Anacond的介紹
Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。 因為包含了大量的科學包，Anaconda 的下載文件比較大（約 531 MB），如果只需要某些包，或者需要節省帶寬或存儲空間，也可以使用Miniconda這個較小的發行版（僅包含conda和 Python）。
Conda是一個開源的包、環境管理器，可以用於在同一個機器上安裝不同版本的軟件包及其依賴，並能夠在不同的環境之間切換
Anaconda包括Conda、Python以及一大堆安裝好的工具包，比如：numpy、pandas等
Miniconda包括Conda、Python
Anacond下載
下載地址：https://www.anaconda.com/download/
Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我們這里以 Windows 版本為例，點擊那個 Windows 圖標。
我這里選擇下載
Python 2.7 version *--Python 2.7 版 *
64-Bit Graphical Installer (564 MB) --64位圖形安裝程序（564 MB）
當然，你也可以根據自己的實際情況，選擇 Python 3.6版的，或者 32-Bit 版本的。
安裝包有 564MB，因為網速的關系，下載時間可能會比較長，請耐心等待。我這里下載完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。
安裝 Anaconda
雙擊下載好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出現如下界面，點擊 Next 即可。
點擊Next
點擊 I Agree （我同意），不同意，當然就沒辦法繼續安裝啦。
Install for: Just me還是All Users，假如你的電腦有好幾個 Users ，才需要考慮這個問題.其實我們電腦一般就一個 User，就我們一個人使用，如果你的電腦有多個用戶，選擇All Users，我這里直接 All User，繼續點擊 Next 。
Destination Folder 是“目標文件夾”的意思，可以選擇安裝到什么地方。默認是安裝到 C:\ProgramData\Anaconda2文件夾下。你也可以選擇 Browse... ，選擇想要安裝的文件夾。我這里 C 盤空間充裕，所以我直接就裝到默認的地方。
這里提一下，Anaconda 很強大，占用空間也不小啊，2.6GB，差不多是一部高清電影的體積了。不過，為了學習，這點硬盤空間算什么呢。
繼續點擊 Next> 。
這里來到 Advanced Options 了，所謂的“高級選項”。如果你英文好，有一定背景知識的話，肯定明白這界面上的意思。兩個默認就好，第一個是加入環境變量，第二個是默認使用 Python 2.7，點擊“Install”，終於開始安裝額。
安裝時間根據你的電腦配置而異，電腦配置高，硬盤是固態硬盤，速度就更快。安裝過程其實就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件里壓縮的各種 dll 啊，py 文件啊，全部寫到安裝目標文件夾里。
過程還是很漫長的，畢竟 2.6GB 的無數個小文件啊，請耐心等待。
經過漫長的等待，終於安裝完成 Installation Complete （安裝完成）了，點擊最后一個 Next>。
點擊Install Microsoft VSCode
點擊 Finish，那兩個 √ 可以取消。
配置環境變量
如果是windows的話需要去 控制面板\系統和安全\系統\高級系統設置\環境變量\用戶變量\PATH 中添加 anaconda的安裝目錄的Scripts文件夾, 比如我的路徑是C:\ProgramData\Anaconda2\Scripts, 看個人安裝路徑不同需要自己調整.
之后就可以打開命令行(最好用管理員模式打開) 輸入 conda --version
如果輸出conda 4.5.4之類的就說明環境變量設置成功了.
為了避免可能發生的錯誤, 我們在命令行輸入conda upgrade --all 先把所有工具包進行升級
這一步可能會報錯，解決辦法請參考另一篇博文：https://www.cnblogs.com/singleYao/p/13474197.html
管理虛擬環境
接下來我們就可以用anaconda來創建我們一個個獨立的python環境了.接下來的例子都是在命令行操作的,請打開你的命令行吧.
activate
activate 能將我們引入anaconda設定的虛擬環境中, 如果你后面什么參數都不加那么會進入anaconda自帶的base環境,
你可以輸入python試試, 這樣會進入base環境的python解釋器, 如果你把原來環境中的python環境去除掉會更能體會到, 這個時候在命令行中使用的已經不是你原來的python而是base環境下的python.而命令行前面也會多一個(base) 說明當前我們處於的是base環境下。
創建自己的虛擬環境
我們當然不滿足一個base環境, 我們應該為自己的程序安裝單獨的虛擬環境.
創建一個名稱為python34的虛擬環境並指定python版本為3.4(這里conda會自動找3.4中最新的版本下載)
conda create -n python34 python=3.4
或者conda create --name python34 python=3.4
於是我們就有了一個learn的虛擬環境, 接下來我們切換到這個環境, 一樣還是用activae命令 后面加上要切換的環境名稱
切換環境
activate learn
如果忘記了名稱我們可以先用
conda env list
去查看所有的環境
現在的learn環境除了python自帶的一些官方包之外是沒有其他包的, 一個比較干凈的環境我們可以試試
先輸入python打開python解釋器然后輸入
>>> import requests
會報錯找不到requests包, 很正常.接下來我們就要演示如何去安裝requests包
exit()
退出python解釋器
卸載環境
conda remove --name test --all
關於環境總結
1 # 創建一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本） 2 3 conda create --name python34 python=3.4 4 5 # 安裝好后，使用activate激活某個環境 6 7 activate python34 # for Windows 8 9 source activate python34 # for Linux & Mac 10 11 # 激活后，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH 12 13 # 此時，再次輸入 14 15 python --version 16 17 # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境 18 19 # 如果想返回默認的python 2.7環境，運行 20 21 deactivate python34 # for Windows 22 23 source deactivate python34 # for Linux & Mac 24 25 # 刪除一個已有的環境 26 27 conda remove --name python34 --all
安裝第三方包
輸入
conda install requests
或者
pip install requests
來安裝requests包.
安裝完成之后我們再輸入python進入解釋器並import requests包, 這次一定就是成功的了.
卸載第三方包
那么怎么卸載一個包呢
conda remove requests
或者
pip uninstall requests
就行啦.
查看環境包信息
要查看當前環境中所有安裝了的包可以用
conda list
導入導出環境
1 //如果想要導出當前環境的包信息可以用 2 3 conda env export > environment.yaml 4 5 //將包信息存入yaml文件中. 6 7 //當需要重新創建一個相同的虛擬環境時可以用 8 9 conda env create -f environment.yaml 10 11 //其實命令很簡單對不對, 我把一些常用的在下面給出來, 相信自己多打兩次就能記住 12 13 activate // 切換到base環境 14 15 activate learn // 切換到learn環境 16 17 conda create -n learn python=3 // 創建一個名為learn的環境並指定python版本為3(的最新版本) 18 19 conda env list // 列出conda管理的所有環境 20 21 conda list // 列出當前環境的所有包 22 23 conda install requests //安裝requests包 24 25 conda remove requests //卸載requets包 26 27 conda remove -n learn --all // 刪除learn環境及下屬所有包 28 29 conda update requests //更新requests包 30 31 conda env export > environment.yaml // 導出當前環境的包信息 32 33 conda env create -f environment.yaml // 用配置文件創建新的虛擬環境
深入一下
或許你會覺得奇怪為啥anaconda能做這些事, 他的原理到底是什么, 我們來看看anaconda的安裝目錄
這里只截取了一部分, 但是我們和本文章最開頭的python環境目錄比較一下, 可以發現其實十分的相似, 其實這里就是base環境. 里面有着一個基本的python解釋器, lLib里面也有base環境下的各種包文件.
那我們自己創建的環境去哪了呢, 我們可以看見一個envs, 這里就是我們自己創建的各種虛擬環境的入口, 點進去看看
可以發現我們之前創建的learn目錄就在下面, 再點進去
這不就是一個標准的python環境目錄嗎?
這么一看, anaconda所謂的創建虛擬環境其實就是安裝了一個真實的python環境, 只不過我們可以通過activate,conda等命令去隨意的切換我們當前的python環境, 用不同版本的解釋器和不同的包環境去運行python腳本.
與JetBrains PyCharm 連接
在工作環境中我們會集成開發環境去編碼, 這里推薦JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虛擬環境結合
在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 點擊齒輪標志再點擊Add Local為你某個環境的python.exe解釋器就行了
比如你要在learn環境中編寫程序, 那么就修改為C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 可以看到這時候下面的依賴包也變成了learn環境中的包了.接下來我們就可以在pycharm中愉快的編碼了。
這一步可能會出錯，請參考另一篇博文：https://www.cnblogs.com/singleYao/p/13475678.html
Anaconda 初體驗
按下 Windows 徽標鍵，調出 Windows 開始菜單，可以看到 “最近添加”的：Anaconda2(64-bit)
Anaconda Prompt
打開Anaconda Prompt，這個窗口和doc窗口一樣的，輸入命令就可以控制和配置python，最常用的是conda命令，這個pip的用法一樣，此軟件都集成了，你可以直接用，點開的話如下圖。用命令“conda list”查看已安裝的包，從這些庫中我們可以發現NumPy,SciPy,Matplotlib,Pandas，說明已經安裝成功了!
還可以使用conda命令進行一些包的安裝和更新
conda list：列出所有的已安裝的packages
conda install name：其中name是需要安裝packages的名字，比如，我安裝numpy包，輸入上面的命令就是“conda install numpy”。單詞之間空一格，然后回車，輸入y就可以了。
安裝完anaconda，就相當於安裝了Python、IPython、集成開發環境Spyder、一些包等等。你可以在Windows下的cmd下查看：
Anaconda Navigtor
用於管理工具包和環境的圖形用戶界面，后續涉及的眾多管理命令也可以在 Navigator 中手工實現。
Jupyter notebook
基於web的交互式計算環境，可以編輯易於人們閱讀的文檔，用於展示數據分析的過程。
Qtconsole
一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。
Spyder
一個使用Python語言、跨平台的、科學運算集成開發環境。
點擊 Anaconda Navigator ，第一次啟用，會初始化，耐心等待一段時間，加載完成，界面如圖。
Spyder編輯器，我們以后就可以用這款編輯器來編寫代碼，它最大優點就是模仿MATLAB的“工作空間”。spyder.exe放在安裝目錄下的Scripts里面，如我的是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接雙擊就能運行。我們可以右鍵發送到桌面快捷方式，以后運行就比較方便了。
我們簡單編寫一個程序來測試一下安裝是否成功，該程序用來打開一張圖片並顯示。首先准備一張圖片，然后打開spyder，編寫如下代碼：
# -*- 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)
將其中的C:/Users/Administrator/Desktop/379283176280170726.jpg改成你自己要顯示圖片的位置，然后點擊上面工具欄里的綠色三角進行運行，最終顯示如下：
jupyterlab
我們點擊 jupyterlab 下面的 Launch ，會在默認瀏覽器（我這里是 Chrome）打開 http://localhost:8888/lab 這樣一個東東，這里就可以輸入 Python 代碼啦，來一句 Hello World 吧。
我們可以打開 Anaconda Navigator -> Launch jupyterlab ，也可以直接在瀏覽器輸入 http://localhost:8888/lab （可以保存為書簽）。如果是布置在雲端，可以輸入服務器域名（IP），是不是很爽？
該博文改編自：https://blog.csdn.net/ITLearnHall/article/details/81708148