HNU-数据挖掘-实验1-实验平台及环境安装

数据挖掘课程实验

实验1 实验平台及环境安装

计科210X 甘晴void 202108010XXX

文章目录

[数据挖掘课程实验<br>实验1 实验平台及环境安装](#数据挖掘课程实验
实验1 实验平台及环境安装)
- 实验背景
- 实验目标
- 实验步骤
- - 1.安装虚拟机和Linux平台，熟悉Ubuntu环境。
  - 2.在Linux平台上搭建Python平台，并安装Python环境工具anaconda。
  - 3.掌握Anaconda下的Python环境安装，创建名称为emoji的python3.7环境。
  - [4.熟练安装pycharm和jupyter notebook。](#4.熟练安装pycharm和jupyter notebook。)
  - [5.掌握pip和conda命令安装常用软件包。比如numpy、pandas、tensorflow、 h5py、mygene matplotlib、seaborn、umap-learn等。](#5.掌握pip和conda命令安装常用软件包。比如numpy、pandas、tensorflow、 h5py、mygene matplotlib、seaborn、umap-learn等。)

实验背景

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 是 FLOSS（自由/开放源码软件）之一。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。

实验目标

在Linux平台下安装、配置python环境和相关软件。

实验步骤

1.安装虚拟机和Linux平台，熟悉Ubuntu环境。

（1）虚拟机使用Oracle VM VirtualBox。之前计算机系统和操作系统课程也使用的该平台。

（2）创建Linux操作系统64=位。使用xubuntu20.04版本。

（3）安装完系统之后立加装扩展功能。

2.在Linux平台上搭建Python平台，并安装Python环境工具anaconda。

Linux自带python平台，在终端输入

复制代码

python3

查看本地python环境，得知是python3.8环境。

首先了解anaconda与miniconda的区别。

Anaconda是一个包含了conda、Python和超过150个科学包及其依赖项的科学Python发行版。它具有可视化图形用户界面（Anaconda Navigator）并且为了方便新手使用，预先包含了大量的库，如NumPy, Pandas, Scipy, Matplotlib等。

相较之下，Miniconda更加轻量级。它只包含了Python和Conda，但并没有预装其他的库。Miniconda用户需要手动安装他们需要的包，这使得Miniconda的环境更为简洁，可以根据实际需求来安装必要的包，避免不必要的存储占用。

考虑到作为虚拟机的Linux系统实际上有的存储空间并不大，所以打算安装miniconda替代anaconda。

（1）访问miniconda的官网https://docs.conda.io/projects/miniconda/en/latest/获取信息

（2）在Linux下使用如下指令进行安装并初始化。

复制代码

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh
~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh

步骤截图如下

3.掌握Anaconda下的Python环境安装，创建名称为emoji的python3.7环境。

安装了最新版本的miniconda之后，再次打开终端，会显示一个默认的(base)在前面，形如以下。

复制代码

(base) wolf@wolf-VirtualBox:~/桌面$

表示miniconda基本安装时成功的，目前处于conda的环境下。

此时再次查看python3的版本，发现不知什么时候升级成3.11了。通过查阅资料发现，miniconda会自动为我们配置python环境，不需要手动再下载python版本。

使用以下指令配置环境。

复制代码

conda create -n emoji python=3.7

安装完成后使用如下指令查看

复制代码

conda info -e

发现出现了原来的基础环境(base)和新建的环境(emoji)

此时若使用

复制代码

conda activate emoji //进入
conda deactivate  //退出
conda config --set auto_activate_base true
conda config --set auto_activate_base false  	//取消自动进入

★这里还应该加一步换源（换用清华源）

复制代码

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

4.熟练安装pycharm和jupyter notebook。

使用Linux访问pycharm官方网址

复制代码

https://www.jetbrains.com/pycharm/download/?section=linux

下载Linux下的pycharm，注意不要下载成Professional版本，要下载community版本的。

安装完毕后找到位置，解压该压缩包。

复制代码

tar -zxvf pycharm-community-2023.2.3.tar.gz

进入bin文件夹

复制代码

./pycharm.sh

即可进行安装，安装后就可以打开pycharm，可以看见与windows下是一致的。

接下来为pycharm配置conda的环境。即pycharm作为编辑器，打开conda环境下的python工程。选择conda环境和对应版本即可。

这里我们发现很不方便，每次打开pycharm都需要到里面去打开，故可以创建桌面的快捷方式。

关于jupyter-notebook，这个在我的windows系统下的anaconda环境中是已经存在的，我认为再安装jupyter的意义不是很大，故没有在这里安装。需要用到的时候我会去再进行安装的。

5.掌握pip和conda命令安装常用软件包。比如numpy、pandas、tensorflow、 h5py、mygene matplotlib、seaborn、umap-learn等。

这一步就比较基础了，在之前windows下的anaconda环境中，我们也做过类似的事情。接下来逐个安装即可。

进入emoji环境。

复制代码

conda activate emoji
conda install numpy
conda install pandas
pip install tensorflow #使用conda安装失败
conda install h5py
conda install matplotlib
conda install seaborn
pip install umap-learn #使用conda安装失败
conda list

出现以下三个done这样就表示这个包安装成功了。

其中tensorflow没有成功安装，故使用pip进行安装。

其他都成功安装。

安装完毕之后使用

复制代码

df -TH 
conda list

分别查看Linux文件系统剩余空间和conda列表

可以看到我20G的空间啊！！！都被装满了。