Python Anaconda使用

时间 2019-11-16

原文原文链接

选择Python 科学计算器发行版html

Python用于科学计算的一些经常使用工具和库

IPython-加强的交互环境：支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多颇有用的功能和函数
Spyder、Wing IDE或Eclipse/Pydev：集成开发环境
NumPy-数学计算基础库：N维数组、线性代数计算、傅立叶变换、随机数等。
SciPy-数值计算库：线性代数、拟合与优化、插值、数值积分、稀疏矩阵、图像处理、统计等。
SymPy-符号运算
Pandas-数据分析库：数据导入、整理、处理、分析等。
matplotlib-会图库：绘制二维图形和图表
Chaco-交互式图表
OpenCV-计算机视觉库
TVTK-数据的三维可视化
Cython-Python转C的编译器：编写高效运算扩展库的首选工具
BioPython-生物科学

Python科学计算发行版

Python(x,y)
当前最新版本:2.7.6.1 (05/30/2014)，支持Windows和Python2.7.6。
其库索引列出了所支持的170+Python27库。
WinPython
当前最新版本:2.7.6.4和3.3.5.0 (04/2014)，支持Windows和Python2.7.六、3.3.5。
其库索引列出了所支持的60+Python27库。
其库索引列出了所支持的60+Python33库。
Enthought Canopy（Enthought Python Distribution）
当前最新版本:1.4.1 (06/11/2014)，支持Linux, Windows, Mac平台和Python2.7.6。
其库索引列出了所支持的150+测试过的Python库。
Anaconda
当前最新版本:2.0.1 (06/12/2014)，支持Linux, Windows, Mac平台和Python 2.六、2.七、3.三、3.4。
其库索引列出了所支持的195+流行Python库。

Python(x,y)和WinPython都是开源项目，其项目负责人都是Pierre Raybaut。按Pierre本身的说法是“WinPython不是试图取替Python(x,y)，而是出于不一样动机和理念：更灵活、易于维护、可移动、对操做系统侵略性更小，可是用户友好性更差、包更少、没有同Windows资源管理器集成。”。参考1里面说Python(x,y)不是很稳定，此外看它目前的更新不是很频繁，确实有可能Pierre后来的工做重心放在WinPython上了。python

Canopy和Anaconda是公司推的，带免费版和商业版/插件。这两款发行版也牵扯到一我的，那就是 Travis Oliphant。Travis是SciPy的原始做者，同时也是NumPy的贡献者。Travis在2008年以副总裁身份加入Enthought，2012年以总裁的身份离开，创立了一个新公司continuum.io，并推出了Python的科学计算平台Anaconda。Anaconda相对Canopy支持Python的版本更多，对Python新版本支持跟的很紧（ Sage不支持Python3.x的理由是由于其依赖的SciPy还不支持Python3，而Anaconda却实现了支持Python3.3和3.4，这就说明问题了），此外其在Linux平台下（经过conda管理）安装更方便。

1、为何选择Anaconda？

1.1 什么是 Anaconda？

Anaconda是专一于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。做为好奇宝宝的你是否是发现了一个新名词 conda，那么你必定会问 conda 又是什么呢？web

1.2 什么是 conda ？

conda 是开源包（packages）和虚拟环境（environment）的管理系统。shell

packages 管理： 可使用 conda 来安装、更新、卸载工具包，而且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中经常使用的包。另外值得一提的是，conda 并不只仅管理Python的工具包，它也能安装非python的包。好比在新版的 Anaconda 中就能够安装R语言的集成开发环境 Rstudio。数组
虚拟环境管理： 在conda中能够创建多个虚拟环境，用于隔离不一样项目所需的不一样版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同窗们，咱们也能够创建 Python2 和 Python3 两个环境，来分别运行不一样版本的 Python 代码。bash

知道 是什么（what） 的同时，咱们也须要问一问 为何（why）。那么，为何要选择用Anaconda呢？服务器

1.3 Anaconda 的优势？

Anaconda的优势总结起来就八个字：省时省心、分析利器。app

省时省心： Anaconda经过管理工具包、开发环境、Python版本，大大简化了你的工做流程。不只能够方便地安装、更新、卸载工具包，并且安装时能自动安装相应的依赖包，同时还能使用不一样的虚拟环境隔离不一样要求的项目。机器学习
分析利器： 在 Anaconda 官网中是这么宣传本身的：适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不只能够作数据分析，甚至能够用在大数据和人工智能领域。函数

解决了 是什么 以及为何的问题后，下面让咱们看一下 怎么作（How）。

说明一下conda的设计理念——conda将几乎全部的工具、第三方包都当作package对待，甚至包括python和conda自身！所以，conda打破了包管理与环境管理的约束，能很是方便地安装各类版本python、各类package并方便地切换。

参考:http://www.jianshu.com/p/169403f7e40c

根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担忧，咱们一项项来看：

Anaconda Navigator ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也能够在 Navigator 中手工实现。

Jupyter notebook ：基于web的交互式计算环境，能够编辑易于人们阅读的文档，用于展现数据分析的过程。

qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 能够直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。

spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。

修改Path变量

设置命令行：
新建一个变量：
Python27: D:\programFiles\Anaconda2
而后path增长:
python目录和scripts目录。



在cmd输入python -v

PS C:\Users\a> Python -V
Python 2.7.14 :: Anaconda, Inc.
PS C:\Users\a>

能够看到输出python版本是 Anaconda ，说明是Anaconda下面的python.

Spyder的最大优势就是模仿MATLAB的“工做空间”。

Conda的包管理:

Conda的包管理就比较好理解了，这部分功能与pip相似。

# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）

# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，所以能够显示出经过各类方式安装的包

前面已经提到，conda将conda、python等都视为package，所以，彻底可使用conda来管理conda和python的版本，例如

# 更新conda，保持conda最新 conda update conda # 更新anaconda conda update anaconda # 更新python conda update python # 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本

补充：若是建立新的python环境，好比3.4，运行conda create -n python34 python=3.4以后，conda仅安装python 3.4相关的必须项，如python, pip等

设置国内镜像

若是须要安装不少packages，你会发现conda下载的速度常常很慢，由于Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，咱们将其加入conda的配置便可：

# 添加Anaconda的TUNA镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # TUNA的help中镜像地址加有引号，须要去掉 # 设置搜索时显示通道地址 conda config --set show_channel_urls yes

执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME\.condarc文件，记录着咱们对conda的配置，直接手动建立、编辑该文件是相同的效果。


conda cheatsheet:
https://conda.io/docs/_downloads/conda-cheatsheet.pdf

conda create -n your_env_name python=X.X（2.七、3.6等)命令建立python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件能够在Anaconda安装目录envs文件下找到。

四、使用激活(或切换不一样python版本)的虚拟环境。

若是建立新的python环境，好比3.4，运行conda create -n python34 python=3.4以后，conda仅安装python 3.4相关的必须项，如python, pip等，若是但愿该环境像默认环境那样，安装anaconda集合包，只须要：

# 在当前环境下安装anaconda包集合 conda install anaconda # 结合建立环境的命令，以上操做能够合并为 conda create -n python34 python=3.4 anaconda # 也能够不用所有安装，根据需求安装本身须要的package便可

# 建立一个名为python34的环境，指定Python版本是3.4
conda create --name python34 python=3.4

# 激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac

deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python34 --all
---------------------

Conda包管理
# 安装xxxx
conda install xxxx

# 查看当前环境下已安装的包
conda list

# 查看某个指定环境的已安装包
conda list -n python34

# 查找package信息
conda search numpy

# 安装package
conda install -n python34 numpy # 若是不用-n指定环境名称，则被安装在当前活跃环境也能够经过-c指定经过某个channel安装

Conda 更新
# 更新package
conda update -n python34 numpy

# 删除package
conda remove -n python34 numpy

# 更新conda，保持conda最新
conda update conda

# 更新anaconda
conda update anaconda

# 更新python
conda update python

列举当前全部环境


Get a list of all my environments, active environment is shown with *conda info --envs conda env list

Conda 源
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，须要去掉

# 设置搜索时显示通道地址conda config --set show_channel_urls yes---------------------