Python进阶-Anaconda使用总结

本文是 Anaconda 的使用总结,旨在帮助用户快速搭建 Python 环境、进行数据科学和机器学习工作。首先,介绍了在 Windows 系统上安装 Anaconda 的步骤,包括下载安装程序、配置环境变量以及验证安装。随后,详细列举了 Anaconda 的常用命令,涵盖了环境管理、包安装、清华镜像设置等多个方面,帮助用户高效管理 Python 环境。最后,对 Anaconda 的使用做出了总结。Anaconda 为用户提供了一个集成、易用和高效的开发环境,使我们不在被不同版本的包经常冲突而困扰。通过本文,读者能够了解 Anaconda 的基本安装和使用方法,以及如何利用其丰富的功能进行项目开发和管理。

目录

[一、Anaconda 的使用介绍](#一、Anaconda 的使用介绍)

[1、Anaconda 简介](#1、Anaconda 简介)

[2、Anaconda 的使用场景](#2、Anaconda 的使用场景)

[二、Anaconda 的安装与配置](#二、Anaconda 的安装与配置)

[1、下载 Anaconda](#1、下载 Anaconda)

[2、安装 Anaconda](#2、安装 Anaconda)

3、配置环境变量

4、验证安装是否成功

[① 查看所有 Python 版本](#① 查看所有 Python 版本)

[② 查看 conda 是否安装成功](#② 查看 conda 是否安装成功)

[③ 查看已安装的 conda 包](#③ 查看已安装的 conda 包)

[三、Anaconda 的常用命令](#三、Anaconda 的常用命令)

1、命令总览

2、常用命令

[① 设置清华镜像](#① 设置清华镜像)

[② 创建虚拟环境](#② 创建虚拟环境)

[③ 查看已存在的虚拟环境](#③ 查看已存在的虚拟环境)

[④ 激活虚拟环境](#④ 激活虚拟环境)

[⑤ 查看当前环境下安装的库](#⑤ 查看当前环境下安装的库)

[⑥ 查询是否有想要安装的库](#⑥ 查询是否有想要安装的库)

[⑦ 在当前环境中安装库](#⑦ 在当前环境中安装库)

[⑧ 更新环境中的某个库](#⑧ 更新环境中的某个库)

[⑨ 卸载环境中的库](#⑨ 卸载环境中的库)

[四、Anaconda 的内容总结](#四、Anaconda 的内容总结)


一、Anaconda 的使用介绍

1、Anaconda 简介

Anaconda 是一个开源的 Python 和 R编程语言 的发行版,旨在简化和加速数据科学、机器学习以及科学计算的开发流程。它包含了一系列常用的 Python 和 R库,以及用于环境管理和打包的工具。Anaconda 的特点之一是它包含了 Conda,一个强大的包管理和环境管理工具,使得用户能够轻松创建、导出、安装和更新环境。


2、Anaconda 的使用场景

Anaconda适用于广泛的使用场景,主要包括但不限于:

  • **数据科学和分析:**Anaconda为数据科学家提供了一个强大的工作环境,包含了众多数据科学常用的库和工具,如NumPy、Pandas、Matplotlib等,以支持数据分析、可视化和处理。
  • **机器学习和深度学习:**Anaconda集成了机器学习库(例如Scikit-Learn)和深度学习框架(例如TensorFlow、PyTorch),为开发人员提供了构建和训练模型的便捷工具。
  • **科学计算:**由于Anaconda包含了许多科学计算相关的库,如SciPy、SymPy等,因此它成为科学家和研究人员进行数值计算和实验的理想平台。
  • **开发和部署:**Anaconda不仅用于数据科学家和研究人员,还适用于开发人员。通过Conda,可以轻松创建和管理不同项目的独立环境,确保项目之间的依赖不会冲突。这使得Anaconda成为开发、测试和部署应用程序的有力工具。

++简单来说,Anaconda 为用户提供了一个集成、易用和高效的开发环境,使我们不在被不同版本的包经常冲突而困扰。++


二、Anaconda 的安装与配置

在 Windows 操作系统上安装 Anaconda 是为了快速搭建 Python 环境、数据科学和机器学习工具的关键步骤。本节简要介绍了安装 Anaconda 的过程。Anaconda 的安装简化了 Python 库和工具的管理,为数据科学家、工程师和研究人员提供了一个强大、集成且易于使用的开发环境。这为快速开始数据分析、科学计算和机器学习项目提供了便捷的途径。


1、下载 Anaconda

首先,您可以通过访问 Anaconda 的官方网站 Free Download | Anaconda 来下载 Anaconda 安装程序。Free Download | Anaconda


2、安装 Anaconda

运行下载的安装程序,按照安装向导的指示进行操作。在安装过程中,您可以选择安装路径,并在安装选项中注意勾选 "Add Anaconda to my PATH environment variable" 以确保 Anaconda 能够在命令行中使用。

选择安装路径。

注意勾选。

安装完成后,您将看到 Anaconda 的首页,首页如图。


3、配置环境变量

为了确保 Anaconda 的命令行工具能够在任何位置正常运行,需要配置系统环境变量。

在安装完成后,您可以按照以下步骤进行配置:

  • 打开系统环境变量配置(可以在 Windows 搜索中输入 "环境变量" 找到)。
  • 在系统变量中找到 "Path",点击编辑。
  • 添加 Anaconda 的安装路径,比如我的安装路径是 "D:\Tools\Anaconda" 。

4、验证安装是否成功

为了验证 Anaconda 的安装是否成功,您可以打开命令行(cmd)并执行以下命令:


① 查看所有 Python 版本

cmd 命令行输入:

bash 复制代码
where python

可以看到 Anaconda 目录下的 python.exe 即可。


② 查看 conda 是否安装成功

cmd 命令行输入:

bash 复制代码
conda -v

可以看到 conda 的版本号即说明安装成功。


③ 查看已安装的 conda 包

cmd命令行里输入:

bash 复制代码
conda list

可以看到安装了很多 conda 包。


三、Anaconda 的常用命令

Anaconda 作为一个强大的 Python 发行版,具备一系列方便的命令行工具,用于管理环境、安装包等任务。本文总结了 Anaconda 的常用命令。这些命令的灵活使用有助于用户高效地管理 Python 环境,使 Anaconda 成为数据科学和开发领域的理想工具。


1、命令总览

|------------------------|-------------------------------------------------------|
| 功能说明 | 命令 |
| 查看conda版本 | conda --version / conda -V |
| 更新conda | conda update conda |
| 查看conda帮助 | conda --help / conda -h |
| 切换conda环境 | conda activate env_name |
| 新建虚拟环境 | conda create --n env_name package_names |
| 退出虚拟环境 | conda deactivate |
| 列出所有虚拟环境 | conda info --envs / conda info |
| 复制环境 | conda create --n new_env_name --clone copied_env_name |
| 删除环境 | conda remove --n env_name --all |
| 精确查找包 | conda search --full-n package_name |
| 模糊查找包 | conda search |
| 获取当前环境中已安装的包信息 | conda list |
| 指定环境安装包 | conda install --n env_name package_names |
| 指定版本 | conda install --n env_name package_name=version |
| 当前环境中安装包 | conda install package_namespip |
| conda装不了的或没有的,可用pip来安装 | pip install package_names |


2、常用命令

在日常使用 Anaconda 时,以下是一些常用的命令和操作:

① 设置清华镜像

清华镜像是指使用清华大学开源软件镜像站作为 Anaconda 包管理的源,这有助于加快包的下载速度。通过以下命令,您将 Anaconda 的默认镜像切换为清华镜像:

bash 复制代码
​conda config --add channels Index of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
conda config --add channels Index of /anaconda/pkgs/main/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
conda config --add channels Error
conda config --add channels Index of /anaconda/cloud/bioconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

② 创建虚拟环境

虚拟环境是一种隔离 Python 项目所需依赖的方法,确保不同项目之间的依赖不会相互干扰。通过以下命令,您可以创建一个名为 env_name 的虚拟环境,并指定 Python 的版本为 3.9:

bash 复制代码
conda create -n env_name python=3.9  # 创建一个名为env_name,版本为3.9的python虚拟环境

++注意:环境内部包含属于自己的文件、包,环境与环境之间的包不会相互干扰。++


③ 查看已存在的虚拟环境

这个命令用于列出当前主机上已创建的所有虚拟环境,方便用户了解系统中的环境情况:

bash 复制代码
conda env list

④ 激活虚拟环境

激活虚拟环境是进入特定环境以便开始在该环境中进行工作的步骤。通过以下命令,您可以激活名为 env_name 的虚拟环境:

bash 复制代码
conda activate env_name

⑤ 查看当前环境下安装的库

这个命令允许用户查看当前虚拟环境中已经安装的所有 Python 库和工具,方便进行环境管理:

bash 复制代码
conda list

⑥ 查询是否有想要安装的库

通过该命令,您可以在 Anaconda 仓库中搜索特定的 Python 库,以确定是否可以安装该库及其版本,查询特定 Python 库命令如下:

bash 复制代码
conda search package_name

⑦ 在当前环境中安装库

使用该命令可以在当前激活的虚拟环境中安装指定的 Python 库:

bash 复制代码
conda install package_name

⑧ 更新环境中的某个库

这个命令用于更新虚拟环境中已安装库的版本,确保使用最新的稳定版本:

bash 复制代码
conda update package_name

⑨ 卸载环境中的库

通过以下命令,您可以从虚拟环境中卸载指定的 Python 库,释放环境的空间:

bash 复制代码
conda uninstall package_name

这些常用命令将帮助您更有效地管理 Anaconda 环境,提高在数据科学和开发项目中的工作效率。


四、Anaconda 的内容总结

Anaconda 作为一个全面的 Python 发行版,提供了强大的工具和环境,专为数据科学家、工程师和研究人员设计。通过简化 Python 库和工具的管理,Anaconda 为用户提供了一个集成、易用且高效的开发环境,特别适用于数据分析、科学计算和机器学习项目。

安装 Anaconda 的过程涉及下载安装程序、进行基本配置以及验证安装,使得用户能够快速搭建 Python 环境。清晰的命令行工具使得环境管理和包安装变得简单而直观,而虚拟环境的使用则有助于隔离不同项目的依赖,确保项目间不会相互干扰。

在日常使用中,用户可以通过命令行工具轻松切换环境、安装、更新和删除库,以及进行其他与环境和包管理相关的任务。同时,Anaconda 还提供了方便的镜像设置,以加速包的下载过程。

Anaconda 为 Python 开发者提供了一个全面而强大的工具集,为数据科学和开发领域提供了便利和高效的工作环境。通过利用 Anaconda,用户能够更加专注于项目的实际工作,而不必担心环境配置和包管理的复杂性。

相关推荐
阡之尘埃35 分钟前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽4 小时前
【Pytorch】基本语法
人工智能·pytorch·python
bryant_meng4 小时前
【python】Distribution
开发语言·python·分布函数·常用分布
m0_594526305 小时前
Python批量合并多个PDF
java·python·pdf
工业互联网专业5 小时前
Python毕业设计选题:基于Hadoop的租房数据分析系统的设计与实现
vue.js·hadoop·python·flask·毕业设计·源码·课程设计
钱钱钱端6 小时前
【压力测试】如何确定系统最大并发用户数?
自动化测试·软件测试·python·职场和发展·压力测试·postman
慕卿扬6 小时前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn
Json____6 小时前
python的安装环境Miniconda(Conda 命令管理依赖配置)
开发语言·python·conda·miniconda
小袁在上班6 小时前
Python 单元测试中的 Mocking 与 Stubbing:提高测试效率的关键技术
python·单元测试·log4j
白狐欧莱雅6 小时前
使用python中的pygame简单实现飞机大战游戏
经验分享·python·游戏·pygame