介绍:
-
包管理:Anaconda使用Conda作为包管理工具,它允许用户轻松安装、更新和管理Python包。Conda可以处理包依赖关系,确保软件包之间的兼容性。
-
环境管理:Conda还允许用户创建隔离的环境,以便于不同项目可以有自己的依赖和包版本,这有助于解决不同项目之间的依赖冲突。
-
大量预装库:Anaconda预装了大量用于数据科学和机器学习的库,如NumPy、Pandas、SciPy、Matplotlib、Scikit-learn等,这使得用户无需单独安装这些常用库。
配置环境变量:D:\Software\Anaconda\Scripts
conda --version //查看版本
conda upgrade --all //更新所有工具包
使用:
1. 进入默认虚拟环境
activate //不接参数则默认进入Anaconda自带的Base环境
2. 创建自己的虚拟环境
conda create -n test python=3
创建名为test的虚拟环境,指定Python版本为3.x(conda自动下载3.x中最新的版本,也可指定版本)
activate test
切换到test虚拟环境
conda env list
查看当前所有环境
exit()
退出虚拟环境中的Python解释器
3. 安装第三方包
conda install requests
pip install requests
上述命令二选一即可安装
4. 卸载第三方包
conda remove requests
pip uninstall requests
上述命令二选一即可卸载
环境操作:
1. 查看当前环境下安装了的包信息
conda list
可以查看完整的包信息
2. 导出导入环境
- 导出:
conda env export > environment.yaml
执行这个命令时,Conda会生成一个包含当前环境中所有安装包的列表及其精确版本的YAML文件。这个文件还包括环境的名称和其他相关信息。
- 导入:
conda env create -f environment.yaml
使用environment.yaml创建一个新的环境,这将创建一个与原始环境具有相同依赖的新环境。
深入:
本质上,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。