开始之前,先跟大家说一下,anaconda跟conda的区别,这两个定义确实有人搞混过。
conda是一种通用包管理系统,旨在构建和管理任何语言和任何类型的软件。举个例子:包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。
Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,就是把很多常用的不常用的库都给你装好了。
1.下载安装
鉴于官网下载速度慢到令人发指,推荐从国内清华大学开源软件镜像站进行下载并配置镜像。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
另,安装过程中anaconda安装路径不要出现空格,否则后面坑的不知东南西北
安装过程中一个需要确认的地方
- 第一个勾是是否把Anaconda加入环境变量,这涉及到能否直接在cmd中使用activate、conda、jupyter、ipython等命令,推荐打勾,如果不想将其加入环境变量中问题也不大,也可以在之后使用Anaconda提供的命令行工具进行操操作,也可以cd 到anaconda安装目录下的Scripts,然后执行activate
- 第二个是是否设置Anaconda所带的Python 3.6为系统默认的Python版本,这个自己看着办,问题不大。
安装后的一些必要操作
由于conda服务器在国外,所以安装包的时候会很慢,甚至安装失败,
下面是解决方案:
- 将清华大学镜像网站加入到镜像源目录中
cmd中执行下面命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
- 可以不使用命令,直接找到C盘,user文件夹下,进入当前的用户文件夹,记得显示隐藏文件.
找到.condarc文件,记事本打开,替换成如下:
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true
ssl_verify: true
保存关闭即可,这样就换成了清华镜像.第一个pytorch可以不加,那个是安装pytorch才需要的.
2.使用入门
打开软件,主页提供了一些常用的工具,而且支持环境的切换
其中,JupyterLab是一个很好用的记笔记工具,Spyder是自带的IDE,可以尝试一下,说不定就爱了。
附上pyterLab的汉化包链接
链接:https://pan.baidu.com/s/1tX5l8QdZX48MSlmc8FEoew
提取码:e86m
这一页进行环境的管理,
- 可以通过点击环境列表右侧的小箭头,来直接打开该环境下的命令行,或者进入命令行下的python.右侧可以看到该环境下安装的包,并且可以搜索想要的包进行安装,不过需要注意的是,这里的包并不完整,很多搜索不到的包还是需要命令行里安装,比如PySide2,而且命令行里安装的包这里也是不显示的
- 另:conda 创建的虚拟环境是在anaconda安装目录下的envs下,使用pycharm配置运行环境时只要选择需要的环境名即可
conda的终端常用命令
- 检测安装的conda版本:
conda --version
- 升级全部库:
conda upgrade --all
- 升级一个包 :
conda update packagename
- 安装包:
conda install packagename
- 也可以安装多个包:
conda installl numpy pandas scipy
- 安装固定版本的包:
conda install numpy =1.10
- 移除一个包:
conda remove packagename
- 列出所有的包:
conda list
管理python环境:
- 创建虚拟环境:
conda create -n env_name list of packagename
或conda create -n env_name pandas
- 指定python版本:
conda create -n env_name python2 = 2.7 pandas
- 切换环境:
activate env_name
- 退出环境 :
deactivate env_name
- 删除虚拟环境:
conda env remove -n env_name
- 显示所有虚拟环境:
conda env list