Anaconda安装

Anacond的介绍

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换

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

Miniconda包括Conda、Python

Anaconda下载

https://www.anaconda.com/download/

Anaconda安装

安装可执行文件

双击下载好的 .exe文件，出现如下界面，点击 Next 即可。

点击Next

点击 I Agree （我同意），不同意，当然就没办法继续安装啦。

Install for: Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next 。

Destination Folder 是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装到 C:\ProgramData\Anaconda2文件夹下。你也可以选择 Browse… ，选择想要安装的文件夹。我这里 C 盘空间充裕，所以我直接就装到默认的地方。

这里提一下，Anaconda 很强大，占用空间也不小啊，2.6GB，差不多是一部高清电影的体积了。不过，为了学习，这点硬盘空间算什么呢。

继续点击 Next> 。

两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 3.5

过程还是很漫长的，毕竟 2.6GB 的无数个小文件啊，请耐心等待。

经过漫长的等待，终于安装完成 Installation Complete （安装完成）了，点击最后一个 Next>。

配置环境变量

如果是windows的话需要去 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH 中添加 anaconda的安装目录的Scripts文件夹,

之后就可以打开命令行(最好用管理员模式打开) 输入
conda --version

如果输出conda 4.5.4之类的就说明环境变量设置成功了.

为了避免可能发生的错误, 我们在命令行输入conda upgrade --all 先把所有工具包进行升级

管理虚拟环境

接下来我们就可以用anaconda来创建我们一个个独立的python环境了.接下来的例子都是在命令行操作的,请打开你的命令行吧.

activate==

activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境,

你可以输入python试试, 这样会进入base环境的python解释器, 如果你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。

自己的虚拟环境==

我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境.

创建一个名称为python34的虚拟环境并指定python版本为3.4(这里conda会自动找3.4中最新的版本下载)

conda create -n python34 python=3.4

或者conda create --name python34 python=3.4

于是我们就有了一个learn的虚拟环境, 接下来我们切换到这个环境, 一样还是用activae命令 后面加上要切换的环境名称

切换环境==

activate learn

如果忘记了名称我们可以先用

conda env list

去查看所有的环境

现在的learn环境除了python自带的一些官方包之外是没有其他包的, 一个比较干净的环境我们可以试试

先输入python打开python解释器然后输入

import requests

会报错找不到requests包, 很正常.接下来我们就要演示如何去安装requests包

exit()

退出python解释器

卸载环境==

conda remove --name test --all

安装第三方包==

conda install requests

pip install requests

安装完成之后我们再输入python进入解释器并import requests包, 这次一定就是成功的了.

卸载第三方包==

conda remove requests
pip uninstall requests

查看环境包信息
要查看当前环境中所有安装了的包可以用

conda list

导入导出环境==

conda env export > environment.yaml	导出当前环境的包信息、，将包信息存入yaml文件中.
conda env create -f environment.yaml	当需要重新创建一个相同的虚拟环境时可以用
activate	切换到base环境
activate learn	切换到learn环境
conda create -n learn python=3	创建一个名为learn的环境并指定python版本为3(的最新版本)
conda env list	列出conda管理的所有环境
conda list	列出当前环境的所有包
conda install requests	安装requests包
conda remove requests	卸载requets包
conda remove -n learn --all	删除learn环境及下属所有包
conda update requests	更新requests包
conda env export > environment.yaml	导出当前环境的包信息
conda env create -f environment.yaml	用配置文件创建新的虚拟环境

深入一下==

或许你会觉得奇怪为啥anaconda能做这些事, 他的原理到底是什么, 我们来看看anaconda的安装目录

这里只截取了一部分, 但是我们和本文章最开头的python环境目录比较一下, 可以发现其实十分的相似, 其实这里就是base环境. 里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

那我们自己创建的环境去哪了呢, 我们可以看见一个envs, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看

可以发现我们之前创建的learn目录就在下面, 再点进去

这不就是一个标准的python环境目录吗?

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本.

与JetBrains PyCharm 连接

在工作环境中我们会集成开发环境去编码, 这里推荐JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虚拟环境结合

在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

比如你要在learn环境中编写程序, 那么就修改为C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 可以看到这时候下面的依赖包也变成了learn环境中的包了.

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。

点击 Anaconda Navigator ，第一次启用，会初始化，耐心等待一段时间，加载完成，界面如图。

Spyder编辑器，我们以后就可以用这款编辑器来编写代码，它最大优点就是模仿MATLAB的“工作空间”。spyder.exe放在安装目录下的Scripts里面，如我的是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接双击就能运行。我们可以右键发送到桌面快捷方式，以后运行就比较方便了。

我们简单编写一个程序来测试一下安装是否成功，该程序用来打开一张图片并显示。首先准备一张图片，然后打开spyder，编写如下代码：

设置细节

自动补全设置

一

我采用的是windows下的Anaconda Navigator，如下图所示

如图所示，只要点击jupyter network的launch就可以打开jupyter。

点击Environments，在base（root）后的小箭头中点击Open Teminal，出现一个：

因为我用的是Anaconda 虚拟环境,使用如下的代码可以直接配置成功：

conda install -c conda-forge jupyter_nbextensions_configurator
安装完成后重新启动jupyter notebook，即可看到在home出现了Nbextension选项，点击后出现：

勾选Hinterland即配置成功jupyter的代码补全功能。github上官方的安装教程见于链接：

https://github.com/Jupyter-contrib/jupyter_nbextensions_configurator

二

打开Anaconda prompt

安装nbextensions
输入：

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

安装nbextensions_configurator
输入：

pip install jupyter_nbextensions_configurator
jupyter nbextensions_configurator enable --user

重启jupyter notebook，点击Nbextensions。
勾选hinterland。

注意：
我的anaconda下配置了两个版本的python。在安装nbextensions和nbextensions_configurator这两个包时，我是在默认python版本下安装的。

当切换到另一个python版本后再打开jupyter notebook时，Nbextensions这个标签页并没有显示出来，需要在默认python版本时，才会显现。

第三方库安装网址

https://www.lfd.uci.edu/~gohlke/pythonlibs/

导入自定义模块

方法一

import sys
sys.path.append(‘C:\Users\Alvin\Desktop\’)

方法二

如果.py文件，放在文件夹里面。则需要在开头前面加上文件夹名字。比如说。test.py文件里面有hello这个函数。test.py文件放在untitled folders文件夹里面，如下图。则导入模块时：
from Untitled Folder.test import hello

方法三

%run function_total.ipynb

共享环境

共享环境非常有用，它能让其他人安装你代码中使用的所有包，并确保这些包的版本正确。比如你开发了一个药店数据分析系统，你要提交给项目部署系统的人来部署你的项目，但是他们并不知道你当时开发时使用的是哪个python版本，以及使用了哪些包和包的版本。这怎么办呢？你可以在你当前的环境的终端中使用:

conda env export > environment.yaml
将你当前的环境保存到文件中包保存为YAML文件（包括Pyhton版本和所有包的名称）。命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。你在终端中上可以看到导出的环境文件路径。在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。

那么问题来了:导出的环境文件，在其他电脑环境中如何使用呢？

首先在conda中进入你的环境，比如conda activate python27。然后在使用以下命令更新你的环境：

#其中-f表示你要导出文件在本地的路径，所以/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml
对于不使用conda 的用户，我们通常还会使用以下命令将一个 txt文件导出并包括在其中:

pip freeze > environment.txt

然后我将该文件包含在项目的代码库中，其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境：

他在自己的电脑上进入python命令环境，然后运行以下命令就可以安装该项目需要的包：

#其中C:\Users\Microstrong\enviroment.txt是该文件在你电脑上的实际路径。
pip install -r C:\Users\Microstrong\enviroment.txt

Linux下使用Anaconda

conda list	列出当前环境信息
conda env list	列出现有环境
source activate python36	进入相应的环境
source deactivate	退出当前的环境
conda create -n python36 python=3.6	创建环境
conda remove -n python36	移除环境
conda remove -n python36 --all

参考链接

https://blog.youkuaiyun.com/ITLearnHall/article/details/81708148
https://blog.youkuaiyun.com/weixin_43715458/article/details/100096496
*https://www.cnblogs.com/singleYao/p/13475709.html

自动补全
https://blog.youkuaiyun.com/u014285910/article/details/85721572
https://my.oschina.net/u/2000675/blog/2875226