前言
工欲善其事,必先利其器,学习python数据分析的知识肯定要有趁手的工具,此前也用原生的python尝试做数据分析,自己安装各类的包,而python数据分析所需要使用的包有太多了(Numpy、Pandas、Matplotilb等等),有些包依赖性强,安装起来比较麻烦。选择Anaconda,因为它已经内含了许多包,不管我们需要还是不需要,有很多很多,给我们带来了大大的便利。使用Anaconda,为以后Python数据分析学习省下了许多事情。
正文目录
一、Anaconda安装步骤
(一)Anaconda下载地址
一个国内的网站一个国外的网站,推荐用国内的清华大学开源镜像网址,相对来说下载速度会快一些
Anaconda官网
清华大学Anaconda开源镜像
(二)Anaconda安装
PS:这里笔者以window系统里的Anaconda为例,其他系统或者期许更详细安装步骤的请移步至Anaconda官方文档
1.运行安装程序
2.点击 next(下一步)
3.点击 I Agree (我同意)
4.这一步,有多用户需要开发学习的情况下 就点All Users(会提示需要管理员权限)
5.系统盘(C盘)空间大的请随意,在以后的工作中它占用的空间会越来越大,所以建议安装在其他盘中,千万不要命名带空格的名字且建议用英文命名,不然以后会有许多不必要的麻烦
6.第一个勾选的是配置Anaconda的环境(勾选可能会影响其他Python开发软件的正常使用),第二个勾选的是设置Anaconda所带的Python 版本为系统默认的Python版本
ps:笔者全勾选了,懒得自己手动添加Path变量了。笔者目前只安装了PyCharm这一个Python编辑器,文末会附上Anaconda与PyCharm的关联步骤
7.完成以上步骤后可以一直点击下一步,直到看到这张截图,意味着Anaconda安装完成
二、使用Anaconda
(一)查看Anaconda里集成的包
# 查看conda版本
conda --version
# 升级所有的软件包
conda upgrade --all
# 按列表 查看包
conda list
# 查看包 (模糊查看 会自动匹配相似包名)
conda search packageName
# 精准查看
conda search --full-name packageName
(二)安装或卸载包
既可以通过conda命令也可以使用pip命令安装或卸载包
# 安装包
conda install xxx
# 卸载包
conda remove xxx
pip install xxx
pip uninstall xxx
(三)开发环境管理
Windows用户打开程序“Anaconda Prompt”可执行以下命令
注: 该节中’xxx’均为自定义名称
1.安装python环境
# 创建一个命名为xxx且python版本为3的环境
conda create --name xxx python=3
# 创建一个命名为xxx且python版本为3的环境 ,且具有Anaconda集成的所有包
conda create --name xxx python=3 anaconad
2.激活及退出python环境
# 激活环境
activate xxx
# 退出环境
deactivate
3.查看Anaconda中的python环境
conda info --envs
4.克隆环境
conda create --name newEnvName --clone copyEnvName
5.卸载python环境
conda remove --name xxx --all
三、附录
A.在PyCharm中配置Anaconda
1.打开PyCharm后依次点击File --> Setting --> Project --> Project Interpreter --> 小齿轮
2.点击方框标记的Add…,接下来选择anaconda文件路径下的python.exe,稍等片刻就大功告成
3.下面是最后截图
B.在安装Anaconda前就安装有python的处理办法
- 将原有的环境变量中的python变量删除
注:前面步骤中的Anaconda添加Path环境没有勾选的,手动在环境变量中添加以下路径,温馨提示:路径要是自己的路径哦
a. D:\Anaconda3
b. D:\Anaconda3\Scripts
c. D:\Anaconda3\Library\bin
d. D:\Anaconda3\Library\usr\bin
e. D:\Anaconda3\Library\mingw-w64\bin - 直接将原来安装python的整个文件夹拷贝到Anaconda下的envs的目录下。
- 使用命令
conda info --envs
可以查看到增加了环境,即我们原有的python环境