Python基础入门——安装与运行

1 介绍与安装

The open-source Anaconda Individual Edition is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X.

Anaconda是一个可用于科学计算的Python发行版。

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，所以也称为Python的一种发行版。

Quickly download 7,500+ Python/R data science packages 迅速下载各种包
Manage libraries, dependencies, and environments with Conda 环境管理-解决多版本Python并存切换的问题包管理-对Python包安装、卸载和更新
Develop and train machine learning and deep learning models with scikit-learn, TensorFlow, and Theano 机器学习
Analyze data with scalability and performance with Dask, NumPy, pandas, and Numba 数据分析
Visualize results with Matplotlib, Bokeh, Datashader, and Holoviews 可视化

Anaconda User Guide

Anaconda官网下载：https://www.anaconda.com/distribution/

Miniconda下载：https://docs.conda.io/en/latest/miniconda.html （如果并不必要使用1,000多个库）

清华镜像下载：Tsinghua Open Source Mirror(推荐)

使用conda进行环境管理和包管理

conda是anaconda中的环境管理器和包管理器。

对于conda的操作都发生在命令行内，可以打开Anaconda Prompt进行操作。

conda将conda、python等几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。

pip 与 conda 比较

pip是用于安装和管理软件包的包管理器。pip编写语言：Python。

→ 依赖项检查

pip：安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。

conda：安装包时自动安装其依赖项。

安装

在“Advanced Installation Options”中不要勾选“Add Anaconda to my PATH environment variable.”如果勾选，则将会影响其他程序的使用。

如果使用Anaconda，则通过打开Anaconda Navigator或者在开始菜单中的“Anaconda Prompt”中进行使用。

验证安装结果：

“开始 → Anaconda3（64-bit）→ Anaconda Navigator”，若可以成功启动Anaconda Navigator则说明安装成功。

Anaconda Navigator 中可以从不同方式打开python，也有很多学习教程和讨论社区及论坛，这个强烈推荐。

“开始 → Anaconda3（64-bit）→ 右键点击Anaconda Prompt → 以管理员身份运行”，在Anaconda Prompt中输入conda list，可以查看已经安装的包名和版本号。若结果可以正常显示，则说明安装成功。

conda命令(均在Anaconda Prompt中运行)

Conda Official User Guide

右键使用管理员权限打开Anaconda Prompt

因为http://Anaconda.org的服务器在国外，所以conda在下载包的时候速度往往很慢。清华TUNA镜像（https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/）有Anaconda仓库的镜像，我们可以将其加入conda的配置，即可解决这个问题。

# 添加Anaconda的TUNA镜像 永久修改
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/ #可不加
conda config --set show_channel_urls yes

#修改pip镜像地址
#可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
#这样就会从清华这边的镜像去安装numpy库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 也可 

#pip还有永久修改： windows下在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下： 
[global] 
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
#或者
[global] 
trusted-host = pypi.douban.com
index-url = http://pypi.douban.com/simple

#更新conda到最新版本，这里conda被当作一个包处理 
conda update conda 

#更新anaconda到最新版本
conda update anaconda

#更新python
#例如我们所启用的环境是py34，使用的是python3.4,那么conda会将python升级为3.4.x系列中的最新版本
conda update python 

conda -h #查看帮助

#管理包：
#更新所有包
conda update --all
#更新指定包
conda update package_name
#更新多个指定包
conda update pandas numpy matplotlib

#精确查找包
conda search --full-name package_full_name
#模糊查找包 只包含text 找到了信息 表示可以用conda下载
conda search <text>

#安装一个包
conda install package_name
#在指定环境中安装包 一般切换到该环境再安装也可
conda install -n env_name package_name

#当使用conda install无法进行安装时，可以使用pip进行安装。
pip install package_name

#卸载一个包
conda remove package_name
#卸载指定环境包
conda remove -n env_name package_name

#升级包版本
conda update package_name

#查看所有的包
conda list

#管理Python环境
#创建一个新环境
conda create -n env_name  list of packages
conda create -n tensorflow python=3.6  #创建环境案例

#删除名为env_name的环境
conda env remove  -n python36
conda remove -n python36 --all

#复制环境
conda create -n <new_env_name> --clone <copied_env_name>

#显示所有的环境
conda env list

#查看所安装的环境
conda info -e

#切换进入名为env_name的环境
activate  env_name
conda activate env_name  #只适用于conda 4.6以上版本

#退出当前环境
deactivate

#回到基础base环境
activate
conda activate

共享环境

共享环境非常有用，它能让其他人安装你代码中使用的所有包，并确保这些包的版本正确。可以在你当前的环境的终端中使用:

conda env export > environment.yaml
#另外：
conda activate python27 #进入环境
#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

#不使用conda
pip freeze > environment.txt  #

#别人下载你的环境
#其中C:\Users\Microstrong\enviroment.txt是该文件在你电脑上的实际路径。
pip install -r C:\Users\Microstrong\enviroment.txt

将你当前的环境保存到保存为YAML文件（包括Pyhton版本和所有包的名称）。在终端中上可以看到导出的环境文件路径。

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。

从Anaconda.org安装包

当使用conda install 方法进行安装时，可以考虑从Anaconda.org中获取安装包的命令，并进行安装，无需注册。

查询需要安装的包，可以通过下载量、适用平台等进行筛选，点击想要下载的包的名字(seaborn为例，而不是conda-forge)，复制下载路径到anaconda prompt 进行下载

whl 安装(用于其他方法也无法安装时)

例如下载tensorflow‑1.9.0‑cp37‑cp37m‑win_amd64.whl(可以在网页上Ctrl+F 定位到需要的包)

在终端进入whl文件所在文件夹的路径： cd C:\Users\usename\Downloads

然后pip install tensorflow-1.9.0-cp37-cp37m-win_amd64.whl

等待安装完成，就可以在...\Anaconda3\Lib\site-packages中看到一个tensorflow的文件夹

安装Tensorflow

1 Python3.7版本下安装

下载 tensorflow‑1.9.0‑cp37‑cp37m‑win_amd64.whl

进入whl所在文件夹的路径 cd C:\Users\usename\Downloads

pip install tensorflow-1.9.0-cp37-cp37m-win_amd64.whl

测试：不知道为啥我没装成功还是乖乖安装第二种来吧orz

2 在 Anaconda 中创建 python3.6 版本的TensorFlow环境

#在Anaconda Prompt 中创建环境tensorflow
conda create -n tensorflow python=3.6

#激活环境
activate tensorflow

#使用清华的源安装 tensorflow
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

#在当前终端输入python 进行测试：
import tensorflow as tf