anaconda配置python要多长时间_Anaconda配置Python开发环境

Anaconda介绍

Anaconda 是在 linux、windows 和 mac os x 上执行 Python/R 数据分析和机器学习的最简单的方式并且它是开源的。它在全球拥有超过 1, 100万用户, 是在单独的一台机器上进行开发、测试和训练的行业标准, 因为具备以下特点，从而使他能都独立的进行数据分析:

1. 提供了大量的Python/R 数据分析包

2. 使用 conda 管理库、依赖关系和环境

3. 使用 scikit-learn, TensorFlow和Theano进行开发、训练机器学以及深度学习

4. 使用 Dask、Numpy、pandas和 Numba 分析具有可扩展性和性能的数据

5. 使用 Matplotlib、Bokeh、Datashader 和Holoviews 实现可视化结果

Anaconda下载

官方下载地址为:https://www.anaconda.com/distribution/

下载完成后，按照提示一步一步安装完成即可

配置环境变量

将Anaconda的路径

C:\Anaconda3;C:\Anaconda3\Scripts;C:\Anaconda3\Library\bin;C:\Anaconda3\Library\mingw-w64\bin;C:\Anaconda3\Lib\site-packages

配置到系统环境变量Path中去

Anaconda环境验证

在命令行输入conda，如下图所示则表明环境OK

conda和Python的pip使用方式非常类似，可以为我们安装模块(库)提供很大的便利

配置Python开发环境

启动Anaconda Navigator

点击导航中的Evnironments

点击Create创建自己的环境

选择Python版本并定义该环境的名称

然后点击Create按钮，Anaconda就会自己将python的环境准备好了，并且如图所示它还问我们准备了很多模块，可供我们在图形化界面进行安装(当然如果已经习惯了pip的话，我们也可以通过conda在命令行进行安装)

环境准备好了，在导航栏中点击Home，并选择刚刚创建的环境，页面会刷新该环境下的工具，如图所示，有些需要安装，根据各自的需要点击Install即可，如果已经安装好，点击Launch就可以启动它。

Python的编译工具是Spyder如图所示

启动Spyder

如图所示窗口就打开了，我们就可以在上边进行开发了

PS：有可能一开始命令行会提示异常，例如spyder版本有问题，默认好像不是最新版，这种情况下命令行窗口不能用，整个Spyder都存在问题

处理方法：在系统的命令行直接用pip或者conda安装最新的spyder，然后再重新启动它即可

配置完毕后可以用DOS命令行查看版本：conda --version 升级所有工具包：conda upgrade --all

更改conda下载源,cmd 下输入：

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

C:\Users\Administrator>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

安装第三方包

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

查看已安装包：conda list 或者 pip list

管理虚拟环境

创建独立的python环境:

base环境：

activate 命令，不加参数，会直接进入anaconda设定的虚拟环境中。命令行前会多一个(base) 标识。和不进入base是一样的。

activate // 切换到base环境

自建环境

新环境只有python自带的一些官方包，每一个环境都是标准的python环境目录

1.创建一个名称为 study 的虚拟环境并指定python版本为3 (耐心等待…)

conda create -n study python=3

2.切换到 study 环境

activate study

包管理

conda list // 列出当前环境下已安装的包

conda remove -n study --all // 删除study环境及下属所有包

conda update requests // 更新requests第三方包

环境管理

conda env list // 列出当前环境的所有包

conda env export > study.yaml // 导出当前环境的包信息到 study.yaml文件

conda env create -n newEnv -f study.yaml // 用配置文件创建新的名为 newEnv 的虚拟环境