Anaconda的安裝和詳細介紹（帶圖文）

Anacond的介紹

Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。 因爲包含了大量的科學包，Anaconda 的下載文件比較大（約 531 MB），如果只需要某些包，或者需要節省帶寬或存儲空間，也可以使用Miniconda這個較小的發行版（僅包含conda和 Python）。

Conda是一個開源的包、環境管理器，可以用於在同一個機器上安裝不同版本的軟件包及其依賴，並能夠在不同的環境之間切換

Anaconda包括Conda、Python以及一大堆安裝好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

Anacond下載

下載地址：https://www.anaconda.com/download/

 

Anaconda 是跨平臺的，有 Windows、macOS、Linux 版本，我們這裏以 Windows 版本爲例，點擊那個 Windows 圖標。

我這裏選擇下載 

Python 2.7 version *--Python 2.7 版 *

64-Bit Graphical Installer (564 MB) --64位圖形安裝程序（564 MB）

當然，你也可以根據自己的實際情況，選擇 Python 3.6版的，或者 32-Bit 版本的。

安裝包有 564MB，因爲網速的關係，下載時間可能會比較長，請耐心等待。我這裏下載完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。

 

安裝 Anaconda 

雙擊下載好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出現如下界面，點擊 Next 即可。

 

點擊Next

 

點擊 I Agree （我同意），不同意，當然就沒辦法繼續安裝啦。

 

Install for: Just me還是All Users，假如你的電腦有好幾個 Users ，才需要考慮這個問題.其實我們電腦一般就一個 User，就我們一個人使用，如果你的電腦有多個用戶，選擇All Users，我這裏直接 All User，繼續點擊 Next 。

 

Destination Folder 是“目標文件夾”的意思，可以選擇安裝到什麼地方。默認是安裝到 C:\ProgramData\Anaconda2文件夾下。你也可以選擇 Browse... ，選擇想要安裝的文件夾。我這裏 C 盤空間充裕，所以我直接就裝到默認的地方。

這裏提一下，Anaconda 很強大，佔用空間也不小啊，2.6GB，差不多是一部高清電影的體積了。不過，爲了學習，這點硬盤空間算什麼呢。

繼續點擊 Next> 。

 

這裏來到 Advanced Options 了，所謂的“高級選項”。如果你英文好，有一定背景知識的話，肯定明白這界面上的意思。兩個默認就好，第一個是加入環境變量，第二個是默認使用 Python 2.7，點擊“Install”，終於開始安裝額。

安裝時間根據你的電腦配置而異，電腦配置高，硬盤是固態硬盤，速度就更快。安裝過程其實就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件裏壓縮的各種 dll 啊，py 文件啊，全部寫到安裝目標文件夾裏。

  

過程還是很漫長的，畢竟 2.6GB 的無數個小文件啊，請耐心等待。

 

經過漫長的等待，終於安裝完成 Installation Complete （安裝完成）了，點擊最後一個 Next>。

 

點擊Install Microsoft VSCode

點擊 Finish，那兩個 √ 可以取消。

配置環境變量

如果是windows的話需要去 控制面板\系統和安全\系統\高級系統設置\環境變量\用戶變量\PATH 中添加 anaconda的安裝目錄的Scripts文件夾, 比如我的路徑是C:\ProgramData\Anaconda2\Scripts, 看個人安裝路徑不同需要自己調整.

之後就可以打開命令行(最好用管理員模式打開) 輸入 conda --version

 

如果輸出conda 4.5.4之類的就說明環境變量設置成功了.

爲了避免可能發生的錯誤, 我們在命令行輸入conda upgrade --all 先把所有工具包進行升級

管理虛擬環境

接下來我們就可以用anaconda來創建我們一個個獨立的python環境了.接下來的例子都是在命令行操作的,請打開你的命令行吧.

activate

activate 能將我們引入anaconda設定的虛擬環境中, 如果你後面什麼參數都不加那麼會進入anaconda自帶的base環境,

你可以輸入python試試, 這樣會進入base環境的python解釋器, 如果你把原來環境中的python環境去除掉會更能體會到, 這個時候在命令行中使用的已經不是你原來的python而是base環境下的python.而命令行前面也會多一個(base) 說明當前我們處於的是base環境下。

創建自己的虛擬環境

我們當然不滿足一個base環境, 我們應該爲自己的程序安裝單獨的虛擬環境.

創建一個名稱爲learn的虛擬環境並指定python版本爲3(這裏conda會自動找3中最新的版本下載)

conda create -n learn python=2

於是我們就有了一個learn的虛擬環境, 接下來我們切換到這個環境, 一樣還是用activae命令 後面加上要切換的環境名稱

切換環境

activate learn

如果忘記了名稱我們可以先用

conda env list

 

去查看所有的環境

現在的learn環境除了python自帶的一些官方包之外是沒有其他包的, 一個比較乾淨的環境我們可以試試

先輸入python打開python解釋器然後輸入

>>> import requests

會報錯找不到requests包, 很正常.接下來我們就要演示如何去安裝requests包

exit()

退出python解釋器

安裝第三方包

輸入

conda install requests

或者

pip install requests

來安裝requests包.

安裝完成之後我們再輸入python進入解釋器並import requests包, 這次一定就是成功的了.

卸載第三方包

那麼怎麼卸載一個包呢

conda remove requests

或者

pip uninstall requests

就行啦.

查看環境包信息

要查看當前環境中所有安裝了的包可以用

conda list

導入導出環境

如果想要導出當前環境的包信息可以用

conda env export > environment.yaml

將包信息存入yaml文件中.

當需要重新創建一個相同的虛擬環境時可以用

conda env create -f environment.yaml

其實命令很簡單對不對, 我把一些常用的在下面給出來, 相信自己多打兩次就能記住

activate // 切換到base環境

activate learn // 切換到learn環境

conda create -n learn python=3 // 創建一個名爲learn的環境並指定python版本爲3(的最新版本)

conda env list // 列出conda管理的所有環境

conda list // 列出當前環境的所有包

conda install requests 安裝requests包

conda remove requests 卸載requets包

conda remove -n learn --all // 刪除learn環境及下屬所有包

conda update requests 更新requests包

conda env export > environment.yaml // 導出當前環境的包信息

conda env create -f environment.yaml // 用配置文件創建新的虛擬環境

深入一下

或許你會覺得奇怪爲啥anaconda能做這些事, 他的原理到底是什麼, 我們來看看anaconda的安裝目錄

這裏只截取了一部分, 但是我們和本文章最開頭的python環境目錄比較一下, 可以發現其實十分的相似, 其實這裏就是base環境. 裏面有着一個基本的python解釋器, lLib裏面也有base環境下的各種包文件.

那我們自己創建的環境去哪了呢, 我們可以看見一個envs, 這裏就是我們自己創建的各種虛擬環境的入口, 點進去看看

可以發現我們之前創建的learn目錄就在下面, 再點進去

 

這不就是一個標準的python環境目錄嗎?

這麼一看, anaconda所謂的創建虛擬環境其實就是安裝了一個真實的python環境, 只不過我們可以通過activate,conda等命令去隨意的切換我們當前的python環境, 用不同版本的解釋器和不同的包環境去運行python腳本.

與JetBrains PyCharm 2017.2.3 x64連接

在工作環境中我們會集成開發環境去編碼, 這裏推薦JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虛擬環境結合

在Setting => Project => Project Interpreter 裏面修改 Project Interpreter , 點擊齒輪標誌再點擊Add Local爲你某個環境的python.exe解釋器就行了

 

比如你要在learn環境中編寫程序, 那麼就修改爲C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 可以看到這時候下面的依賴包也變成了learn環境中的包了.接下來我們就可以在pycharm中愉快的編碼了。

 

Anaconda 初體驗

按下 Windows 徽標鍵，調出 Windows 開始菜單，可以看到 “最近添加”的：Anaconda2(64-bit)

Anaconda Prompt

打開Anaconda Prompt，這個窗口和doc窗口一樣的，輸入命令就可以控制和配置python，最常用的是conda命令，這個pip的用法一樣，此軟件都集成了，你可以直接用，點開的話如下圖。用命令“conda list”查看已安裝的包，從這些庫中我們可以發現NumPy,SciPy,Matplotlib,Pandas，說明已經安裝成功了!

 

還可以使用conda命令進行一些包的安裝和更新

conda list：列出所有的已安裝的packages

conda install name：其中name是需要安裝packages的名字，比如，我安裝numpy包，輸入上面的命令就是“conda install numpy”。單詞之間空一格，然後回車，輸入y就可以了。

安裝完anaconda，就相當於安裝了Python、IPython、集成開發環境Spyder、一些包等等。你可以在Windows下的cmd下查看：

 

 

Anaconda Navigtor

用於管理工具包和環境的圖形用戶界面，後續涉及的衆多管理命令也可以在 Navigator 中手工實現。

 

Jupyter notebook

基於web的交互式計算環境，可以編輯易於人們閱讀的文檔，用於展示數據分析的過程。

 

Qtconsole

一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。

 

Spyder

一個使用Python語言、跨平臺的、科學運算集成開發環境。

點擊 Anaconda Navigator ，第一次啓用，會初始化，耐心等待一段時間，加載完成，界面如圖。

 

Spyder編輯器，我們以後就可以用這款編輯器來編寫代碼，它最大優點就是模仿MATLAB的“工作空間”。spyder.exe放在安裝目錄下的Scripts裏面，如我的是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接雙擊就能運行。我們可以右鍵發送到桌面快捷方式，以後運行就比較方便了。

 

我們簡單編寫一個程序來測試一下安裝是否成功，該程序用來打開一張圖片並顯示。首先準備一張圖片，然後打開spyder，編寫如下代碼：

# -*- coding: utf-8 -*-