Python Data Science的多版本多环境管理工具Anaconda

最新推荐文章于 2024-04-25 10:28:03 发布
最新推荐文章于 2024-04-25 10:28:03 发布
阅读量838 收藏
点赞数
分类专栏： python conda 文章标签： python conda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/whereismatrix/article/details/78191207
版权

简介

python开发中存在2个版本： python2和python3，这2个版本有细微的不同，在OS上安装2个版本并很好地管理各自的依赖包，并不是一个很好的事情。
再者，在团队开发中，每个开发者的环境不同，对开发的各种影响也很折磨团队。

在OS中管理python环境及依赖包，聪明的开发者已经提供了virtualenv和anaconda。

Anaconda使用conda来管理开发使用的依赖包，安装后还提供图形化的UI。

Anaconda在网站上介绍自己是python Data Science Platform，包含了超过1000的数据科学的包，可以方便地管理使用。

安装

从Anaconda网站下载安装包进行安装，非常简单。
安装后，会在系统配置path中添加anaconda的执行文件所在目录，然后就可以方便地使用conda命令了。

$ diff  ~/.profile-anaconda2.bak ~/.profile
43,45d42
< 
< # added by Anaconda2 5.0.0 installer
< export PATH="/Users/david/anaconda2/bin:$PATH"

命令使用

先创建一个Python2的环境，可以看到，Anaconda建立了一个独立的python2的环境，包括python，pip等

$ conda create --name py2 python=2.7
Fetching package metadata ...........
Solving package specifications: .

Package plan for installation in environment /Users/david/anaconda2/envs/py2:

The following NEW packages will be INSTALLED:

    ca-certificates: 2017.08.26-ha1e5d58_0     
    certifi:         2017.7.27.1-py27h482ffc0_0
    libcxx:          4.0.1-h579ed51_0          
    libcxxabi:       4.0.1-hebd6815_0          
    libedit:         3.1-hb4e282d_0            
    libffi:          3.2.1-hd939716_3          
    ncurses:         6.0-ha932d30_1            
    openssl:         1.0.2l-h57f3a61_2         
    pip:             9.0.1-py27h61def0c_3      
    python:          2.7.14-he768d2d_19        
    readline:        7.0-h81b24a6_3            
    setuptools:      36.5.0-py27h2a45cec_0     
    sqlite:          3.20.1-h900c3b0_1         
    tk:              8.6.7-hcdce994_1          
    wheel:           0.29.0-py27h84bd1c0_1     
    zlib:            1.2.11-h60db283_1         

Proceed ([y]/n)? y

ca-certificate 100% |##################################################################################| Time: 0:00:00 396.39 kB/s
libcxxabi-4.0. 100% |##################################################################################| Time: 0:00:00   3.06 MB/s
tk-8.6.7-hcdce 100% |##################################################################################| Time: 0:00:01   2.20 MB/s
zlib-1.2.11-h6 100% |##################################################################################| Time: 0:00:00 528.35 kB/s
libcxx-4.0.1-h 100% |##################################################################################| Time: 0:00:00   2.62 MB/s
openssl-1.0.2l 100% |##################################################################################| Time: 0:00:03   1.15 MB/s
libffi-3.2.1-h 100% |##################################################################################| Time: 0:00:00 697.85 kB/s
ncurses-6.0-ha 100% |##################################################################################| Time: 0:00:03 243.77 kB/s
libedit-3.1-hb 100% |##################################################################################| Time: 0:00:00 157.53 kB/s
readline-7.0-h 100% |##################################################################################| Time: 0:00:03 117.73 kB/s
sqlite-3.20.1- 100% |##################################################################################| Time: 0:00:17 108.32 kB/s
python-2.7.14- 100% |##################################################################################| Time: 0:02:10  79.49 kB/s
certifi-2017.7 100% |##################################################################################| Time: 0:00:02  79.36 kB/s
setuptools-36. 100% |##################################################################################| Time: 0:00:09  55.57 kB/s
wheel-0.29.0-p 100% |##################################################################################| Time: 0:00:00  91.61 kB/s
pip-9.0.1-py27 100% |##################################################################################| Time: 0:00:20  85.71 kB/s
#
# To activate this environment, use:
# > source activate py2
#
# To deactivate an active environment, use:
# > source deactivate
#

执行python命令，可以看到python2版本的信息。

  • 激活一个环境

    使用命令source activate py2

  • 释放激活的环境

    使用命令 source deactivate

再创建一个Python3的环境，Anaconda会建立了一个独立的python3的环境。

$ conda create --name py3 python=3
Fetching package metadata ...........
Solving package specifications: .

Package plan for installation in environment /Users/david/anaconda2/envs/py3:

The following NEW packages will be INSTALLED:

    ca-certificates: 2017.08.26-ha1e5d58_0     
    certifi:         2017.7.27.1-py36hd973bb6_0
    libcxx:          4.0.1-h579ed51_0          
    libcxxabi:       4.0.1-hebd6815_0          
    libedit:         3.1-hb4e282d_0            
    libffi:          3.2.1-hd939716_3          
    ncurses:         6.0-ha932d30_1            
    openssl:         1.0.2l-h57f3a61_2         
    pip:             9.0.1-py36hbd95645_3      
    python:          3.6.3-h6804ab2_0          
    readline:        7.0-h81b24a6_3            
    setuptools:      36.5.0-py36h2134326_0     
    sqlite:          3.20.1-h900c3b0_1         
    tk:              8.6.7-hcdce994_1          
    wheel:           0.29.0-py36h3597b6d_1     
    xz:              5.2.3-ha24016e_1          
    zlib:            1.2.11-h60db283_1         

Proceed ([y]/n)? 

xz-5.2.3-ha240 100% |##################################################################################| Time: 0:00:00 313.71 kB/s
python-3.6.3-h 100% |##################################################################################| Time: 0:03:20  68.40 kB/s
certifi-2017.7 100% |##################################################################################| Time: 0:00:02  96.14 kB/s
setuptools-36. 100% |##################################################################################| Time: 0:00:08  63.90 kB/s
wheel-0.29.0-p 100% |##################################################################################| Time: 0:00:01  54.94 kB/s
pip-9.0.1-py36 100% |##################################################################################| Time: 0:00:52  33.39 kB/s
#
# To activate this environment, use:
# > source activate py3
#
# To deactivate an active environment, use:
# > source deactivate
#


$ source activate py3
(py3) promote:conda_prj david$ python
Python 3.6.3 |Anaconda, Inc.| (default, Oct  6 2017, 12:04:38) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 


(py3) promote:conda_prj david$ source deactivate
promote:conda_prj david$ 


promote:conda_prj david$ source activate py2
(py2) promote:conda_prj david$ python
Python 2.7.14 |Anaconda, Inc.| (default, Oct  5 2017, 02:28:52) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 
>>> 
(py2) promote:conda_prj david$ 
(py2) promote:conda_prj david$ source deactivate
promote:conda_prj david$ 
promote:conda_prj david$

验证python3的环境也成功。

Anaconda Navigation

如图：

Anaconda-Navigate

tensorflow 环境

$ conda create -n tensorflow python=3
Fetching package metadata ...........
Solving package specifications: .

Package plan for installation in environment /Users/david/anaconda2/envs/tensorflow:

The following NEW packages will be INSTALLED:

    ca-certificates: 2017.08.26-ha1e5d58_0     
    certifi:         2017.7.27.1-py36hd973bb6_0
    libcxx:          4.0.1-h579ed51_0          
    libcxxabi:       4.0.1-hebd6815_0          
    libedit:         3.1-hb4e282d_0            
    libffi:          3.2.1-hd939716_3          
    ncurses:         6.0-ha932d30_1            
    openssl:         1.0.2l-h57f3a61_2         
    pip:             9.0.1-py36hbd95645_3      
    python:          3.6.3-h6804ab2_0          
    readline:        7.0-h81b24a6_3            
    setuptools:      36.5.0-py36h2134326_0     
    sqlite:          3.20.1-h900c3b0_1         
    tk:              8.6.7-hcdce994_1          
    wheel:           0.29.0-py36h3597b6d_1     
    xz:              5.2.3-ha24016e_1          
    zlib:            1.2.11-h60db283_1         

Proceed ([y]/n)? 

#
# To activate this environment, use:
# > source activate tensorflow
#
# To deactivate an active environment, use:
# > source deactivate
#

promote:conda_prj david$ source activate tensorflow

(tensorflow) promote:conda_prj david$ pip install --ignore-installed tensorflow  --upgrade 
Collecting tensorflow
  Downloading tensorflow-1.3.0-cp36-cp36m-macosx_10_11_x86_64.whl (39.8MB)
    100% |████████████████████████████████| 39.8MB 19kB/s 
Collecting tensorflow-tensorboard<0.2.0,>=0.1.0 (from tensorflow)
  Downloading tensorflow_tensorboard-0.1.8-py3-none-any.whl (1.6MB)
    100% |████████████████████████████████| 1.6MB 36kB/s 
Collecting six>=1.10.0 (from tensorflow)
  Using cached six-1.11.0-py2.py3-none-any.whl
Collecting numpy>=1.11.0 (from tensorflow)
  Downloading numpy-1.13.3-cp36-cp36m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.5MB)
    100% |████████████████████████████████| 4.6MB 23kB/s 
Collecting protobuf>=3.3.0 (from tensorflow)
  Downloading protobuf-3.4.0-py2.py3-none-any.whl (375kB)
    100% |████████████████████████████████| 378kB 18kB/s 
Collecting wheel>=0.26 (from tensorflow)
  Downloading wheel-0.30.0-py2.py3-none-any.whl (49kB)
    100% |████████████████████████████████| 51kB 9.5kB/s 
Collecting werkzeug>=0.11.10 (from tensorflow-tensorboard<0.2.0,>=0.1.0->tensorflow)
  Using cached Werkzeug-0.12.2-py2.py3-none-any.whl
Collecting markdown>=2.6.8 (from tensorflow-tensorboard<0.2.0,>=0.1.0->tensorflow)
  Downloading Markdown-2.6.9.tar.gz (271kB)
    100% |████████████████████████████████| 276kB 26kB/s 
Collecting html5lib==0.9999999 (from tensorflow-tensorboard<0.2.0,>=0.1.0->tensorflow)
  Downloading html5lib-0.9999999.tar.gz (889kB)
    100% |████████████████████████████████| 890kB 27kB/s 
Collecting bleach==1.5.0 (from tensorflow-tensorboard<0.2.0,>=0.1.0->tensorflow)
  Downloading bleach-1.5.0-py2.py3-none-any.whl
Collecting setuptools (from protobuf>=3.3.0->tensorflow)
  Using cached setuptools-36.5.0-py2.py3-none-any.whl
Building wheels for collected packages: markdown, html5lib
  Running setup.py bdist_wheel for markdown ... done
  Stored in directory: /Users/david/Library/Caches/pip/wheels/bf/46/10/c93e17ae86ae3b3a919c7b39dad3b5ccf09aeb066419e5c1e5
  Running setup.py bdist_wheel for html5lib ... done
  Stored in directory: /Users/david/Library/Caches/pip/wheels/6f/85/6c/56b8e1292c6214c4eb73b9dda50f53e8e977bf65989373c962
Successfully built markdown html5lib
Installing collected packages: six, setuptools, protobuf, werkzeug, markdown, html5lib, numpy, bleach, wheel, tensorflow-tensorboard, tensorflow
Successfully installed bleach-1.5.0 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.4.0 setuptools-36.5.0.post20170921 six-1.11.0 tensorflow-1.3.0 tensorflow-tensorboard-0.1.8 werkzeug-0.12.2 wheel-0.30.0
(tensorflow) promote:conda_prj david$

测试一下安装的TensorFlow

$ python
Python 3.6.3 |Anaconda, Inc.| (default, Oct  6 2017, 12:04:38) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> print(tf.__version__)
1.3.0

OK, tensorflow的环境安装成功。

whereismatrix
关注
专栏目录
7个Python环境管理工具
Python爬虫和机器学习专栏
01-27 4592
通常，Python是一种非常灵活的编程语言--这一特性也体现到其环境管理中。不幸的是，这可能意味着您的Python安装变得混乱不堪。存在大量的环境管理工具来试图控制这种混乱……但是最终可能会变得更加复杂，尤其是对于新的Python开发人员而言！ 在这篇文章中，我们将介绍可用工具的优缺点，以便您可以对如何安装python环境做出明智的决定。实际上，我们只需要在一些原则上达成共识： ...
Python Data Science Cheat Sheet，数据科学总结
caitao_zhan
09-22 3306
前言： Python是搞Data Science的不二选择。对于新手来说（比如我） ，需要快速学会使用Python的常用package。这篇博客主要就是总结一下用Python搞Data Science的大体步骤和一些细节。 PS. 我在美国的第一个学期，选了一门课叫做 Data Science Fundamentals，课程链接。使用的教材是《The Data Science Design Ma
python的环境管理工具有哪些
qalangtao的博客-qalangtao.com
01-19 493
Python的环境管理工具是帮助开发人员管理项目依赖项和虚拟环境的工具。在Python世界中，有几种流行的环境管理工具，包括pipenv、conda和virtualenv。每种工具都有其优势和劣势，开发人员可以根据自己的需求和偏好来选择合适的工具。首先，让我们来看看pipenv。pipenv是Python官方推荐的环境管理工具，它结合了pip和virtualenv的功能，可以方便地管理项目的依赖项和虚拟环境。
python 环境管理工具_python的各种环境管理工具 virtualenv,pyenv,pipenv
weixin_39739170的博客
12-12 228
如果你是第一次接触python的环境管理，那你一定会头晕，因为有太多的环境管理工具包，多到你不知道该选择哪一个作为自己的python环境管理工具。这么多环境管理工具它们都有什么特点，它们是怎么产生的，我们到底应该选择哪一个作为我们的主力环境管理工具，下面我们将一一介绍。imagepython独立环境众所周知，python因为有着强大的第三方包扩展，所以开发应用非常的便捷，但是不同包的版本依赖问题是...
使用anaconda管理多个版本的python环境
qq_47997583的博客
11-17 226
1.首先确保你的系统里已经安装了Conda，打开CMD窗口，执行命令： conda --version 2.查看你的系统当前已有的Python环境，执行命令： conda info --envs 3.切换Python环境为pytorch，执行命令： activate pytorch 4.创建删除环境到anaconda navigator中操作 ...
Python 环境管理工具：Conda
热门推荐
m0_37559973的博客
04-23 1万+
Conda 是一个开源的跨平台包管理器和环境管理系统，主要用于 Python 和 R 等数据科学与机器学习相关的编程语言环境。它是由 Anaconda 分发版提供的，但也可以独立安装。
Hands-On Data Science and Python Machine Learning 无水印原版pdf
04-18
Hands-On Data Science and Python Machine Learning 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn...
Python.Data.Science.Essentials..Alberto.Boschetti
06-26
**《Python Data Science Essentials》** 是一本全面介绍如何使用Python进行数据科学实践的书籍。本书由Alberto Boschetti编写，旨在帮助读者掌握利用Python进行数据分析的核心技能。 **Introducing data science ...
awesome-python-data-science：可能是Python中数据科学软件的最佳精选清单
01-31
Anaconda则是一个完整的Python发行版，包含了众多数据科学所需的库和工具，便于环境管理。 总结起来，"awesome-python-data-science"项目涵盖了Python数据科学的方方面面，是入门和进阶学习者的宝贵资源。通过深入...
Hands-On-Data-Science-with-Anaconda:Packt发行的《 Anaconda的动手数据科学》
05-28
本书首先为Anaconda平台设置了环境，以使其可用于Jupyter，pandas，matplotlib，Python，R，Julia等工具和框架。 您将遍历软件包管理器Conda，通过它可以自动管理所有软件包，包括跨语言依赖性，并可以在Linux，...
Python多版本开发环境管理工具介绍
09-19
主要介绍了Python多版本开发环境管理工具介绍的相关资料，在Python开发中，有些情况下，我们可能面临在一台机器上同时安装多版本Python的需求,需要的朋友可以参考下
python 环境管理工具_python3环境管理器
weixin_39863616的博客
12-12 119
1. 类内有 __enter__ 和 __exit__ 方法的类被称为环境管理器2. 能够用with语句进行管理的对象必须是环境管理器3. __enter__ 将在进入with语句时调用并返回由 as 变量管理的对象4. __exit__ 将在离开with时被调用，且可以用参数判断离开with语句时是否有异常发生，并做出相应的处理class Door:def open_door(self):pr...
Python环境管理大比拼：pip、Conda、Pyenv、Rye、Virtualenv、PDM、Poetry等工具
xjt921122的博客
03-08 851
一个可以进行 Python 版本管理的工具，可以让你轻松安装 Python 版本并在它们之间切换。环境管理工具，允许您创建和管理（虚拟）环境。包管理工具能够下载和安装库及其依赖项。| 该工具是否管理依赖关系 | ❌ | ✅ | ✅ | ❌ | ✅ || 它是否解析/锁定依赖关系 | ❌ | ✅ | ✅ | ❌ | ✅ || 是否有干净的构建/发布流程 | ✅ | ✅ | ✅ | ✅ | ✅ || 它允许使用插件吗 | ❌ | ✅ | ✅ | ✅ | ❌ |
Python 虚拟环境管理工具（详细）
CourserLi的博客
08-12 5180
Python 虚拟环境管理工具：Venv、Virtualenv、Virtualenvwrapper、Virtualenv-burrito、Pipenv、Pipx、Autoenv、Anaconda
python常用虚拟环境管理工具
qq_42762321的博客
02-25 787
一、使用virtualenv 1. 使用pip pip install virtualenv 2. 创建运行环境 virtualenv [虚拟环境名称] virtualenv venv #如果不想使用系统的包,加上–no-site-packeages参数 virtualenv --no-site-packages 创建路径名 3. 激活环境 linux: $ cd venv $ source ./bin/activate Windows 10: > cd venv &g
Python环境包管理器：Anaconda和pip哪个更适合你？
最新发布
m0_59236127的博客
04-25 1460
Python环境包管理器是指在Python开发过程中，用于安装、更新、卸载和管理软件包的工具。它们可以帮助开发者更方便地管理Python环境下的各种库和框架。以下是常见的6个Python环境包管理器及使用案例：pip是Python的官方包管理器，它提供了简单易用的命令行界面，用于安装、更新和卸载Python包。使用pip，我们可以轻松地从Python Package Index（PyPI）安装各种第三方库，例如NumPy、Pandas等。例如，要安装NumPy库，可以使用以下命令： 要更新已安装的库，可以使
Python多环境管理神器（Anaconda）
shunshunss的博客
01-14 1752
为了解决python多版本共存，解决不同版本之间的依赖冲突，虚拟环境隔离等问题，我们前面介绍了venv、virtualenv、virtualenvwrapper、pyenv、pipenv等众多工具。下面我们再介绍一个非常强大的多环境管理神器——Anaconda。 Anaconda （强大） 1、什么是Anaconda Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。Anaconda通过管理工具包、开发环境、Python版本，大大简化了
都2024年了，还不知道如何选本地Python开发环境管理工具
我先测了
09-09 542
选择适合自己的Python环境管理工具，需要根据项目需求和个人偏好来决定。可以尝试不同的工具，了解各自的优劣，从而找到最适合自己的管理方式。
用Anaconda 配置不同版本Python环境
2301_81940605的博客
03-06 8303
本文将介绍 Anaconda 的进阶使用：用 conda 配置虚拟环境、 package（安装包）的管理、以及导入或导出虚拟环境。
vscode python anaconda环境配置 ubuntu
10-02
在Ubuntu上配置VSCode与Anaconda的Python环境，您可以按照以下步骤操作： 1. 首先，下载并安装Anaconda。您可以从Anaconda官网（Anaconda | The World’s Most Popular Data Science Platform）下载最新版本。 2. 安装完成后，打开终端并运行以下命令，创建一个新的conda环境： ``` conda create --name myenv ``` 其中，myenv是您想要创建的环境的名称，您可以根据需要进行更改。 3. 激活新创建的环境，运行以下命令： ``` conda activate myenv ``` 4. 现在，您可以安装VSCode并打开它。 5. 在VSCode的扩展商店中，搜索并安装Python扩展。 6. 在VSCode的左下角选择Python解释器。点击后，您将看到一个列表，选择“Enter interpreter path manually”并输入以下路径（假设您的Anaconda安装在默认位置）： ``` /home/your_username/anaconda3/envs/myenv/bin/python ``` 其中，your_username是您的Ubuntu用户名，myenv是您在第2步中创建的环境的名称。 7. 现在，您已经成功配置了VSCode与Anaconda的Python环境。您可以在VSCode中编写和运行Python代码了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值