Annaconda使用

参考原文：https://blog.csdn.net/qq_55796594/article/details/119350374

　　　Docs.qq.com/doc/DRkNJVnpXa0Z4SWti

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。Anaconda可以视为python的一个发行版，是针对机器学习和数据科学的一个特殊的python版。硬要类比的话，如果python是初始的安卓系统，那么Anaconda就是内置了安全管家、聊天软件等实用工具后的安卓系统。那么Anaconda在机器学习方面有哪些优势呢。

优点：

　　包含conda：conda是一个环境管理器，其功能依靠conda包来实现，该环境管理器与pip类似，那么能通过pip装conda包达到conda环境管理器一样的功能吗？答案是不能，conda包的实现离不开conda环境管理器。
　　安装大量工具包：Anaconda会自动安装一个基本的python，该python的版本Anaconda的版本有关。该python下已经装好了一大堆工具包，这对于科学分析计算是一大便利。
　　可以创建使用和管理多个不同的Python版本：比如想要新建一个新框架或者使用不同于Anoconda装的基本Python版本，Anoconda就可以实现同时多个python版本的管理

conda的常见命令：

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属所有包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

 

conda管理多个虚拟环境的本质：

1.base环境 ：里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

 2.自定义环境

通过 conda env list命令找到自己建立的虚拟环境路径

 会发现起文件组织的结构和下载的python环境差不多

 不过我这里的python基本还是一个纯环境，什么包都没加。所以后续在其它的集成开发环境下，其实就是选了一个自己配置的python环境。感觉可以理解为用当下的环境去解释。