Anaconda介绍与使用 中文版

Anaconda介绍

视频: Anaconda简介

Anaconda
Anaconda 是一个基于Python的环境管理工具. 相比其他库管理工具，它更适合数据工作者。 在Anaconda的帮助下，你能够更容易地处理不同项目下对软件库甚至是Python版本的不同需求。

Anaconda 包含 conda, Python 和超过150个科学相关的软件库及其依赖。 Conda是一个包管理工具。Anaconda是一个非常大的软件，因为它包含了非常多的数据科学相关的库。 如果你并不需要如此大量的库，你可以只安装 Miniconda, 一个简化版，仅包含 conda 和 Python。 然后你仍然可以安装其他所需的库。

在Conda环境下，你仅可以使用命令行，如果你对此不适应，可以看这个教学视频。 command prompt tutorial for Windows 或者 Linux Command Line Basics。我就假设你们都会命令行吧：）

管理包

                        Installing numpy with conda

包管理工具用来在你的电脑上安装库和软件。 你应该已经对pip比较熟悉了，那是Python的默认的库管理工具。 Conda和pip很相似，只是它更关注与数据科学相关的库。 另外，Conda并不是只支持Python的， 它也支持非Python的库。它是个适用于任何软件库的包管理工具。 所以，也并不是所有Python库都可以通过Anaconda获得。你仍然需要继续适用pip去安装其他的库。

Conda安装预编译过得库。 例如Anaconda适用MKL库编译 Numpy, Scipy and Scikit-learn并加速了一些数学操作。 所以所有库会有一些延迟，需要先做一些适配。

环境

                    使用Conda创建环境
                    

在管理包的同时，Anaconda也可以做环境管理。 这和 virtualenv 、 pyenv等一系列环境管理工具相似。

多个环境允许你分开和隔离你在不同项目中使用的软件和库。通常情况下，你需要在不同项目中使用一些库的不同版本。例如，你的某些代码需要一些Numpy新版本中的特性，但是另外的代码却需要一些只有旧版本才有的方法。 你不可能在你的电脑上装两个版本，也不愿留意为了运行程序和频繁更换版本。 所以，建立带有不同Numpy版本的环境是最佳选择。

同样的，对于使用Python 2和3版本的程序，环境管理同样适用。

你也可以导出你用到的库的清单，然后在其他环境中加载。Pip有使用类似的操作： pip freeze > requirements.txt.

安装 Anaconda

视频
http://v.youku.com/v_show/id_...

下载地址 https://www.continuum.io/down...

如果你已经安装过Python，Anaconda的安装并不会破坏原有环境，但你在Anaconda的环境中将使用Anaconda默认的Python版本。（如果你在安装的时候勾选了将Anaconda的Python版本设为默认的话会影响外部环境。）

先下载Python 3版本，你之后依然可以安装Python 2.

你可以通过 conda list 命令来查看你已经安装过的软件包.

在 Windows 上

在 Anaconda 时会提供其他软件:

• Anaconda Navigator, 一个GUI工具帮你管理包和环境
• Anaconda Prompt, 一个terminal来进行交互（我们通常使用这个）
• Spyder, 一个开源跨平台科学开发IDE

自带的库可能已经过时了，我们更新一下为了避免出错。打开 Anaconda Prompt ，在prompt, 执行:

conda upgrade conda
conda upgrade --all

如果询问是否要安装新库选“是”。

Note: 在之前的操作中, 执行 conda upgrade conda 不是必须的，因为 --all 包含了conda本身, 但是如果有的用户的Conda已经损坏了的坏可以尝试使用.

我们比较推荐用户熟悉Prompt而不是通过GUI来操作。

故障排除

如果在ZShell遇到 "conda command not found" , 那么先执行下列操作:

添加 export PATH="/Users/username/anaconda/bin:$PATH" 到你的 .zsh_config 文件.

管理包

一旦你装好了Anaconda，那安装库就很容易了。 需要安装时，直接输入 conda install 包名 就好. 例如, 如果需要安装 numpy, 输入 conda install numpy.

[conda_default_install](https://youtu.be/yave-K2Iius)

你可以同时安装多个包。 例如 conda install numpy scipy pandas 会同时安装。 也可以指定版本号，例如 conda install numpy=1.10.

Conda会自动安装依赖。例如， scipy 依赖于 numpy,。 如果你只安装 scipy (conda install scipy), Conda 会自动安装 numpy 如果之前没安装过。

如果需要删除，直接使用 conda remove 包名. 更新包 conda update package_name. 如果需要更新环境中所有库， conda update --all. 如果需要列出已安装软件， conda list.

如果你不知道确切的包名，可以用 conda search . 例如，我知道 Beautiful Soup,但不确定确切的包名，所以我尝试用 conda search beautifulsoup.

                        Searching for beautifulsoup

它返回了合适的包名：beautifulsoup4.

环境管理

像我之前提到的, conda可以使用 create environments 来隔离项目. 为了建项目 conda create -n 环境名 包列表 . 这里-n 环境名 设置了你的环境名 (-n 代表name) 然后列出了你要安装的库. 例如，你要建立一个叫 my_env 的环境然后 install numpy , 输入 conda create -n my_env numpy.

当创建环境的时候，你可以指明需要的Python版本。例如 conda create -n py3 python=3.3 或conda create -n py2 python=2。

进入环境

一旦环境建立, 在OSX/Linux中用 source activate my_env 进入环境. Windows上，用 activate my_env.

当你进入了环境，你可以看到环境名，如 (my_env) ~ $. 退出环境, 输入source deactivate (on OSX/Linux). Windows上, use deactivate.

保存和载入环境

一个使用的功能是你可以分享你安装的软件列表给别人，然后执行代码安装。 你可以用一个YAML 文件来存储列表。conda env export > environment.yaml. 第一部分 conda env export 写出了现有库。

                Exported environment printed to the terminal
                

当你在别的电脑上要导入时，只用通过yaml文件来创建环境就行了。 conda env create -f environment.yaml.

列出环境

如果你忘记了环境名，可以用conda env list 来列出你需要的环境名。,默认环境叫 root.

删除环境

如果你有不需要的环境, conda env remove -n env_name 来删除 (here, named env_name).