python 实验环境的搭建

刚开始在windows环境下尝试过komodo ，eclispse pydev，swing，spyder甚至limodou的编辑器，之后ipython，安装很多科学计算包 numpy scipy matplotlib skitlearn nltk等等，都出现各种各样的兼容问题和features缺憾，相对余linux环境，windows下python环境实在太多缺憾，耗费太多时间在重编译和搭配环境上。

一直想要自己来搭建一个适合自己的环境，不想用epd 和 anaconda 。现在迁移到了linux，问题少了许多，没想到，开源世界的包版本之间的冲突实在是一个令人头疼的问题，一个依赖另外一个，搭建一个科学计算的研究环境耗费了将2天时间。最终还因为多个目标所需要的包版本问题而放弃了几个好用的包。

现在想着换anaconda，可又割舍不下自己花了不少心血才弄好的环境， 无意中看到anaconda可以提供一个隔离的环境，并不会影响原有的环境，严重推荐，还自搭载了spyder 和 ipython ,简直就是神级装备，无可挑剔。

anaconda 提供以下科学计算包 和 常用包

Packages included in Anaconda 1.8.0

Python 2.7 (included in installer):

  • apptools 4.2.0
  • astropy 0.2.5
  • atom 0.3.4
  • beautiful-soup 4.3.1
  • binstar 0.3.1
  • biopython 1.62
  • bitarray 0.8.1
  • blaze 0.3
  • bokeh 0.2
  • boto 2.15.0
  • cairo 1.12.2 L
  • casuarius 1.1
  • chaco 4.3.0
  • colorama 0.2.7
  • configobj 4.7.2
  • cubes 0.10.2
  • curl 7.30.0 LM
  • cython 0.19.2
  • dateutil 2.1
  • disco 0.4.4 L
  • distribute 0.6.45
  • docutils 0.11
  • dynd-python 0.5.0
  • enable 4.3.0
  • enaml 0.8.3
  • envisage 4.3.0
  • erlang R15B01 L
  • flask 0.10.1
  • freetype 2.4.10
  • gevent 0.13.8
  • gevent-websocket 0.3.6
  • gevent_zeromq 0.2.5
  • greenlet 0.4.1
  • grin 1.2.1
  • h5py 2.2.0
  • hdf5 1.8.9
  • imaging 1.1.7
  • ipython 1.1.0
  • itsdangerous 0.23
  • jinja2 2.7.1
  • keyring 3.2
  • launcher 0.1.2
  • libevent 2.0.20
  • libnetcdf 4.2.1.1 LM
  • libpng 1.5.13 LM
  • libtiff 4.0.2 LM
  • libxml2 2.9.0 LM
  • libxslt 1.1.28 LM
  • llvm 3.3
  • llvmmath 0.1.1
  • llvmpy 0.12.0
  • lxml 3.2.3
  • markupsafe 0.18
  • matplotlib 1.3.1
  • mayavi 4.3.0
  • mdp 3.3
  • menuinst 1.0.3 W
  • meta 0.4.2.dev
  • mingw 4.7 W
  • mpi4py 1.3 L
  • mpich2 1.4.1p1 L
  • netcdf4 1.0.6 LM
  • networkx 1.8.1
  • nltk 2.0.4
  • nose 1.3.0
  • numba 0.11.0
  • numexpr 2.2.2
  • numpy 1.7.1
  • opencv 2.4.6 L
  • openpyxl 1.6.2
  • pandas 0.12.0
  • patsy 0.2.1
  • pep8 1.4.6
  • pip 1.4.1
  • ply 3.4
  • psutil 1.1.2
  • py 1.4.17
  • py2cairo 1.10.0 L
  • pyaudio 0.2.7 M
  • pycosat 0.6.0
  • pycparser 2.9.1
  • pycrypto 2.6.1
  • pycurl 7.19.0 LM
  • pyface 4.3.0
  • pyflakes 0.7.3
  • pygments 1.6
  • pykit 0.1.0
  • pyparsing 1.5.6
  • pyreadline 2.0.dev W
  • pysal 1.6.0
  • pysam 0.6 LM
  • pyside 1.2.1
  • pytables 3.0.0
  • pytest 2.4.2
  • python 2.7.5
  • pytz 2013b
  • pywin32 218.4 W
  • pyyaml 3.10
  • pyzmq 2.2.0.1
  • qt 4.8.5
  • redis 2.6.9 LM
  • redis-py 2.7.2 LM
  • requests 1.2.3
  • rope 0.9.4
  • scikit-image 0.9.3
  • scikit-learn 0.14.1
  • scipy 0.13.0
  • six 1.4.1
  • sphinx 1.1.3
  • spyder 2.2.5
  • sqlalchemy 0.8.3
  • statsmodels 0.5.0
  • sympy 0.7.3
  • theano 0.5.0 L
  • tornado 3.1.1
  • traits 4.3.0
  • traitsui 4.3.0
  • vtk 5.10.1
  • werkzeug 0.9.4
  • xlrd 0.9.2
  • xlwt 0.7.5
  • yaml 0.1.4 LM
  • zeromq 2.2.0 LM
  • zlib 1.2.7

Only available on: L (Linux) - M (MacOSX) - W (Windows)

参考：

 

python 实验环境的更多相关文章

  1. OVS + dpdk 安装与实验环境配置

    ***DPDK datapath的OVS的安装与实验环境配置 首先肯定是DPDK的安装       0:安装必要的工具            make            gcc           ...

  2. TensorFlow实验环境搭建

    初衷: 由于系统.平台的原因,网上有各种版本的tensorflow安装教程,基于linux的.mac的.windows的,各有不同,tensorflow的官网也给出了具体的安装命令.但实际上,即使te ...

  3. Python开发环境-Pyenv安装使用

    安装使用-Pyenv 简单的python版本管理:pyenv 管理python解释器 管理python版本 管理python的虚拟环境 官网:https://github.com/pyenv/pyen ...

  4. 常用增强学习实验环境 II (ViZDoom, Roboschool, TensorFlow Agents, ELF, Coach等) （转载）

    原文链接:http://blog.csdn.net/jinzhuojun/article/details/78508203 前段时间Nature上发表的升级版Alpha Go - AlphaGo Ze ...

  5. 常用增强学习实验环境 I (MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2) (转载)

    原文地址:http://blog.csdn.net/jinzhuojun/article/details/77144590 和其它的机器学习方向一样,强化学习(Reinforcement Learni ...

  6. 腾讯云-搭建 Python 开发环境

    搭建 Python 开发环境 准备工作 任务时间:5min ~ 10min Python是一种解释型.面向对象.动态数据类型的高级程序设计语言.首先我们来看看系统中是否已经存在 Python ,并安装 ...

  7. Ubuntu下常用强化学习实验环境搭建(MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2)

    http://lib.csdn.net/article/aimachinelearning/68113 原文地址:http://blog.csdn.net/jinzhuojun/article/det ...

  8. python实验报告（第五周）

    一.实验目的和要求 学会使用字符串的常用操作方法和正确应用正则表达式. 二.实验环境 软件版本:Python 3.10 64_bit 三.实验过程 1.实例1:使用字符串拼接输出一个关于程序员的笑话 ...

  9. Python实验报告（第四周

    一.实验目的和要求 学会应用列表.元组.字典等序列: 二.实验环境 软件版本:Python 3.10 64_bit 三.实验过程 1.实例1:输出每日一贴 (1)在IDLE中创建一个名称为tips.p ...

随机推荐

  1. android中使用spinner组件，以key,value的方式

    接着上一篇文章的内容:android中使用spinner组件 稍做修改,以key,value的方式,在实际使用中,经常需要获取的值并不一定跟显示的内容一致. 需要先添加一个对象类,用来描述key,va ...

  2. IO multiplexing 与 非阻塞网络编程

    使用I/O multipexing 的网络编程中,一般需要采用非阻塞网络编程的风格,防止服务端在处理高连接量大时候阻塞在某个文件描述符上面,比如某个socket 有大量的数据需要写,但是内核发送缓冲区 ...

  3. C#（WPF和WinForm）在普通类中调用到主线程的方法，SynchronizationContext的用法。

    一.SynchronizationContext类用法: 1.对于WindowsFrom应用程序,如果想在某个类中,不方便使用到控件的Invoke方法时,可以使用WindowsBase.dll下的Sy ...

  4. 010-Go 操作PostgreSQL数据库2

    1:sql脚本 create table post( id serial primary key, content text, author ) ) 2:post.go package post im ...

  5. Spring Validation 表单校验

    最近开发一个项目,发现字段校验比较多,同事提出使用Validation校验能更方便一些,今天记录下来,供以后参考: 一.在pom.xml中添加依赖: <dependency> <gr ...

  6. 使用Laya引擎开发微信小游戏

    在支持微信小游戏的游戏引擎中,Cocos,Egret,Laya都对小游戏的开发提供了很多强大的支持.前段时间正好抽空研究了一下这块的内容,现做一个总结,针对如何使用Laya引擎开发微信小游戏给大家做一 ...

  7. Java在不同线程中运行代码

    start()方法开始为一个线程分配CPU时间,这导致对run()方法的调用. 代码1 package Threads; /** * Created by Frank */ public class ...

  8. JAVA的驼峰和下划线互转帮助类

    实体类: import java.io.Serializable; import lombok.AllArgsConstructor; import lombok.Data; import lombo ...

  9. 查询后n条记录

    查询后n条记录 SELECT * FROM tb_stu ORDER BY id ASC LIMIT n

  10. django生成文件txt、pdf（在生成 PDF 文件之前，需要安装 ReportLab 库）

    from django.http import HttpResponse def download_file(request): # Text file #response = HttpRespons ...