Anaconda教程
目录
Anaconda教程
1. 什么是Anaconda
Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项
Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等
Miniconda包括Conda、Python
conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换
2. Anaconda和python的区别
Anaconda和python有什么区别呢？相信很多新手伙伴还不太了解的，为此，这里小编就分享关于Anaconda和python的区别内容，有需要的朋友不要错过哦。
1、安装包大小不同
python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要安装pip来导入这些包才能进行相应运算。
Anaconda(开源的Python包管理器)是一个python发行版，包含了conda、Python等180多个科学包及其依赖项。包含了大量的包，使用Anaconda无需再去额外安装所需包
2、内置不同
IPython是一个python的交互式shell，比默认的python shell好用得多，支持变量自动补全，自动缩进，支持bash shell命令，内置了许多很有用的功能和函数。
而Anaconda Prompt是一个Anaconda的终端，可以便捷的操作conda环境。
3. Anaconda的优点
- 你可能已经安装了 Python，那么为什么还需要 Anaconda？有以下3个原因：
（1）包丰富
Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。
（2）管理包
Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。
在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
（3）管理环境
为什么需要管理环境呢？
比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。
2. 如何管理包(模块)
- 安装了 Anaconda 之后，就可以很方便的管理包了（安装，卸载，更新）
- 注意：管理包，是进入某个环境之后的操作
（1）conda镜像源
1. 查看镜像源
conda config --show-sources
2. 切换镜像源（conda默认的下载安装包的地址可能比较慢，可以增加些国内镜像源）：
方法一（修改.condarc文件）：
本人的 .condarc文件在“C:\Users\hsw” 路径中找到了，用记事本打开之后，把下面的代码复制替换原文件中的内容，保存文件后conda换源就结束了
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
show_channel_urls: true
方法二（通过cmd命令行添加镜像源）：
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
3. 删除镜像源
conda config --remove channels "镜像源名称"
示例：
conda config --remove channels defaults
conda config --remove channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
（2）安装包
在终端中键入：
conda install package_name
例如，要安装 pandas，在终端中输入：conda install pandas
1.你还可以同时安装多个包。类似 conda install pandas numpy 的命令会同时安装所有这些包。还可以通过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。
2.conda 还会自动为你安装依赖项。例如，scipy 依赖于 numpy，因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy)，则 conda 还会安装 numpy（如果尚未安装的话）
3.如果不知道要找的包的确切名称，可以尝试使用 conda search search_term 进行搜索。例如，我知道我想安装numpy，但我不清楚确切的包名称。我可以这样尝试：conda search num
（3）卸载包
在终端中键入 ：
conda remove package_names
上面命令中的package_names是指你要卸载包的名称，例如你想卸载pandas包：conda remove pandas
（4）更新包
在终端中键入：
conda update package_name
如果想更新环境中的所有包（这样做常常很有用），使用：conda update --all
（5）列出已安装的包
在终端中键入：
conda list
（6）导出虚拟环境的包/新的虚拟环境下安装刚才导出的文件中的包
# 切换到要导出包的虚拟环境下：
pip freeze > 想存放的路径/requirements.txt # pip新特性，可能会出现 @file 格式
pip list --format=freeze > 想存放的路径/requirements.txt # 我们想要的输出格式： 包==版本号
# 切到新的虚拟环境下，执行安装命令
pip install -r requirements.txt文件的路径
# 将项目使用的包下载下来，方便离线安装
pip download -r requestments.txt -d /要存放包的目录/pip_packages
# 离线安装上面下载的好的包（将requirement.txt中删除不需要安装的包，然后将requirement.txt文件和下载好的包放在一个文件夹下）
pip install --no-index --find-links=/存放下载好的包的目录/ -r requirement.txt
3. 如何管理环境
- conda 可以为你不同的项目建立不同的运行环境
（1）安装nb_conda
安装nb_conda用于notebook自动关联nb_conda的环境
在终端中键入：
1. conda install nb_conda
2. y
（2）创建环境
在终端中使用：
conda create -n env_name package_names
1. 上面的命令中，env_name 是设置环境的名称（-n 是指该命令后面的env_name是你要创建环境的名称），package_names 是你要安装在创建环境中的包名称。
例如，要创建环境名称为 py3 的环境并在其中安装 numpy，在终端中输入 conda create -n py3 pandas
2. 创建环境时，可以指定要安装在环境中的 Python 版本
当你同时使用 Python 2.x 和 Python 3.x 中的代码时这很有用。要创建具有特定 Python 版本的环境，例如创建环境名称为py3，并安装最新版本的Python3在终端中输入：
conda create -n py3 python=3
或也可以这样创建环境名称为py2，并安装最新版本的Python2：
conda create -n py2 python=2
因为我做的项目不同，有时候会用到Python2，还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境，并分别取了这样的环境名称：py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。
如果你要安装特定版本（例如 Python 3.6），请使用 conda create -n py python=3.6
（3）进入环境
1. 在 Windows 上，你可以使用 activate my_env进入。
2. 在 OSX/Linux 上使用 source activate my_env 进入环境。
进入环境后，你会在终端提示符中看到环境名称，下面图片是我进入py2的环境（这里的py2是我上面创建环境时自己起的名称，你可以起个自己喜欢的名称）。
3. 进入环境后，我可以用conda list 查看环境中默认安装的几个包。
4. 在环境中安装包的命令与前面一样：conda install package_name。不过，这次你安装的特定包仅在你进入环境后才可用
（4）离开环境
1. 在 Windows 上，终端中输入：
deactivate
2. 在 OSX/Linux 上 输入：
source deactivate 或 conda deactivate
（5）共享环境
共享环境非常有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。
1. 你可以在你 当前的一个环境 中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中保存为YAML文件（包括Pyhton版本和所有包的名称）。
2. 命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。
3. 在“notebook工作文件夹”下（及你在终端中上图的路径）可以看到导出的环境文件： environment.yaml
4. 在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。
导出的环境文件，在其他电脑环境中如何使用呢？
首先在conda中进入你的环境，比如activate py3，然后在使用以下命令更新你的环境：
# 其中-f表示你要导出文件在本地的路径，所以/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml
5. 对于不使用 conda 的用户，我通常还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。
举个例子你可能更容易理解这个使用场景：
首先，我在自己的电脑上在conda中将项目的包导出成environment.txt 文件：
（my_test_env） C:\hsw>pip freeze > environment.txt
然后我将该文件包含在项目的代码库中，其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境。
他在自己的电脑上 进入python命令环境 ，然后运行以下命令就可以安装该项目需要的包：
pip install -r /path/requirements.txt
其中/path/requirements.txt是该文件在你电脑上的实际路径。
（6）列出环境
有时候会忘记自己创建的环境名称，这时候用 conda env list 就可以列出你创建的所有环境。
你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。
（7）删除环境
如果你不再使用某个环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里环境名为 env_name）
浙公网安备 33010602011771号