Anaconda管理Python

学Python已经两周了，偶然听群里聊天聊到了Anaconda，觉得挺好的，就记录下来,先记录简单用法，在啰嗦的记录

简单使用

1. 下载

   https://www.anaconda.com/download/

2. 按提示安装，并添加环境变量

3. 检查版本

   • conda --verison anaconda版本
   • conda info --envs anaconda环境

4. 环境切换

   • 创建2.7版本：执行conda create --name python27 python=2.7会自动下载2.7
   • 执行conda info --envs查看版本就有2.7了
   • python --version查看当前python版本(我是3.6)
   • 切换版本：activate python27
   • 还原版本: deactivate python27
   • 删除版本：conda remove --name python27 --all

开始啰嗦

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。作为好奇宝宝的你是不是发现了一个新名词 conda，那么你一定会问 conda 又是什么呢？

什么是 conda ？

conda 是开源包（packages）和虚拟环境（environment）的管理系统。

• packages 管理：
  可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio(虽然我不学统计，但是也要知道)。
• 虚拟环境管理：
  在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。

知道 是什么（what） 的同时，我们也需要问一问 为什么（why） 。那么，为什么要选择用Anaconda呢？

Anaconda 的优点

Anaconda的优点总结起来就八个字：省时省心、分析利器。

• 省时省心：
  Anaconda通过管理工具包、开发环境、Python版本，大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。
• 分析利器：
  在 Anaconda官网中是这么宣传自己的：适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。

解决了 是什么 以及 为什么 的问题后，下面让我们看一下 怎么做（How）。

怎么用

去年开发webAPP用的库依赖是Python2，就看了两天，但是也没怎么用上，今年和算法一起搞智能应用，就重新拾起来了，但是发现Python2的代码都不能用了，于是重新开始学习Python3，所以建议学Python3吧，Python2被彻底弃用也只是个时间问题

Anaconda可以同时管理多个版本的Python，所以装哪个不重要，建议装3，如果需要可以内建2

装完之后会多出好多应用

Anaconda Navigtor：

用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。

Jupyter notebook ：

基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。

qtconsole ：

一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。

spyder ：

一个使用Python语言、跨平台的、科学运算集成开发环境，我觉得还挺好用的，但是因为工具需要，还是用的IDEA。

管理Python包

• 安装包：
  
  • conda install 包名
• 安装多个包：
  
  • conda install 包名1 包名2 包名3，空格分隔
• 指定版本
  
  • conda install 包名=版本号
  • 如conda install numpy=1.10
• 移除包
  
  • conda remove 包名
• 升级包
  
  • conda update 包名
• 升级所有包
  
  • 建议刚装完先升级一下所有包
  • 打开终端，输入conda upgrade --all，全都升级
• 查看所有包：
  
  • conda list
• 查询包
  
  • conda search 你能想起来的部分

管理环境

创建环境

conda create -n env_name list of packages

• -n 代表 name
• env_name 是需要创建的环境名称

• list of packages则是列出在新环境中需要安装的工具包

  参考最上面的安装python2.7，然后进行变形

创建一个python2.7，还附带安装pandas包，并且会自动安装相关的依赖包

# 标准格式
conda create -n env_name  list of packages

# 上面创建的2.7
conda create --name python27 python=2.7

# 现在删掉，重新定义一个
conda create -n py2 python=2.7 pandas

进入环境

env_name是定义的环境名
- linux:
source activate env_name
- window:
activate env_name

退出环境

env_name是定义的环境名
- linux
source deactivate env_name
- windows
deactivate env_name

删除环境

conda env remove -n env_name

显示所有的环境：

conda env list

环境分享

• 导出环境

  将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。

  conda env export > environment.yaml

• 导入环境

  从将名为 environment 的 YAML 文件中导入环境。

  conda env create -f environment.yaml

本文参考伯乐在线，简书http://www.jianshu.com/p/169403f7e40c