Python学习札记（附带anaconda安装和调试）

       之前开发一直使用的语言是java，后来接触机器学习，也有很多开源的机器学习java版本算法，由于项目更倾向于机器学习源码，开始接触Python学习，以博客形式记录学习。

----------------------------------------------------------------------------------------------------------------

Python 简介

       Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。

       Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。

-----------------------------------------------------------------------------------------------------------------

Python 特点

       1.易于学习：Python有相对较少的关键字，结构简单，和一个明确定义的语法，学习起来更加简单。

       2.易于阅读：Python代码定义的更清晰。

       3.易于维护：Python的成功在于它的源代码是相当容易维护的。

       4.一个广泛的标准库：Python的最大的优势之一是丰富的库，跨平台的，在UNIX，Windows和Macintosh兼容很好。

       5.互动模式：互动模式的支持，您可以从终端输入执行代码并获得结果的语言，互动的测试和调试代码片断。

       6.可移植：基于其开放源代码的特性，Python已经被移植（也就是使其工作）到许多平台。

       7.可扩展：如果你需要一段运行很快的关键代码，或者是想要编写一些不愿开放的算法，你可以使用C或C++完成那部分程序，然后从你的Python程序中调用。

       8.数据库：Python提供所有主要的商业数据库的接口。

       9.GUI编程：Python支持GUI可以创建和移植到许多系统调用。

       10.可嵌入: 你可以将Python嵌入到C/C++程序，让你的程序的用户获得"脚本化"的能力。

-----------------------------------------------------------------------------------------------------------------

Python下载

       Python最新源码，二进制文档，新闻资讯等可以在Python的官网查看到：

       Python官网：https://www.python.org/

       你可以在以下链接中下载 Python 的文档，你可以下载 HTML、PDF 和 PostScript 等格式的文档。

       Python文档下载地址：https://www.python.org/doc/

-----------------------------------------------------------------------------------------------------------------

Python安装

       以下是各个平台安装包的下载地址：

Unix & Linux 平台安装 Python:

以下为在 Unix & Linux 平台上安装 Python 的简单步骤：

• 打开 WEB ：https://www.python.org/downloads/source/
• 选择适用 于Unix/Linux 的源码压缩包。
• 下载及解压压缩包。
• 如果你需要自定义一些选项修改Modules/Setup
• 执行 ./configure 脚本
• make
• make install

    执行以上操作后，Python 会安装在 /usr/local/bin 目录中，Python 库安装在 /usr/local/lib/pythonXX，XX 为你使用的 Python 的版本号。

Window 平台安装 Python

      以下为在 Window 平台上安装 Python 的简单步骤：

      打开 WEB ：https://www.python.org/downloads/windows/

       在下载列表中选择Window平台安装包，包格式为：python-XYZ.msi 文件 ， XYZ 为你要安装的版本号。

       要使用安装程序 python-XYZ.msi, Windows 系统必须支持 Microsoft Installer 2.0 搭配使用。只要保存安装文件到本地计算机，然后运行它，看看你的机器支持 MSI。Windows XP 和更高版本已经有 MSI，很多老机器也可以安装 MSI。

       下载后，双击下载包，进入 Python 安装向导，安装非常简单，你只需要使用默认的设置一直点击"下一步"直到安装完成即可。

-----------------------------------------------------------------------------------------------------------------

环境变量配置

        程序和可执行文件可以在许多目录，而这些路径很可能不在操作系统提供可执行文件的搜索路径中。

       path(路径)存储在环境变量中，这是由操作系统维护的一个命名的字符串。这些变量包含可用的命令行解释器和其他程序的信息。

       Unix或Windows中路径变量为PATH（UNIX区分大小写，Windows不区分大小写）。

       在Mac OS中，安装程序过程中改变了python的安装路径。如果你需要在其他目录引用Python，你必须在path中添加Python目录。

在 Unix/Linux 设置环境变量

• 在 csh shell: 输入setenv PATH "$PATH:/usr/local/bin/python" , 按下"Enter"。
• 在 bash shell (Linux): 输入export PATH="$PATH:/usr/local/bin/python" ，按下"Enter"。
• 在 sh 或者 ksh shell: 输入PATH="$PATH:/usr/local/bin/python" , 按下"Enter"。

    注意: /usr/local/bin/python 是 Python 的安装目录。

在 Windows 设置环境变量

     在环境变量中添加Python目录：

     在命令提示框中(cmd) : 输入path=%path%;C:\Python 

     注意: C:\Python 是Python的安装目录。

     也可以通过计算机系统环境设置：在"Path"，添加python安装路径即可(我的D:\Python32)，所以在后面，添加该路径即可。

     ps：记住，路径直接用分号"；"隔开！

       最后设置成功以后，在cmd命令行，输入命令"python"，就可以有相关显示。

-----------------------------------------------------------------------------------------------------------------

比python软件更加好用的软件是：Anaconda（效果等同于包含数据科学常用包的 Python 发行版本）

       Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

   conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。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，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

       conda的设计理念——conda将几乎所有的工具、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。

-----------------------------------------------------------------------------------------------------------------

Anaconda的安装

      Anaconda 可用于 Windows、Mac OS X 和 Linux，选择相应的版本进行下载

     下载地址：https://www.anaconda.com/download/#download

     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conda、jupyter、ipython等命令，推荐打勾，如果不打勾话问题也不大，可以在之后使用Anaconda提供的命令行工具进行操作；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。

     第二个钩也勾上。一路安装完成以后，就可以打开cmd测试一下安装结果。

-----------------------------------------------------------------------------------------------------------------

添加环境变量

    添加Anaconda路径至系统环境变量“path”，记得分号隔开。

-----------------------------------------------------------------------------------------------------------------

Anaconda测试

      命令行窗口，分别输入python、ipython、conda、jupyter notebook等命令，会看到相应的结果，说明安装成功。（python是进入python交互命令行；ipython是进入ipython交互命令行，很强大；conda是Anaconda的配置命令；jupyter notebook则会启动Web端的ipython notebook）

      Anaconda安装成功之后，我们需要修改其包管理镜像为国内源。执行以下指令：

      # 添加Anaconda的TUNA镜像:   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

      # 设置搜索时显示通道地址:       conda config --set show_channel_urls yes

     为了避免报错，我推荐在默认环境下更新所有的包。打开 Anaconda Prompt （或者 Mac 下的终端），键入：conda upgrade --all

     备注：并在提示是否更新的时候输入 y（Yes）以便让更新继续。初次安装下的软件包版本一般都比较老旧，因此提前更新可以避免未来不必要的问题。

-----------------------------------------------------------------------------------------------------------------

管理包

       安装了 Anaconda 之后，管理包是相当简单的。要安装包，请在终端中键入 conda install package_name。

       例如，要安装 numpy，请键入 conda install numpy。

      你还可以同时安装多个包。类似 conda install numpy scipy pandas 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。

      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）。

       大多数命令都是很直观的。要卸载包，请使用 conda remove package_name。要更新包，请使用 conda update package_name。如果想更新环境中的所有包（这样做常常很有用），请使用 conda update --all。最后，要列出已安装的包，请使用前面提过的 conda list。

         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 Beautiful Soup，但我不清楚确切的包名称。因此，我尝试执行 conda search beautifulsoup。

        搜索 beautifulsoup，它返回可用的 Beautiful Soup 包的列表，并列出了相应的包名称 beautifulsoup4。

管理环境

       如前所述，你可以使用 conda 创建环境以隔离项目。要创建环境，请在终端中使用 conda create -n env_name list of packages。在这里，-n env_name 设置环境的名称（-n 是指名称），而 list of packages 是要安装在环境中的包的列表。例如，要创建名为 my_env 的环境并在其中安装 numpy，请键入 conda create -n my_env numpy。

列出环境

       如果忘记了环境的名称（我有时会这样），可以使用 conda env list 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。默认的环境（即当你不在选定环境中时使用的环境）名为 root。

删除环境

        如果你不再使用某些环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里名为 env_name）。

使用环境

       对我帮助很大的一点是，我的 Python 2 和 Python 3 具有独立的环境。我使用了 conda create -n py2 python=2 和 conda create -n py3 python=3 创建两个独立的环境，即 py2 和 py3。现在，我的每个 Python 版本都有一个通用环境。在所有这些环境中，我都安装了大多数标准的数据科学包（numpy、scipy、pandas 等）。

共享环境

      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。对于不使用 conda 的用户，我通常还会使用 pip freeze，将一个 pip requirements.txt 文件导出并包括在其中。