Anaconda介绍与使用 中文版

Anaconda介绍

视频: Anaconda简介

Anaconda
Anaconda 是一个基于Python的环境管理工具. 相比其余库管理工具，它更适合数据工做者。 在Anaconda的帮助下，你可以更容易地处理不一样项目下对软件库甚至是Python版本的不一样需求。

Anaconda 包含 conda, Python 和超过150个科学相关的软件库及其依赖。 Conda是一个包管理工具。Anaconda是一个很是大的软件，由于它包含了很是多的数据科学相关的库。 若是你并不须要如此大量的库，你能够只安装 Miniconda, 一个简化版，仅包含 conda 和 Python。 而后你仍然能够安装其余所需的库。

在Conda环境下，你仅可使用命令行，若是你对此不适应，能够看这个教学视频。 command prompt tutorial for Windows 或者 Linux Command Line Basics。我就假设大家都会命令行吧：）

管理包

Installing numpy with conda

包管理工具用来在你的电脑上安装库和软件。 你应该已经对pip比较熟悉了，那是Python的默认的库管理工具。 Conda和pip很类似，只是它更关注与数据科学相关的库。 另外，Conda并非只支持Python的， 它也支持非Python的库。它是个适用于任何软件库的包管理工具。 因此，也并非全部Python库均可以经过Anaconda得到。你仍然须要继续适用pip去安装其余的库。

Conda安装预编译过得库。 例如Anaconda适用MKL库编译 Numpy, Scipy and Scikit-learn并加速了一些数学操做。 因此全部库会有一些延迟，须要先作一些适配。

环境

使用Conda建立环境

在管理包的同时，Anaconda也能够作环境管理。 这和 virtualenv 、 pyenv等一系列环境管理工具类似。

多个环境容许你分开和隔离你在不一样项目中使用的软件和库。一般状况下，你须要在不一样项目中使用一些库的不一样版本。例如，你的某些代码须要一些Numpy新版本中的特性，可是另外的代码却须要一些只有旧版本才有的方法。 你不可能在你的电脑上装两个版本，也不肯留意为了运行程序和频繁更换版本。 因此，创建带有不一样Numpy版本的环境是最佳选择。

一样的，对于使用Python 2和3版本的程序，环境管理一样适用。

你也能够导出你用到的库的清单，而后在其余环境中加载。Pip有使用相似的操做： pip freeze > requirements.txt.

安装 Anaconda

视频
http://v.youku.com/v_show/id_...

下载地址 https://www.continuum.io/down...

若是你已经安装过Python，Anaconda的安装并不会破坏原有环境，但你在Anaconda的环境中将使用Anaconda默认的Python版本。（若是你在安装的时候勾选了将Anaconda的Python版本设为默认的话会影响外部环境。）

先下载Python 3版本，你以后依然能够安装Python 2.

你能够经过 conda list 命令来查看你已经安装过的软件包.

在 Windows 上

在 Anaconda 时会提供其余软件:

• Anaconda Navigator, 一个GUI工具帮你管理包和环境
• Anaconda Prompt, 一个terminal来进行交互（咱们一般使用这个）
• Spyder, 一个开源跨平台科学开发IDE

自带的库可能已通过时了，咱们更新一下为了不出错。打开 Anaconda Prompt ，在prompt, 执行:

conda upgrade conda
conda upgrade --all

若是询问是否要安装新库选“是”。

Note: 在以前的操做中, 执行 conda upgrade conda 不是必须的，由于 --all 包含了conda自己, 可是若是有的用户的Conda已经损坏了的坏能够尝试使用.

咱们比较推荐用户熟悉Prompt而不是经过GUI来操做。

故障排除

若是在ZShell遇到 "conda command not found" , 那么先执行下列操做:

添加 export PATH="/Users/username/anaconda/bin:$PATH" 到你的 .zsh_config 文件.

管理包

一旦你装好了Anaconda，那安装库就很容易了。 须要安装时，直接输入 conda install 包名 就好. 例如, 若是须要安装 numpy, 输入 conda install numpy.

[conda_default_install](https://youtu.be/yave-K2Iius)

你能够同时安装多个包。 例如 conda install numpy scipy pandas 会同时安装。 也能够指定版本号，例如 conda install numpy=1.10.

Conda会自动安装依赖。例如， scipy 依赖于 numpy,。 若是你只安装 scipy (conda install scipy), Conda 会自动安装 numpy 若是以前没安装过。

若是须要删除，直接使用 conda remove 包名. 更新包 conda update package_name. 若是须要更新环境中全部库， conda update --all. 若是须要列出已安装软件， conda list.

若是你不知道确切的包名，能够用 conda search . 例如，我知道 Beautiful Soup,但不肯定确切的包名，因此我尝试用 conda search beautifulsoup.

Searching for beautifulsoup

它返回了合适的包名：beautifulsoup4.

环境管理

像我以前提到的, conda可使用 create environments 来隔离项目. 为了建项目 conda create -n 环境名 包列表 . 这里-n 环境名 设置了你的环境名 (-n 表明name) 而后列出了你要安装的库. 例如，你要创建一个叫 my_env 的环境而后 install numpy , 输入 conda create -n my_env numpy.

当建立环境的时候，你能够指明须要的Python版本。例如 conda create -n py3 python=3.3 或conda create -n py2 python=2。

进入环境

一旦环境创建, 在OSX/Linux中用 source activate my_env 进入环境. Windows上，用 activate my_env.

当你进入了环境，你能够看到环境名，如 (my_env) ~ $. 退出环境, 输入source deactivate (on OSX/Linux). Windows上, use deactivate.

保存和载入环境

一个使用的功能是你能够分享你安装的软件列表给别人，而后执行代码安装。 你能够用一个YAML 文件来存储列表。conda env export > environment.yaml. 第一部分 conda env export 写出了现有库。

Exported environment printed to the terminal

当你在别的电脑上要导入时，只用经过yaml文件来建立环境就好了。 conda env create -f environment.yaml.

列出环境

若是你忘记了环境名，能够用conda env list 来列出你须要的环境名。,默认环境叫 root.

删除环境

若是你有不须要的环境, conda env remove -n env_name 来删除 (here, named env_name).