Anacond win10安装与介绍

Anacond的介绍

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 由于包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），若是只须要某些包，或者须要节省带宽或存储空间，也可使用Miniconda这个较小的发行版（仅包含conda和Python）。

Conda是一个开源的包、环境管理器，能够用于在同一个机器上安装不一样版本的软件包及其依赖，并可以在不一样的环境之间切换

Anaconda包括Conda、Python以及一大堆安装好的工具包，好比：numpy、pandas等

Miniconda包括Conda、Python

Anacond下载

下载地址：https://www.anaconda.com/download/

 

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，咱们这里以 Windows 版本为例，点击那个 Windows 图标。

我这里选择下载 

Python 2.7 version *--Python 2.7 版 *

64-Bit Graphical Installer (564 MB) --64位图形安装程序（564 MB）

固然，你也能够根据本身的实际状况，选择 Python 3.6版的，或者 32-Bit 版本的。

安装包有 564MB，由于网速的关系，下载时间可能会比较长，请耐心等待。我这里下载完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。

 

安装 Anaconda 

双击下载好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出现以下界面，点击 Next 便可。

 

点击Next

 

点击 I Agree （我赞成），不一样意，固然就没办法继续安装啦。

 

Install for: Just me仍是All Users，假如你的电脑有好几个 Users ，才须要考虑这个问题.其实咱们电脑通常就一个 User，就咱们一我的使用，若是你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next 。

 

Destination Folder 是“目标文件夹”的意思，能够选择安装到什么地方。默认是安装到 C:\ProgramData\Anaconda2文件夹下。你也能够选择Browse... ，选择想要安装的文件夹。我这里 C 盘空间充裕，因此我直接就装到默认的地方。

这里提一下，Anaconda 很强大，占用空间也不小啊，2.6GB，差很少是一部高清电影的体积了。不过，为了学习，这点硬盘空间算什么呢。

继续点击 Next> 。

 

这里来到 Advanced Options 了，所谓的“高级选项”。若是你英文好，有必定背景知识的话，确定明白这界面上的意思。两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 2.7，点击“Install”，终于开始安装额。

安装时间根据你的电脑配置而异，电脑配置高，硬盘是固态硬盘，速度就更快。安装过程其实就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件里压缩的各类 dll 啊，py 文件啊，所有写到安装目标文件夹里。

  

过程仍是很漫长的，毕竟 2.6GB 的无数个小文件啊，请耐心等待。

 

通过漫长的等待，终于安装完成 Installation Complete （安装完成）了，点击最后一个 Next>。

 

点击Install Microsoft VSCode

点击 Finish，那两个 √ 能够取消。

配置环境变量

若是是windows的话须要去 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH 中添加 anaconda的安装目录的Scripts文件夹, 好比个人路径是C:\ProgramData\Anaconda2\Scripts, 看我的安装路径不一样须要本身调整.

以后就能够打开命令行(最好用管理员模式打开) 输入 conda --version

 

若是输出conda 4.5.4之类的就说明环境变量设置成功了.

为了不可能发生的错误, 咱们在命令行输入conda upgrade --all 先把全部工具包进行升级

管理虚拟环境

接下来咱们就能够用anaconda来建立咱们一个个独立的python环境了.接下来的例子都是在命令行操做的,请打开你的命令行吧.

activate

activate 能将咱们引入anaconda设定的虚拟环境中, 若是你后面什么参数都不加那么会进入anaconda自带的base环境,

你能够输入python试试, 这样会进入base环境的python解释器, 若是你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前咱们处于的是base环境下。

建立本身的虚拟环境

咱们固然不知足一个base环境, 咱们应该为本身的程序安装单独的虚拟环境.

建立一个名称为learn的虚拟环境并指定python版本为3(这里conda会自动找3中最新的版本下载)

conda create -n learn python=2

因而咱们就有了一个learn的虚拟环境, 接下来咱们切换到这个环境, 同样仍是用activae命令 后面加上要切换的环境名称

切换环境

activate learn

若是忘记了名称咱们能够先用

conda env list

 

去查看全部的环境

如今的learn环境除了python自带的一些官方包以外是没有其余包的, 一个比较干净的环境咱们能够试试

先输入python打开python解释器而后输入

>>> import requests

会报错找不到requests包, 很正常.接下来咱们就要演示如何去安装requests包

exit()

退出python解释器

安装第三方包

输入

conda install requests

或者

pip install requests

来安装requests包.

安装完成以后咱们再输入python进入解释器并import requests包, 此次必定就是成功的了.

卸载第三方包

那么怎么卸载一个包呢

conda remove requests

或者

pip uninstall requests

就行啦.

查看环境包信息

要查看当前环境中全部安装了的包能够用

conda list

导入导出环境

若是想要导出当前环境的包信息能够用

conda env export > environment.yaml

将包信息存入yaml文件中.

当须要从新建立一个相同的虚拟环境时能够用

conda env create -f environment.yaml

其实命令很简单对不对, 我把一些经常使用的在下面给出来, 相信本身多打两次就能记住

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 建立一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的全部环境

conda list // 列出当前环境的全部包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属全部包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件建立新的虚拟环境

深刻一下

或许你会以为奇怪为啥anaconda能作这些事, 他的原理究竟是什么, 咱们来看看anaconda的安装目录

这里只截取了一部分, 可是咱们和本文章最开头的python环境目录比较一下, 能够发现其实十分的类似, 其实这里就是base环境. 里面有着一个基本的python解释器, lLib里面也有base环境下的各类包文件.

那咱们本身建立的环境去哪了呢, 咱们能够看见一个envs, 这里就是咱们本身建立的各类虚拟环境的入口, 点进去看看

能够发现咱们以前建立的learn目录就在下面, 再点进去

 

这不就是一个标准的python环境目录吗?

这么一看, anaconda所谓的建立虚拟环境其实就是安装了一个真实的python环境, 只不过咱们能够经过activate,conda等命令去随意的切换咱们当前的python环境, 用不一样版本的解释器和不一样的包环境去运行python脚本.

与JetBrains PyCharm 2017.2.3 x64链接

在工做环境中咱们会集成开发环境去编码, 这里推荐JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虚拟环境结合

在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就好了

 

好比你要在learn环境中编写程序, 那么就修改成C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 能够看到这时候下面的依赖包也变成了learn环境中的包了.接下来咱们就能够在pycharm中愉快的编码了。

 

Anaconda 初体验

按下 Windows 徽标键，调出 Windows 开始菜单，能够看到 “最近添加”的：Anaconda2(64-bit)

Anaconda Prompt

打开Anaconda Prompt，这个窗口和doc窗口同样的，输入命令就能够控制和配置python，最经常使用的是conda命令，这个pip的用法同样，此软件都集成了，你能够直接用，点开的话以下图。用命令“conda list”查看已安装的包，从这些库中咱们能够发现NumPy,SciPy,Matplotlib,Pandas，说明已经安装成功了!

 

还可使用conda命令进行一些包的安装和更新

conda list：列出全部的已安装的packages

conda install name：其中name是须要安装packages的名字，好比，我安装numpy包，输入上面的命令就是“conda install numpy”。单词之间空一格，而后回车，输入y就能够了。

安装完anaconda，就至关于安装了Python、IPython、集成开发环境Spyder、一些包等等。你能够在Windows下的cmd下查看：

 

 

Anaconda Navigtor

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。

点击 Anaconda Navigator ，第一次启用，会初始化，耐心等待一段时间，加载完成，界面如图。

 

Spyder编辑器，咱们之后就能够用这款编辑器来编写代码，它最大优势就是模仿MATLAB的“工做空间”。spyder.exe放在安装目录下的Scripts里面，如个人是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接双击就能运行。咱们能够右键发送到桌面快捷方式，之后运行就比较方便了。

 

咱们简单编写一个程序来测试一下安装是否成功，该程序用来打开一张图片并显示。首先准备一张图片，而后打开spyder，编写以下代码：

# -*- coding: utf-8 -*-

"""

Spyder Editor

 

This is a temporary script file.

"""

from skimage import io

 

img = io.imread('C:/Users/Administrator/Desktop/379283176280170726.jpg')

 

io.imshow(img)

将其中的C:/Users/Administrator/Desktop/379283176280170726.jpg改为你本身要显示图片的位置，而后点击上面工具栏里的绿色三角进行运行，最终显示以下：

 

jupyterlab 

咱们点击 jupyterlab 下面的 Launch ，会在默认浏览器（我这里是 Chrome）打开 http://localhost:8888/lab 这样一个东东，这里就能够输入Python 代码啦，来一句 Hello World 吧。

咱们能够打开 Anaconda Navigator -> Launch jupyterlab ，也能够直接在浏览器输入 http://localhost:8888/lab （能够保存为书签）。若是是布置在云端，能够输入服务器域名（IP），是否是很爽？

 

 

VSCode

Visual Studio Code是一个轻量级但功能强大的源代码编辑器，可在桌面上运行，适用于Windows，macOS和Linux。它内置了对JavaScript，TypeScript和Node.js的支持，并为其余语言（如C ++，C＃，Java，Python，PHP，Go）和运行时（如.NET和Unity）提供了丰富的扩展生态系统。

 

Glueviz

Glue是一个Python库，用于探索相关数据集内部和之间的关系。其主要特色包括：

连接统计图形。使用Glue，用户能够建立数据的散点图，直方图和图像（2D和3D）。胶水专一于刷牙和连接范例，其中任何图形中的选择传播到全部其余图形。

灵活地跨数据连接。Glue使用不一样数据集之间存在的逻辑连接来覆盖不一样数据的可视化，并跨数据集传播选择。这些连接由用户指定，而且是任意灵活的。

完整的脚本功能。Glue是用Python编写的，而且创建在其标准科学库（即Numpy，Matplotlib，Scipy）之上。用户能够轻松地集成他们本身的python代码进行数据输入，清理和分析。

 

Orange3

交互式数据可视化

经过巧妙的数据可视化执行简单的数据分析。探索统计分布，箱形图和散点图，或深刻了解决策树，层次聚类，热图，MDS和线性投影。即便您的多维数据也能够在2D中变得合理，特别是在智能属性排名和选择方面。

 

老师和学生都喜欢它

在教授数据挖掘时，咱们喜欢说明而不是仅仅解释。而橙色很棒。Orange在世界各地的学校，大学和专业培训课程中使用，支持数据科学概念的实践培训和视觉插图。甚至还有专门为教学设计的小部件。

附加组件扩展功能

使用Orange中可用的各类附加组件从外部数据源挖掘数据，执行天然语言处理和文本挖掘，进行网络分析，推断频繁项目集并执行关联规则挖掘。此外，生物信息学家和分子生物学家可使用Orange经过差别表达对基因进行排序并进行富集分析。

 

Rstudio

R软件自带的有写脚本的工具，但是我不是很喜欢用（并非说很差哈），我更喜欢用RStudio（网上还有Tinn-R，RWinEdt等）。由于我以为其自己比较方便，另外在编程的时候有些功能很方便。下面这个界面是我修改了主题的，下面我将介绍如何修改主题，来方便编程。

结语

如今你是否是发现用上anaconda就能够十分优雅简单的解决上面所说起的单个python环境所带来的弊端了呢, 并且也明白了其实这一切的实现并无那么神奇.

固然anaconda除了包管理以外还在于其丰富数据分析包, 不过那就是另外一个内容了, 咱们先学会用anaconda去换一种方法管里本身的开发环境, 这已是一个很大的进步了。