Anaconda入门详解

Anaconda简介

Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行管理。超过1200万人使用Anaconda发行版本，并且Anaconda拥有超过1400个适用于Windows、Linux和MacOS的数据科学软件包。

Anaconda拥有超过1400个软件包其中包含Conda和虚拟环境管理，他们都被包含在Anaconda Navigator中，因此无需去了解独立安装每个库。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。可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。Pip提供了Conda大部分功能，并且大多数情况下两个可以同时使用。可以使用conda build命令构建自定义包，然后通过上传到Anaconda Cloud、PyPI或其他仓库来分享给其他人。

Anaconda2默认包含Python 2.7，Anaconda3默认包含Python 3.7，但是你可以创建虚拟环境来使用任意版本的Python包。

这里先解释下conda、anaconda这些概念的差别。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。

进入下文之前，说明一下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 特点

• 丰富的第三方库

Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

• 管理包

Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。

• 虚拟环境管理

在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。

Anaconda还包含一些功能强大的工具

• Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。
• Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
• qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
• spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。

Anaconda 安装

• 下载

官网点击Download进入下载页面，选择对应的平台和版本下载，我这里是Anaconda3-2019.03-MacOSX-x86_64.pkg这个版本

• 安装

下载完成后双击下一步下一步知道安装完成，安装完成后自动会把anaconda的执行文件的路径添加到环境变量中无需手动配置，如何需要手动改变需要自行配置。

Anaconda的使用

# 获取帮助
$ conda --help

# 安装完成后验证conda的版本和python的版本等详细信息

$ conda info

C:\>conda info

     active environment : None
       user config file : C:\Users\Andy\.condarc
 populated config files : C:\Users\Andy\.condarc
          conda version : 4.6.12
    conda-build version : 3.10.5
         python version : 3.6.2.final.0
       base environment : D:\software\devapps\anaconda3-5.2.0  (writable)
           channel URLs : https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/noarch
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/noarch
                          https://repo.anaconda.com/pkgs/main/win-64
                          https://repo.anaconda.com/pkgs/main/noarch
                          https://repo.anaconda.com/pkgs/free/win-64
                          https://repo.anaconda.com/pkgs/free/noarch
                          https://repo.anaconda.com/pkgs/r/win-64
                          https://repo.anaconda.com/pkgs/r/noarch
                          https://repo.anaconda.com/pkgs/msys2/win-64
                          https://repo.anaconda.com/pkgs/msys2/noarch
          package cache : D:\software\devapps\anaconda3-5.2.0\pkgs
                          C:\Users\Andy\.conda\pkgs
                          C:\Users\Andy\AppData\Local\conda\conda\pkgs
       envs directories : D:\software\devapps\anaconda3-5.2.0\envs
                          C:\Users\Andy\.conda\envs
                          C:\Users\Andy\AppData\Local\conda\conda\envs
               platform : win-64
             user-agent : conda/4.6.12 requests/2.21.0 CPython/3.6.2 Windows/10 Windows/10.0.17763
          administrator : False
             netrc file : None
           offline mode : False


C:\>

# 列出我本机的所有环境，第一个是自己创建的，后面的是我自己后续创建的
$ conda info -e

C:\Users\Andy>conda info -e
# conda environments:
#
base                  *  D:\software\devapps\anaconda3-5.2.0
python27                 D:\software\devapps\anaconda3-5.2.0\envs\python27
python36                 D:\software\devapps\anaconda3-5.2.0\envs\python36
python37                 D:\software\devapps\anaconda3-5.2.0\envs\python37


C:\Users\Andy>

包管理

一般来说 conda 仓库的软件没有 PyPI 更新快和全。所以推荐 conda 只用来创建虚拟环境，包的安装管理仍然使用 pip。

# 列出当前环境下所有安装的 conda 包。
$ conda list

# 列举一个指定环境下的所有包
$ conda list -n env_name

# 查询库
$ conda search scrapys

# 安装库安装时可以指定版本例如：（scrapy=1.5.0）
$ conda install scrapy

# 为指定环境安装某个包
$ conda install --name target_env_name package_name

# 更新安装的库
$ conda update scrapy

# 更新指定环境某个包
$ conda update -n target_env_name package_name

# 更新所有包
$ conda update --all

# 删除已经安装的库也尅用（conda uninstall）
$ conda remove scrapy

# 删除指定环境某个包
$ conda remove -n target_env_name package_name

# 删除没有用的包
$ conda clean -p

虚拟环境管理

# 创建环境，后面的python=3.6是指定python的版本
$ conda create --name env_name python=3.6

# 创建包含某些包的环境（也可以加上版本信息）
$ conda create --name env_name python=3.7 numpy scrapy

# 激活某个环境
$ activate env_name

# 关闭某个环境
$ conda deactivate

# 复制某个环境
$ conda create --name new_env_name --clone old_env_name

# 删除某个环境
$ conda remove --name env_name --all

# 生成需要分享环境的yml文件（需要在虚拟环境中执行）
$ conda env export > environment.yml

# 别人在自己本地使用yml文件创建虚拟环境
$ conda env create -f environment.yml