Anaconda配置Python开发环境

2023-03-24 12:18| 来源: 网络整理| 查看: 265

Anaconda 是在 linux、windows 和 mac os x 上执行 Python/R 数据分析和机器学习的最简单的方式并且它是开源的。它在全球拥有超过 1, 100万用户, 是在单独的一台机器上进行开发、测试和训练的行业标准, 因为具备以下特点，从而使他能都独立的进行数据分析:

提供了大量的Python/R 数据分析包使用 conda 管理库、依赖关系和环境使用 scikit-learn, TensorFlow和Theano进行开发、训练机器学以及深度学习使用 Dask、Numpy、pandas和 Numba 分析具有可扩展性和性能的数据使用 Matplotlib、Bokeh、Datashader 和Holoviews 实现可视化结果 Anaconda下载

官方下载地址为Download Anaconda下载完成后，按照提示一步一步安装完成即可

配置环境变量

将Anaconda的路径 C:\Anaconda3;C:\Anaconda3\Scripts;C:\Anaconda3\Library\bin;C:\Anaconda3\Library\mingw-w64\bin;C:\Anaconda3\Lib\site-packages 配置到系统环境变量Path中去在这里插入图片描述

Anaconda环境验证

在命令行输入conda，如下图所示则表明环境OK 在这里插入图片描述 conda和Python的pip使用方式非常类似，可以为我们安装模块（库）提供很大的便利

配置Python开发环境启动Anaconda Navigator

在这里插入图片描述

点击导航中的Evnironments

在这里插入图片描述

点击Create创建自己的环境

在这里插入图片描述

选择Python版本并定义该环境的名称

在这里插入图片描述然后点击Create按钮，Anaconda就会自己将python的环境准备好了，并且如图所示它还问我们准备了很多模块，可供我们在图形化界面进行安装（当然如果已经习惯了pip的话，我们也可以通过conda在命令行进行安装）在这里插入图片描述环境准备好了，在导航栏中点击Home，并选择刚刚创建的环境，页面会刷新该环境下的工具，如图所示，有些需要安装，根据各自的需要点击Install即可，如果已经安装好，点击Launch就可以启动它。 Python的编译工具是Spyder如图所示在这里插入图片描述

启动Spyder

如图所示窗口就打开了，我们就可以在上边进行开发了在这里插入图片描述 PS：有可能一开始命令行会提示异常，例如spyder版本有问题，默认好像不是最新版，这种情况下命令行窗口不能用，整个Spyder都存在问题处理方法：在系统的命令行直接用pip或者conda安装最新的spyder，然后再重新启动它即可

配置完毕后可以用DOS命令行

查看版本：conda --version 升级所有工具包：conda upgrade --all 更改conda下载源,cmd 下输入：

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 安装第三方包安装第三方包：conda install requests 或者 pip install requests 卸载第三方包：conda remove requests 或者 pip uninstall requests 查看已安装包：conda list 或者 pip list 管理虚拟环境

创建独立的python环境:

base环境：

activate 命令，不加参数，会直接进入anaconda设定的虚拟环境中。命令行前会多一个(base) 标识。和不进入base是一样的。 activate // 切换到base环境

自建环境新环境只有python自带的一些官方包，每一个环境都是标准的python环境目录 1.创建一个名称为 study 的虚拟环境并指定python版本为3 (耐心等待…) conda create -n study python=3 2.切换到 study 环境 activate study 包管理 conda list // 列出当前环境下已安装的包 conda remove -n study --all // 删除study环境及下属所有包 conda update requests // 更新requests第三方包环境管理 conda env list // 列出当前环境的所有包 conda env export > study.yaml // 导出当前环境的包信息到 study.yaml文件 conda env create -n newEnv -f study.yaml // 用配置文件创建新的名为 newEnv 的虚拟环境

【本文地址】

公司简介

联系我们