初学python者自学anaconda的正确姿式

事实上Anaconda 和 Jupyter notebook已成为数据分析的标准环境。

简单来讲，Anaconda是包管理器和环境管理器，Jupyter notebook 能够将数据分析的代码、图像和文档所有组合到一个web文档中。

接下来我详细介绍下Anaconda，并在最后给出Jupyter notebook：

1.Anaconda是什么？

2.如何安装？

3. 如何管理包？

4.如何管理环境？

5.Jupyter notebook如何快速上手？

 

1.Anaconda是什么？

 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。 [1]  由于包含了大量的科学包，Anaconda 的下载文件比较大（约 515 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）。

 

你可能已经安装了 Python，那么为何还须要 Anaconda？有如下3个缘由：

1）Anaconda 附带了一大批经常使用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。所以你能够当即开始处理数据。

2）管理包

Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。

在数据分析中，你会用到不少第三方的包，而conda（包管理器）能够很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。

3）管理环境

为何须要管理环境呢？

好比你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会形成许多混乱和错误。这时候 conda就能够帮助你为不一样的项目创建不一样的运行环境。

还有不少项目使用的包版本不一样，好比不一样的pandas版本，不可能同时安装两个 Numpy 版本，你要作的应该是，为每一个 Numpy 版本建立一个环境，而后项目的对应环境中工做。这时候conda就能够帮你作到。

2. 如何安装Anaconda？

Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。你能够在下面地址上找到安装程序和安装说明。根据你的操做系统是32位仍是64位选择对应的版本下载。

（Anaconda已经不支持Windows XP；同时查看本身电脑是32位仍是64位，不要装错了。）

官网地址：https://www.anaconda.com/download/#windows

Anaconda 的下载文件比较大（约 500 MB），由于它附带了 Python 中最经常使用的数据科学包。

若是计算机上已经安装了 Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。

注意：若是你是windows 10系统，注意在安装Anaconda软件的时候，右击安装软件→选择以管理员的身份运行。

 

完成安装后，若是你是在windows上操做，按下面图打开 Anaconda Prompt （或者 Mac 下的终端），后面我会将Anaconda Prompt统一称为“终端”。

<img src="https://pic3.zhimg.com/50/v2-60a3932918cd00b883b9093ffe0f70ba_hd.jpg" data-caption="" data-size="normal" data-rawwidth="248" data-rawheight="335" class="content_image" width="248">

注意：若是你是windows 10系统，按下图操做

<img src="https://pic3.zhimg.com/50/v2-9afae7b4240e4168ae0b3cb0aaff3616_hd.jpg" data-caption="" data-size="normal" data-rawwidth="451" data-rawheight="658" class="origin_image zh-lightbox-thumb" width="451" data-original="https://pic3.zhimg.com/v2-9afae7b4240e4168ae0b3cb0aaff3616_r.jpg">

若是win10系统没有按上述操做，后面会报下面的错误信息：

<img src="https://pic2.zhimg.com/50/v2-1b0040f40d884a8177c6ff684d37347a_hd.jpg" data-caption="" data-size="normal" data-rawwidth="814" data-rawheight="506" class="origin_image zh-lightbox-thumb" width="814" data-original="https://pic2.zhimg.com/v2-1b0040f40d884a8177c6ff684d37347a_r.jpg">

 

能够在终端或命令提示符中键入 conda list，以查看你安装的内容。

 若是安装后，在Anaconda Prompt中都没法使用Conda命令，解决方法在这里：https://zhuanlan.zhihu.com/p/34337889

 

为了不后面使用报错，你须要先更新下全部包。在终端输入更新全部包的命令：

conda upgrade --all

 执行了几回conda upgrade --all都是上面的状况。

在网上查询，而后执行了conda update conda

再次执行conda upgrade --all就正常了

 

 

3. 如何管理包？

安装了 Anaconda 以后，就能够很方便的管理包了（安装，卸载，更新）。

1）安装包

在终端中键入：

conda install package_name

例如，要安装 pandas，在终端中输入：

conda install pandas

你还能够同时安装多个包。相似 conda install pandas numpy 的命令会同时安装全部这些包。还能够经过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。

 

2）卸载包

在终端中键入 ：

conda remove package_names

上面命令中的package_names是指你要卸载包的名称，例如你想卸载pandas包：conda remove pandas

3）更新包

在终端中键入：

conda update package_name

若是想更新环境中的全部包（这样作经常颇有用），使用：conda update --all。

4）列出已安装的包

#列出已安装的包
conda list

例如我已经成功安装了numpy和pandas这两个经常使用的包。

<img src="https://pic2.zhimg.com/50/v2-dc3296d183fd1f870635ecfea113fb1c_hd.jpg" data-caption="" data-size="normal" data-rawwidth="610" data-rawheight="388" class="origin_image zh-lightbox-thumb" width="610" data-original="https://pic2.zhimg.com/v2-dc3296d183fd1f870635ecfea113fb1c_r.jpg">

若是不知道要找的包的确切名称，能够尝试使用 conda search search_term 进行搜索。例如，我知道我想安装numpy，但我不清楚确切的包名称。我能够这样尝试：conda search num。

 

4.如何管理环境？

conda 能够为你不一样的项目创建不一样的运行环境。

0）安装nb_conda用于notebook自动关联nb_conda的环境。

<img src="https://pic4.zhimg.com/50/v2-cd28aeeaf8e69e8daba4e70009e59a62_hd.jpg" data-caption="" data-size="normal" data-rawwidth="674" data-rawheight="436" class="origin_image zh-lightbox-thumb" width="674" data-original="https://pic4.zhimg.com/v2-cd28aeeaf8e69e8daba4e70009e59a62_r.jpg">

1）建立环境

在终端中使用:

conda create -n env_name package_names

上面的命令中，env_name 是设置环境的名称（-n 是指该命令后面的env_name是你要建立环境的名称），package_names 是你要安装在建立环境中的包名称。

例如，要建立环境名称为 py3 的环境并在其中安装 numpy，在终端中输入 conda create -n py3 pandas。

<img src="https://pic3.zhimg.com/50/v2-e0dcd728b90c1f989a452abc1c644101_hd.jpg" data-caption="" data-size="normal" data-rawwidth="674" data-rawheight="227" class="origin_image zh-lightbox-thumb" width="674" data-original="https://pic3.zhimg.com/v2-e0dcd728b90c1f989a452abc1c644101_r.jpg">

2）建立环境时，能够指定要安装在环境中的 Python 版本

当你同时使用 Python 2.x 和 Python 3.x 中的代码时这颇有用。要建立具备特定 Python 版本的环境，例如建立环境名称为py3，并安装最新版本的Python3在终端中输入：

conda create -n py3 python=3 

 

或也能够这样建立环境名称为py2，并安装最新版本的Python2：

conda create -n py2 python=2

 

 

由于我作的项目不一样，有时候会用到Python2，还有时候会用到Python3。因此我在本身的计算机上建立了这两个环境，并分别取了这样的环境名称：py2,py3。这样我能够根据不一样的项目轻松使用不一样版本的python。

若是你要安装特定版本（例如 Python 3.6），请使用 conda create -n py python=3.6

 

3）进入环境

在 Windows 上，你可使用 activate my_env进入。在 OSX/Linux 上使用 source activate my_env 进入环境。

进入环境后，你会在终端提示符中看到环境名称，下面图片是我进入py3的环境（这里的py3是我上面建立环境时本身起的名称，你能够起个本身喜欢的名称）。

<img src="https://pic2.zhimg.com/50/v2-f6899ad25feedc55f65b90a2ea4170de_hd.jpg" data-caption="" data-size="normal" data-rawwidth="617" data-rawheight="115" class="origin_image zh-lightbox-thumb" width="617" data-original="https://pic2.zhimg.com/v2-f6899ad25feedc55f65b90a2ea4170de_r.jpg">

进入环境后，我能够用conda list 查看环境中默认安装的几个包：

<img src="https://pic3.zhimg.com/50/v2-11cab00b20c13cdc5af9d741854bed67_hd.jpg" data-caption="" data-size="normal" data-rawwidth="523" data-rawheight="301" class="origin_image zh-lightbox-thumb" width="523" data-original="https://pic3.zhimg.com/v2-11cab00b20c13cdc5af9d741854bed67_r.jpg">

在环境中安装包的命令与前面同样：conda install package_name。

不过，此次你安装的特定包仅在你进入环境后才可用。

 

3）离开环境

在 Windows 上，终端中输入：

deactivate

在 OSX/Linux 上 输入：

source deactivate

 

4）共享环境

共享环境很是有用，它能让其余人安装你的代码中使用的全部包，并确保这些包的版本正确。好比你开发了一个药店数据分析系统，你要提交给项目部署系统的王二狗来部署你的项目，可是王二狗并不知道你当时开发时使用的是哪一个python版本，以及使用了哪些包和包的版本。这怎么办呢？

 

你能够在你当前的环境中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中包保存为YAML文件（包括Pyhton版本和全部包的名称）。

命令的第一部分 conda env export 用于输出环境中的全部包的名称（包括 Python 版本）。

<img src="https://pic4.zhimg.com/50/v2-b136666ef127c5b65075a485ce2b2b41_hd.jpg" data-caption="" data-size="normal" data-rawwidth="611" data-rawheight="113" class="origin_image zh-lightbox-thumb" width="611" data-original="https://pic4.zhimg.com/v2-b136666ef127c5b65075a485ce2b2b41_r.jpg">

在“notebook工做文件夹”下（及你在终端中上图的路径）能够看到导出的环境文件：

<img src="https://pic3.zhimg.com/50/v2-9eaa081fbe54c59d35c792dd968a3515_hd.jpg" data-caption="" data-size="normal" data-rawwidth="280" data-rawheight="191" class="content_image" width="280">

在 GitHub 上共享代码时，最好一样建立环境文件并将其包括在代码库中。这能让其余人更轻松地安装你的代码的全部依赖项。

导出的环境文件，在其余电脑环境中如何使用呢？

首先在conda中进入你的环境，好比activate py3

而后在使用如下命令更新你的环境：

#其中-f表示你要导出文件在本地的路径，因此/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml

 

对于不使用 conda 的用户，我一般还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。

具体见这里：https://pip.pypa.io/en/stable/reference/pip_freeze/

举个例子你可能更容易理解这个使用场景：

首先，我在本身的电脑上在conda中将项目的包导出成environment.txt 文件：

<img src="https://pic1.zhimg.com/50/v2-8fbf8a5edd8d5bf1ba5cca1097098168_hd.jpg" data-caption="" data-size="normal" data-rawwidth="675" data-rawheight="120" class="origin_image zh-lightbox-thumb" width="675" data-original="https://pic1.zhimg.com/v2-8fbf8a5edd8d5bf1ba5cca1097098168_r.jpg">

而后我将该文件包含在项目的代码库中，其余项目成员即便在他的电脑上没有安装conda也可使用该文件来安装和我同样的开发环境：

他在本身的电脑上进入python命令环境，而后运行如下命令就能够安装该项目须要的包：

pip install -r /path/requirements.txt

其中/path/requirements.txt是该文件在你电脑上的实际路径。

<img src="https://pic2.zhimg.com/50/v2-9d5f722f0c60393b74730a6f2734cac6_hd.jpg" data-caption="" data-size="normal" data-rawwidth="834" data-rawheight="222" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic2.zhimg.com/v2-9d5f722f0c60393b74730a6f2734cac6_r.jpg">

5）列出环境

我有时候会忘记本身建立的环境名称，这时候用 conda env list 就能够列出你建立的全部环境。

你会看到环境的列表，并且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在选定环境中时使用的环境）名为 root。

<img src="https://pic3.zhimg.com/50/v2-8f7a92b366e5eaf576ad2ee38393dcac_hd.jpg" data-caption="" data-size="normal" data-rawwidth="615" data-rawheight="146" class="origin_image zh-lightbox-thumb" width="615" data-original="https://pic3.zhimg.com/v2-8f7a92b366e5eaf576ad2ee38393dcac_r.jpg">

6）删除环境

若是你再也不使用某个环境，可使用 conda env remove -n env_name 删除指定的环境（在这里环境名为 env_name）。

 

最后从新再强调下，不要被上面的命令吓到。虽然上述命令多，给了谁都记不住的。后面你跟着我在知乎上多作项目，用的多了天然记住了。你只须要跟着上面步骤操做下，并理解了每一步是干什么的就能够了。后面遇到要作的事情，忘记了回头查这个文档就能够了。

conda的官方文档：https://conda.io/docs/user-guide/tasks/index.html

 

按照上面的步骤你亲自操做一遍后，你已经学会了Anaconda，并安装好你的数据分析Pyhton环境了，接下来你就能够愉快的使用Jupyter notebook来作数据分析了：

jupyter notebook 能够作哪些事情？​www.zhihu.com