什么是Anaconda?
Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。
Conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。
Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等
Anaconda下载安装
常用环境操作命令
# 创建一个名为python34的环境,指定Python版本是3.4
#(不用管是3.4.x,conda会为我们自动寻找3.4.x中的最新版本)
conda create --name python34 python=3.4
# 安装好后,使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后,会发现terminal输入的地方多了python34的字样此时系统做的事情
# 就是把默认2.7环境从PATH中去除,再把3.4对应的命令加入PATH
# 此时,再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`,即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境,运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
#安装第三方包
conda install requests
#或者
pip install requests
#卸载第三方包
conda remove requests
#或者
pip uninstall requests
#查看当前环境中所有安装了的包
conda list
##导入导出环境
##如果想要导出当前环境的包信息可以用
#将包信息存入yaml文件中.
conda env export > environment.yaml
#当需要重新创建一个相同的虚拟环境时可以用
conda env create -f environment.yaml
#其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住
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(的最新版本)
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
anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本
参考:
与JetBrains PyCharm 连接
Anaconda Prompt
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。
jupyterlab
VSCode
Glueviz
Glue是一个Python库,用于探索相关数据集内部和之间的关系。其主要特点包括:
-
链接统计图形。使用Glue,用户可以创建数据的散点图,直方图和图像(2D和3D)。胶水专注于刷牙和链接范例,其中任何图形中的选择传播到所有其他图形。
-
灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化,并跨数据集传播选择。这些链接由用户指定,并且是任意灵活的。
-
完整的脚本功能。Glue是用Python编写的,并且建立在其标准科学库(即Numpy,Matplotlib,Scipy)之上。用户可以轻松地集成他们自己的python代码进行数据输入,清理和分析。
Orange3
交互式数据可视化
通过巧妙的数据可视化执行简单的数据分析。探索统计分布,箱形图和散点图,或深入了解决策树,层次聚类,热图,MDS和线性投影。即使您的多维数据也可以在2D中变得合理,特别是在智能属性排名和选择方面。