包（package）管理

目录

• 装包（package）
  • 法一：从官方库下载whl文件到本地安装。
  • 法二：从pycharm安装。
  • 法三：在命令行用pip命令安装
  • 法四：安装项目导出环境中所有的依赖包。
• 查看包
• 卸载包

装包（package）

法一：从官方库下载whl文件到本地安装。

下载的文件放到python的Scripts目录下，

例如我的目录是：E:\Anaconda5.2\envs\python3.6\Scripts

命令行进入该目录，执行命令：pip install numpy-1.18.1-cp36-cp36m-win_amd64.whl

由于已经安装过，所以有如上图提示。

注：此方式安装某包过程中可能需要依赖其他包，会自动兼容的版本，若报time out等异常，也可将对应的依赖包以同样的方式下载到本地先安装。

法二：从pycharm安装。

法三：在命令行用pip命令安装

指定版本号：

pip install numpy==1.18.1

指定安装源：

pip install numpy==1.18.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 

默认安装源：https://pypi.Python.org/simple/

有时候安装一些依赖包，网速慢，直接时，可以指定国内源镜像。

国内的一些安装源：

豆瓣：http://pypi.douban.com/ 

中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/simple/ 

清华大学：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/ 

法四：安装项目导出环境中所有的依赖包。

1、将当前项目依赖包导出为requirements.txt文件：

pip freeze > requirements.txt

如下图，导出的文件中指定了包名及其版本，原项目能跑起来，那导出环境的依赖包一般都是互相兼容的。这种方式省去了后期因版本不兼容带来的很多麻烦，比如Keras和TensorFlow可能出现版本不兼容等。

2、安装requirements.txt文件中的依赖包：

pip install -r requirements.txt

查看包

1、进入某虚拟环境。

activate python3.6

2、执行命令

查看本环境所有包及其版本：

conda list

查看指定包详情：

conda list numpy

卸载包

1、命令行进入某虚拟环境。

activate python3.6

2、执行命令

pip uninstall [包名]==版本号
或
conda remove [包名]==版本号