前面一直都是直接安装python,然后pip管理包,然而感觉版本管理和包安装有时候不是很方便,同学推荐用Anaconda,用了一下感觉真的方便多了,可以用pip的同时使用conda安装,还有可视化的界面。
- 安装
到官网下载安装,添加安装目录和其下的Scripts到path环境中。
安装后打开工具prompt输入conda --version显示版本号说明安装成功啦
添加代理(可选):
TUNA 还提供了 Anaconda 仓库的镜像,运行以下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
---------------------
# Conda 第三方源
Conda Forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
- 使用
activate // 切换到base环境
activate learn // 切换到learn环境
conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3
conda env list // 列出conda管理的所有环境
conda list // 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境
所有命令行操作包括pip都是在prompt窗口中进行,会安装到对应的环境中,否则可能导致找不到安装的库文件。
例如:
pip install xgboost
pip show xgboost
显示安装在 anaconda\envs\ml\lib\site-packages 中,和使用 conda install numpy 等安装的路径是一样的。
常用库
prompt_toolkit scipy numpy pandas matplotlib pillow sciKit-learn keras tensorflow pytorch