上期描述了如何在Windows下安装官方的Python3.8,本期描述如何安装Anaconda。建立Python环境这个话题,为何要大费周章、不厌其烦的叙述呢,主要的原因是:

  • 所有的语言在设计时,都假定运行在一个纯净的环境下,但现实往往不是如此。经常在Windows下会安装多个版本的Python;

  • Python在设计之初,也只设定自己运行在一个纯净的环境下。后期虽然又推出多种混合环境的解决方案,但带来的混乱比解决的问题更多,不用也罢;

  • 环境问题导致的各种怪异现象,对于初学者掌握Python的信心打击巨大;

  • 坚持在一个环境下,只有一个版本的Python是王道,真正符合人生苦短,我用Python的理念。如果混合安装多个版本的Python,会浪费时间与脑力,非常不合算。

综合所述,在安装Anaconda前,记得删除所有的Python版本。除了在控制面板中通过应用管理删除外,还可以使用前文介绍的listary或者everything这个工具,搜索整个操作系统下与Python相关的文件、目录并且删除之,保证尽可能干净的初始环境。

Anaconda是专为数据科学家准备的套餐性质的Python集成开发环境。也就是说,通过安装Anaconda,可以:

  • 获得符合标准的Python3.8解释器;
  • 与大数据分析、可视化、数学相关的一整套的第三方模块的自动安装;
  • 提供了相对称手的IDE环境。

由于Python的历史原因,部分第三方模块在安装时,需要很复杂的前提条件,例如正确版本的C编译器、头文件、依赖库等,把这些搞明白需要花费大量的时间。而科学家们没有时间甚至没有能力折腾软件的事情,所以Anaconda应运而生,直接提供开箱即用的面向数据科学分析的Python开发能力。当然也带来了一些问题:

  • 安装后,占据的空间较大,约要占2G左右的空间。当然,现在计算机存储资源很丰富,也不算太大的问题。如果安装到笔记本上,还是有些显得臃肿;

  • 使用者通过conda以及pip命令均可以安装包,容易造成混乱。虽然可以通过路径的设置来解决,但对于初学者来说,仍然是非常混乱的存在。因此,如果使用Anaconda,就坚持使用自带的conda安装包。

虽然有以上缺点,但瑕不掩瑜,Anaconda仍然是快速入手的热门选择。下面开始安装过程:

  • 上官网下载。对于开发人员来说,直接从官网下载:https://www.anaconda.com/,仍然是最安全最有效的选择;

  • 在官网上选择Individual Edition,这个是免费的;

  • 由于界面上提供是最新版本,与我们要安装的版本不一致,因此点击此处:https://repo.anaconda.com/archive/Anaconda3-5.2.0-Windows-x86_64.exe可以下载与Python3.8匹配的64位版本。推荐使用Internet Download Manager(简称IDM,是下载神器,也是工具箱的成员之一);

  • 下载完成后,直接运行安装,一路“next”,直到下面的界面:

  • 建议选择“Just Me”这个选项。因为不需要管理员这个最高权限,并且安装路径是明确的。随后继续“next”;

  • 接下来出现下面的界面。要求选择是否加入Windows搜索路径:

  • 虽然安装软件本身不推荐,但是笔者推荐,解决搜索路径的问题,方便后续的使用。选择后按“install”开始一段相对漫长的安装过程,随时几个简单的提示就可以完成安装了。

完成安装后,win10中创建了一组相关的软件如下图所示:

其中:

  • Anaconda Navigator,这是最重要的入口,点击进入后就可以开始即开即用;

  • Anaconda Powershell Prompt,点进后进入Windows Powershell界面。这是一个命令行界面,与普通的命令行不一样,从这里进入,能够自动导入Anaconda相关命令;

  • Anaconda Prompt,与上面的类似,只是没有启动Powershell,一样可以使用Anaconda相关命令;

  • Jupyter Notebook,这是数据科学家最喜欢的神器;

  • Spyder,一个完善的Python开发集成工具,非常好用。

至此,Anaconda的安装介绍完成,下一期介绍Minconda的安装。

Python工具箱系列(四)的更多相关文章

  1. 扩展Python模块系列(四)----引用计数问题的处理

    承接上文,发现在使用Python C/C++ API扩展Python模块时,总要在各种各样的地方考虑到引用计数问题,稍不留神可能会导致扩展的模块存在内存泄漏.引用计数问题是C语言扩展Python模块最 ...

  2. Python工具箱系列(五)

    上一期介绍了Anaconda的安装,本期介绍Miniconda的安装,它们共同的部分是Conda,确实如此.Conda是一个开源的包管理系统,本身的志向非常宏大,要为Python. R. Ruby. ...

  3. Python学习系列(四)(列表及其函数)

    Python学习系列(四)(列表及其函数) Python学习系列(一)(基础入门) Python学习系列(二)(基础知识) Python学习系列(三)(字符串) 一.基本概念 1,列表是什么?     ...

  4. Python学习系列(四)Python 入门语法规则2

    Python学习系列(四)Python 入门语法规则2 2017-4-3 09:18:04 编码和解码 Unicode.gbk,utf8之间的关系 2.对于py2.7, 如果utf8>gbk, ...

  5. VSTO之旅系列(四):创建Word解决方案

    原文:VSTO之旅系列(四):创建Word解决方案 本专题概要 引言 Word对象模型 创建Word外接程序 小结 一.引言 在上一个专题中主要为大家介绍如何自定义我们的Excel 界面的,然而在这个 ...

  6. Python爬虫实战四之抓取淘宝MM照片

    原文:Python爬虫实战四之抓取淘宝MM照片其实还有好多,大家可以看 Python爬虫学习系列教程 福利啊福利,本次为大家带来的项目是抓取淘宝MM照片并保存起来,大家有没有很激动呢? 本篇目标 1. ...

  7. python基础系列教程——Python中的编码问题,中文乱码问题

    python基础系列教程——Python中的编码问题,中文乱码问题 如果不声明编码,则中文会报错,即使是注释也会报错. # -*- coding: UTF-8 -*- 或者 #coding=utf-8 ...

  8. python基础系列教程——Python的安装与测试:python的IDE工具PyDev和pycharm,anaconda

    ---恢复内容开始--- python基础系列教程——Python的安装与测试:python的IDE工具PyDev和pycharm,anaconda 从头开启python的开发环境搭建.安装比较简单, ...

  9. 人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型

    人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型 经过前面稍显罗嗦的准备工作,现在,我们终于可以尝试训练我们自己的卷积神经网络模型了.CNN擅长图像处理,keras库的te ...

随机推荐

  1. HDFS存储目录分析

    一.介绍 HDFS metadata以树状结构存储整个HDFS上的文件和目录,以及相应的权限.配额和副本因子(replication factor)等.本文基于Hadoop2.6版本介绍HDFS Na ...

  2. NC207028 第k小数

    NC207028 第k小数 题目 题目描述 给你一个长度为 \(n\) 的序列,求序列中第 \(k\) 小数的多少. 输入描述 多组输入,第一行读入一个整数 \(T\) 表示有 \(T\) 组数据. ...

  3. Ajax:异步的JS和XML

    1.Ajax1) AJAX 是 Asynchronous JavaScript And XML 的简称.直译为,异步的JS和XML.2) AJAX的实际意义是,不发生页面跳转.异步载入内容并改写页面内 ...

  4. Scanner的使用步骤和匿名对象的说明

    Scanner使用步骤 查看类 ~java.util.Scanner :该类需要import导入后使用. 查看构造方法 ~public Scanner(InputStream source) : 构造 ...

  5. 01. DOCKER - 容器技术

    什么是容器 对于容器这个词,大部分人第一时间想到的肯定是生活中常见瓶瓶罐罐,用来装水的东西.它给人的第一感觉就是能 "装". 而在 IT 领域,Container 就被直译为容器, ...

  6. Pytorch 中 tensor的维度拼接

    torch.stack() 和 torch.cat() 都可以按照指定的维度进行拼接,但是两者也有区别,torch.satck() 是增加新的维度进行堆叠,即其维度拼接后会增加一个维度:而torch. ...

  7. day10 Map_查找与遍历

    Map 查找表 Map体现的结构是一个多行两列的表格,其中左列称为key,右列称为value. Map总是成对保存数据,并且总是根据key获取对应的value.因此我们可以将查询的条件作为key查询对 ...

  8. 总结下对我对于CSS中BFC的认知

    首先第一个,什么是BFC? BFC的全称叫Block  Formatting  Context   (块级格式化上下文)BFC是css中隐含属性,开启BFC后元素会变成一个独立的布局环. 简单来说,它 ...

  9. 算法竞赛进阶指南0x51 线性DP

    AcWing271. 杨老师的照相排列 思路 这是一个计数的题目,如果乱考虑,肯定会毫无头绪,所以我们从1号到最后一个依次进行安排. 经过反复实验,发现两个规律 每一行的同学必须是从左向右依次连续放置 ...

  10. Axure RP 8 实现 圆角文本框 圆角带筛选的下拉列表框 可自动显示滚动条

    刚开始用Axure 会发现 Axure 元件库并不是很齐全,很多元件需要自己想办法解决 或者去网上去找.其实个人建议网上有现成的元件可以就下载就不必花时间去折腾.除非你也想练练手,原型这种东西除非高保 ...