，从而使他能都独立的进行数据分析:
1. 提供了大量的Python/R 数据分析包
2. 使用 conda 管理库、依赖关系和环境
3. 使用 scikit-learn, TensorFlow和Theano进行开发、训练机器学以及深度学习
4. 使用 Dask、Numpy、pandas和 Numba 分析具备可扩展性和性能的数据
5. 使用 Matplotlib、Bokeh、Datashader 和Holoviews 实现可视化结果

Anaconda下载

官方下载地址为:https://www.anaconda.com/distribution/
下载完成后，按照提示一步一步安装完成便可

配置环境变量

将Anaconda的路径

C:\Anaconda3;C:\Anaconda3\Scripts;C:\Anaconda3\Library\bin;C:\Anaconda3\Library\mingw-w64\bin;C:\Anaconda3\Lib\site-packages

配置到系统环境变量Path中去

Anaconda环境验证

在命令行输入conda，以下图所示则代表环境OK

conda和Python的pip使用方式很是相似，能够为咱们安装模块（库）提供很大的便利

配置Python开发环境

启动Anaconda Navigator

点击导航中的Evnironments

点击Create建立本身的环境

 

选择Python版本并定义该环境的名称

而后点击Create按钮，Anaconda就会本身将python的环境准备好了，而且如图所示它还问咱们准备了不少模块，可供咱们在图形化界面进行安装（固然若是已经习惯了pip的话，咱们也能够经过conda在命令行进行安装）

 

环境准备好了，在导航栏中点击Home，并选择刚刚建立的环境，页面会刷新该环境下的工具，如图所示，有些须要安装，根据各自的须要点击Install便可，若是已经安装好，点击Launch就能够启动它。

Python的编译工具是Spyder如图所示

 

启动Spyder

如图所示窗口就打开了，咱们就能够在上边进行开发了

 

PS：有可能一开始命令行会提示异常，例如spyder版本有问题，默认好像不是最新版，这种状况下命令行窗口不能用，整个Spyder都存在问题

处理方法：在系统的命令行直接用pip或者conda安装最新的spyder，而后再从新启动它便可

 

配置完毕后能够用DOS命令行查看版本：conda --version 升级全部工具包：conda upgrade --all

更改conda下载源,cmd 下输入：

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

安装第三方包

安装第三方包：conda install requests 或者 pip install requests
卸载第三方包：conda remove requests 或者 pip uninstall requests
查看已安装包：conda list 或者 pip list

管理虚拟环境

建立独立的python环境:

base环境：

activate 命令，不加参数，会直接进入anaconda设定的虚拟环境中。命令行前会多一个(base) 标识。和不进入base是同样的。
activate // 切换到base环境

自建环境

新环境只有python自带的一些官方包，每个环境都是标准的python环境目录
1.建立一个名称为 study 的虚拟环境并指定python版本为3 (耐心等待…)
conda create -n study python=3
2.切换到 study 环境
activate study

包管理

conda list // 列出当前环境下已安装的包
conda remove -n study --all // 删除study环境及下属全部包
conda update requests // 更新requests第三方包

环境管理

conda env list // 列出当前环境的全部包conda env export > study.yaml // 导出当前环境的包信息到 study.yaml文件conda env create -n newEnv -f study.yaml // 用配置文件建立新的名为 newEnv 的虚拟环境