Anaconda 入门

Python 真的是一个好东西，但是也可能不是一个好东西，对于喜爱Java的我来说，动态一时爽，重构火葬场，不太喜欢python的缩进风格表示代码块，调试都不好调试，然后也不太适合团队合作，甚至过几天自己都会看不懂自己写的啥代码，用java的话就不会有这样的问题。说了这么多好像python一无是处似的，当然不是，python人工智能火爆，以后用python构建人工智能前途太光明，薪资是真的高，所以，我忍了。

言归正传，今天讲的是 Anaconda的使用

为什么用Anaconda

在使用python开发的时候，你可能会遇到一个非常蛋疼的问题：到底是安装python2还是python3呢？大多数人会选择安装Python3，但是在以后的开发中避免不了还要使用python2 ，有人说那就安装两个python，在path 环境变量中把python2 和python3目录都装上，然后改一下python2中的python.exe 和pip.exe ，改为pip2.exe 和 python2.exe ，不失为一个好办法，但是并不是所有人都知道我在说啥，并且这样做还会有一些意想不到的麻烦产生（做项目越多就越会体会到这样的弊端，导致你安装一些工具包的时候总是出错），所以为啥要用Anaconda呢？就是因为python环境的问题一直困苦者python开发人员。

什么是Anaconda

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。

Anaconda就是一个python的发行版，里面包含了一些数据分析的库，也就是一个别人弄好的一个环境，拿来就直接用，不用再自己费尽安装各种各样的库了。

Anaconda如何解决上面提到的问题

Anacon 中包含conda ，conda是python的开源包和虚拟环境的管理系统，用conda 可以安装第三方包，但是在Anaconda安装的时候会默认安装好190多个常用的第三方包，在一般的数据分析工作时不用再安装额外的包。另外可以使用conda 创建一个虚拟环境，指定虚拟环境的python版本，创建好一个虚拟环境之后可以激活虚拟环境，这样就切换到了虚拟环境中，不再使用虚拟环境后还可以回到系统的base环境中。切换python版本非常的方便。所以Anaconda 通俗来讲就是一个可以创建任意版本的python虚拟环境并带有丰富的一些数据分析常用的库的一个工具包。

Anaconda 下载安装

推荐使用清华大学的镜像网站来下载，比较快，官网实在是太慢了，安装过程不赘述，和安装普通软件无差别。

下载地址

###

Conda的环境管理

使用conda创建虚拟环境，并在虚拟环境中切换

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）

conda create --name python34 python=3.4

 

# 安装好后，使用activate激活某个环境

activate python34 # for Windows

source activate python34 # for Linux & Mac

# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认python环境从PATH中去除，再把3.4对应的命令加入PATH

 

# 此时，再次输入

python --version

# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境

 

# 如果想返回默认的python环境，运行

deactivate python34 # for Windows

source deactivate python34 # for Linux & Mac

 

# 删除一个已有的环境

conda remove --name python34 --all

可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号

Conda 包管理

比如像安装一个scipy包：

# 安装scipy

conda install scipy

# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）

 

# 查看已经安装的packages

conda list

# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包

conda 其他常用操作

包管理

# 查看当前环境下已安装的包

conda list

 

# 查看某个指定环境的已安装包

conda list -n python34

 

# 查找package信息

conda search numpy

 

# 安装package

conda install -n python34 numpy

# 如果不用-n指定环境名称，则被安装在当前活跃环境

# 也可以通过-c指定通过某个channel安装

 

# 更新package

conda update -n python34 numpy

 

# 删除package

conda remove -n python34 numpy

版本管理：

# 更新conda，保持conda最新

conda update conda

 

# 更新anaconda

conda update anaconda

 

# 更新python

conda update python

# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本

如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：

# 在当前环境下安装anaconda包集合

conda install anaconda

 

# 结合创建环境的命令，以上操作可以合并为

conda create -n python34 python=3.4 anaconda

# 也可以不用全部安装，根据需求安装自己需要的package即可

更改默认镜像地址：conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。清华TUNA镜像源有Anaconda仓库的镜像，在国内可以使用清华大学的镜像，设置如下：

# 添加Anaconda的TUNA镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# TUNA的help中镜像地址加有引号，需要去掉

 

# 设置搜索时显示通道地址

conda config --set show_channel_urls yes

补充：使用pip安装第三方包的时候可能会出现如下错误：

Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError

比如安装tensorflow的时候就会出现这个问题，这里需要改用国内的pip镜像：

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

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

中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/

在进行pip 安装的时候再后面加上 -i 网址即可

pip install --upgrade --ignore-installed tensorflow

改为：

pip install --upgrade --ignore-installed tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

Anaconda简介和使用入门