Python环境包管理工具:Anaconda安装环境教程

Python 2018-05-07 320 次浏览 0 条评论

Anaconda和 Jupyter notebook 在实际工作中已成为Python开发(Web、机器学习、数据分析等)的标准环境。

简单来说,Anaconda是包管理器和环境管理器,Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。

Anaconda是包管理器和环境管理器,类似Node.js的npm,它附带了一大批常用的数据科学包,无需开发者再自己一个个安装和解决包冲突的问题。通过conda(包管理器)可以方便地帮助我们在计算机上创建环境,安装、卸载、更新包。

Anaconda官网: https://www.anaconda.com/

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?

不过在开始前我需要强调下,下面的步骤你要亲自跟着敲一遍并在自己的电脑上实践。

虽然下面你会遇到很多命令,给了谁都记不住的。但是别怕,也别中途放弃,因为你没必要记住命令,因为当你在后面学习数据分析用的多了,自然就记住了。

记不住也没关系,学会在哪查找就可以了。你只需要跟着上面步骤操作下,并理解了每一步是干什么的就可以了。后面遇到要做的事情,忘记了回头查这个文档就可以了。

刚开始学习的过程会遇到困难,只要中途不放弃,自己实际操作一遍,我保证你可以熟练上手。

1、Anaconda是什么?

Anaconda在英文中是“蟒蛇”,有首歌就叫《Anaconda》,表示像蟒蛇一样性感妖娆的身体。

所有你看下面Anaconda的图标就像一个收尾互相咬住的“蟒蛇”。

你可能已经安装了 Python,那么为什么还需要 Anaconda?有以下3个原因:

1、Anaconda

附带了一大批常用数据科学包,它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

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,你会用到很多第三方的包,而conda(包管理器)可以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

为什么需要管理环境呢?比如你在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版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。

还有很多项目使用的包版本不同,比如不同的pandas版本,不可能同时安装两个 Numpy 版本,你要做的应该是,为每个 Numpy 版本创建一个环境,然后项目的对应环境中工作。这时候conda就可以帮你做到。

 

2. 如何安装Anaconda?

Anaconda 可用于多个平台( Windows、Mac OS X 和 Linux)。你可以在下面地址上找到安装程序和安装说明。根据你的操作系统是32位还是64位选择对应的版本下载。(Anaconda已经不支持Windows XP;同时查看自己电脑是32位还是64位,不要装错了。)

官网地址:https://www.continuum.io/downloads

但是,官网下载实在是很慢,慢的吓死人,霜天这里推荐使用:清华大学开源软件镜像站,如下链接

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

也可以使用如下的方式:

anaconda配置国内的镜像

Mac and Linux

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

你在很多网站上看到这两段代码,让你加入到window里面去,是不是半天搞不定?其实不是搞不定,只是人家是苹果 or Linux。

浪费时间,我以为是我不行,结果是路不平。这里,霜天给你把路铺平了,好好走,跟着教程

最好的操作方式:

windows下,直接在user目录中创建一个pip目录,如:C:Usersxxpip,新建文件pip.ini,内容如下

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com

Linux下,修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件。文件夹要加“.”,表示是隐藏文件夹)

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com

对于Python开发用户来讲,PIP安装软件包是家常便饭。但国外的源下载速度实在太慢,浪费时间。而且经常出现下载后安装出错问题。所以把PIP安装源替换成国内镜像,可以大幅提升下载速度,还可以提高安装成功率。

国内源:

新版ubuntu要求使用https源,要注意。

清华:https://pypi.tuna.tsinghua.edu.cn/simple

阿里云:http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学:http://pypi.hustunique.com/

山东理工大学:http://pypi.sdutlinux.org/

豆瓣:http://pypi.douban.com/simple/

 

临时使用教程:

可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple

例如:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider,这样就会从清华这边的镜像去安装pyspider库。

 

Anaconda 的下载文件比较大(约 600 MB),因为它附带了 Python 中最常用的数据科学包。

如果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。

看知乎上有老师提示win10系统下一定要记得右键--》以管理员身份运行,否则在安装包时会提示没有写权限。还有记得将conda等命令目录添加到Path环境变量中。

使用时打开cmd或者Anaconda Prompt,win10系统请右键--》以管理员身份运行

如果win10系统没有按上述操作,后面会报下面的错误信息:

可以在终端或命令提示符中键入 conda list,以查看你安装的内容。

PS:如果按上面操作后在Anaconda Prompt中都无法使用Conda命令,按以下顺序的解决办法来尝试(正常使用的朋友忽略这一步,继续往下):

  • 1)检查你是否原来安装过Python,如果安装过请彻底删除Python(同时要删除环境变量)后重装Anaconda
  • 2)检查自己是否将Conda命令添加到了环境变量。
  • 3)确保你的Anaconda安装路径不包含中文或其他非英语常用字符
  • 4)经过以上步骤还是没有任何改善,请卸载Anaconda重装一遍

如果Anaconda Prompt中可以使用conda命令,接着下面继续操作。

为了避免后面使用报错,你需要先更新下所有包。在 终端输入更新所有包的命令:

conda upgrade --all

并在提示是否更新的时候输入 y(Yes)让更新继续。初次安装下的软件包版本一般都比较老旧,因此提前更新可以避免未来不必要的问题。

霜天这里是第二次截图了,所以呢,我没有什么要更新的。

 

如果命令行方法添加不上,可以在“notebook工作文件夹”找到文件.condarc,

什么是你的“notebook工作文件夹”呢?

默认情况下,是你启动Anaconda Prompt终端中的那个文件夹,比如我电脑上是下面这个文件夹(Windows为C://Users/username/.condarc,Linux/Mac为~/.condarc):

打开该文件夹,修改文件内容如下:(如果没有找到.condarc,用notepad++软件在“notebook工作文件夹”下新建一个该文件即可,并添加以下内容)

为了方便,你可以将下面部分直接复制到上面的文件中:

channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: yes

3. 如何管理包?

安装了 Anaconda 之后,就可以很方便的管理包了(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

你还可以同时安装多个包。类似 conda install pandas numpy 的命令会同时安装所有这些包。还可以通过添加版本号(例如 conda install numpy=1.10)来指定所需的包版本。

conda 还会自动为你安装依赖项。

例如,scipy 依赖于 numpy,因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy),则 conda 还会安装 numpy(如果尚未安装的话)。

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

如果想更新环境中的所有包(这样做常常很有用),使用:conda update --all。

4)列出已安装的包

conda list

例如我已经成功安装了numpy和pandas这两个常用的包。

如果不知道要找的包的确切名称,可以尝试使用 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。我可以这样尝试:conda search num。

 

4.如何管理环境?

1)conda 可以为你不同的项目建立不同的运行环境。

  • 1)安装nb_conda用于notebook自动关联nb_conda的环境。
  • 2)创建环境

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是你要创建环境的名称),package_names 是你要安装在创建环境中的包名称。

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

2)创建环境时,可以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 中的代码时这很有用。要创建具有特定 Python 版本的环境,例如创建环境名称为py3,并安装最新版本的Python3在终端中输入:

conda create -n py3 python=3

或也可以这样创建环境名称为py2,并安装最新版本的Python2:

conda create -n py2 python=2

因为我做的项目不同,有时候会用到Python2,还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境,并分别取了这样的环境名称:py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。

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

3)进入环境

在 Windows 上,你可以使用 activate py3进入。在 OSX/Linux 上使用 source activate py3 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是我上面创建环境时自己起的名称,你可以起个自己喜欢的名称)。

进入环境后,我可以用conda list 查看环境中默认安装的几个包:

在环境中安装包的命令与前面一样:conda install package_name。不过,这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

共享环境非常有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。比如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,但是王二狗并不知道你当时开发时使用的是哪个python版本,以及使用了哪些包和包的版本。这怎么办呢?

你可以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版本和所有包的名称)。

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

在“notebook工作文件夹”下(及你在终端中上图的路径)可以看到导出的环境文件:

在 GitHub 上共享代码时,最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。

导出的环境文件,在其他电脑环境中如何使用呢?

首先在conda中进入你的环境,比如activate py3

然后在使用以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,所以/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,我通常还会使用 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,我在自己的电脑上在conda中将项目的包导出成environment.txt 文件:

然后我将该文件包含在项目的代码库中,其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境:

他在自己的电脑上进入python命令环境,然后运行以下命令就可以安装该项目需要的包:

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。

5)列出环境

我有时候会忘记自己创建的环境名称,这时候用 conda env list 就可以列出你创建的所有环境。

你会看到环境的列表,而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。

6)删除环境

如果你不再使用某个环境,可以使用 conda env remove -n env_name 删除指定的环境(在这里环境名为 env_name)。

最后重新再强调下,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做项目,用的多了自然记住了。你只需要跟着上面步骤操作下,并理解了每一步是干什么的就可以了。后面遇到要做的事情,忘记了回头查这个文档就可以了。

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作一遍后,你已经学会了Anaconda,并安装好你的数据分析Pyhton环境了,接下来你就可以愉快的使用Jupyter notebook来做数据分析了。

我还没有学会写个人说明!

Leave a Reply