一、下载安装anaconda
1、访问https://www.anaconda.com/distribution/下载Python 3.7 version。按照如下截图下载64位的windows安装版本。
2、在windows环境变量中配置如下路径:
D:\Users\Administrator\Anaconda3\Scripts;D:\Users\Administrator\Anaconda3;D:\Users\Administrator\Anaconda3\bin;D:\Users\Administrator\Anaconda3\Library\bin
3、安装完成后,我们还需要对所有工具包进行升级,以避免可能发生的错误。打开你电脑的终端,在命令行中输入:
conda upgrade --all
4、通过如下命令安装numpy和pandas和scikit-learn
conda install numpy scipy pandas
conda install scikit-learn
二、安装PyCharm
1、PyCharm 官方下载地址:http://www.jetbrains.com/pycharm/download/,下载安装PyCharm
2、在PyCharm中配置python,如下截图标红流程:
三、测试是否可用如下
1、如下截图,新建一个Demo.python文件。
2、把如下代码复制到文件中:
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row_index,row in df.iterrows():
print (row_index,row)
3、运行工程测试
选中python文件,右击运行结果如下:
4、扩展(anaconda命令)
如何管理Python包?
安装一个 package:
1 | conda install package_name |
这里 package_name 是需要安装包的名称。你也可以同时安装多个包,比如同时安装numpy 、scipy 和 pandas,则执行如下命令:
1 | conda install numpy scipy pandas |
你也可以指定安装的版本,比如安装 1.1 版本的 numpy :
1 | conda install numpy=1.10 |
移除一个 package:
1 | conda remove package_name |
升级 package 版本:
1 | conda update package_name |
查看所有的 packages:
1 | conda list |
如果你记不清 package 的具体名称,也可以进行模糊查询:
1 | conda search search_term |
如何管理Python环境?
默认的环境是 root,你也可以创建一个新环境:
1 | conda create -n env_name list of packages |
其中 -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。
例如,当我安装了 Python3 版本的 Anaconda 后,默认的 root 环境自然是 Python3,但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码,最好还安装了 pandas 包,于是我们运行以下命令来创建:
1 | conda create -n py2 python=2.7 pandas |
细心的你一定会发现,py2 环境中不仅安装了 pandas,还安装了 numpy 等一系列 packages,这就是使用 conda 的方便之处,它会自动为你安装相应的依赖包,而不需要你一个个手动安装。
进入名为 env_name 的环境:
1 | source activate env_name |
退出当前环境:
1 | source deactivate |
另外注意,在 Windows 系统中,使用 activate env_name
和 deactivate
来进入和退出某个环境。
删除名为 env_name 的环境:
1 | conda env remove -n env_name |
显示所有的环境:
1 | conda env list |
当分享代码的时候,同时也需要将运行环境分享给大家,执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。
1 | conda env export > environment.yaml |
同样,当执行他人的代码时,也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。
1 | conda env create -f environment.yaml |