python Anaconda

转载自   https://blog.csdn.net/program_developer/article/details/79677557

目录：

1. Anaconda是什么？

2. 如何安装？

3. 如何管理包？

4. 如何管理环境

1.Anaconda是什么？

简单来说，Anaconda是Python的包管理器和环境管理器。先来解决一个初学者都会问的问题：我已经安装了Python，那么为什么还需要Anaconda呢？原因有以下几点：

（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。因此你可以用Anaconda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项目中用到了Python2，而新的项目要求使用Python3，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pandas版本。你要做的应该是在项目对应的环境中创建对应的pandas版本。这时候conda就可以帮你做到。

总结：Anaconda解决了官方Python的两大痛点：

（1）提供了包管理功能，Windows平台安装第三方包经常失败的场景得以解决。

（2）提供环境管理功能，解决了多版本Python并存、切换的问题。

2.如何安装？

直接在官网下载安装包，官网地址https://www.anaconda.com/download/。选择Python3.6的安装包进行下载，下载完成后直接安装。安装完成之后会有一个Anaconda Prompt，类似于windows的终端操作，可以输入命令行啦！

图1：Anaconda安装成功界面

3.如何管理包？

安装Anaconda之后，我们就可以很方便的管理安装包（安装，卸载，更新）。

（1）安装包

conda 的包管理功能和pip 是一样的，当然你选择pip 来安装包也是没问题的。

1.  
   # 安装 matplotlib
2.  
   conda install matplotlib

（2）卸载包

1.  
   # 删除包
2.  
   conda remove matplotlib

（3）更新包

1.  
   # 包更新
2.  
   conda update matplotlib

（4）查询已经安装的包

1.  
   # 查看已安装的包
2.  
   conda list

(5)修改镜像地址

1.修改Anaconda镜像地址

安装Anaconda时候，访问的是国外的网络，所以下载Anaconda和安装包时会特别慢。我们需要更换到国内镜像源地址，这里我更换到国内的清华大学地址。（永久添加镜像）Windows命令：

1.  
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2.  
   conda config --set show_channel_urls yes

2.修改pip镜像地址

如果你安装包时用的是pip，感觉也很慢。同样的，我们把pip的镜像源地址改成国内的，豆瓣源速度比较快。（临时修改的方法）Windows命令：

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

例子：

1.  
   #这样就会从清华这边的镜像去安装numpy库。
2.  
    
3.  
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

当然，pip还有永久修改，一劳永逸的办法：

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

1.  
   [global]
2.  
   index-url = https://pypi.tuna.tsinghua.edu.cn/simple

4.如何管理环境

conda 可以为你不同的项目建立不同的运行环境。

（1）创建环境

conda create –n python27 numpy

上面的命令中，python27是设置环境的名称（-n是指该命令后面的python27是你要创建环境的名称），numpy是你要安装在环境中的包名称。

注意：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python36，并安装最新版本的Python3.6在终端中输入：

conda create –n python36 python=3.6

或也可以这样创建环境名称为python27，并安装最新版本Python2.7：

conda create –n python27 python=2.7

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：python27,python36。这样我可以根据不同的项目轻松使用不同版本的python。

 

2）进入环境

在 Windows 上，你可以使用

conda activate python27

进入。进入之后，你可以在终端提示符中看到环境名称。当然，当你进入环境后，可以用conda list 查看环境中默认的安装包。

图2：进入环境

（3）离开环境

在 Windows 上，终端中输入：

deactivate

（4）共享环境

共享环境非常有用，它能让其他人安装你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人来部署你的项目，但是他们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的终端中使用:

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）。你在终端中上可以看到导出的环境文件路径。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。

图3：共享环境

那么问题来了: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conda activate python27。然后在使用以下命令更新你的环境：

1.  
   #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
2.  
   conda env update -f=/path/to/environment.yml

对于不使用conda 的用户，我们通常还会使用以下命令将一个 txt文件导出并包括在其中:

pip freeze > environment.txt 

图4：恢复环境共享

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：

1.  
   #其中C:\Users\Microstrong\enviroment.txt是该文件在你电脑上的实际路径。
2.  
   pip install -r C:\Users\Microstrong\enviroment.txt

（5）列出环境

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。

                         图5：查看环境

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 base。

6）删除环境

如果你不再使用某个环境，可以使用以下命令。

1.  
   #删除指定的环境（在这里环境名为 python27）。
2.  
   conda env remove -n python27

转载自   https://blog.csdn.net/program_developer/article/details/79677557