Anaconda使用总结[转]

11:10 星期六 eehello 发表于 Python 分类,

1


原文出处: PeterYuan


  Python易用,但用好却不易,其中比较头疼的就是包管理和Python不同版本的问题,特别是当你使用Windows的时候。为了解决这些问题,有不少发行版的Python,比如WinPythonAnaconda等,这些发行版将python和许多常用的package打包,方便pythoners直接使用,此外,还有virtualenvpyenv等工具管理虚拟环境。

个人尝试了很多类似的发行版,最终选择了Anaconda,因为其强大而方便的包管理与环境管理的功能。该文主要介绍下Anaconda,对Anaconda的理解,并简要总结下相关的操作。

  个人总结:我目前安装的是miniconda,使用过程中发现比pyenv和virtualenv好用,有些用官方pip安装会出错的模块(对我这种萌新来说,出错就是悲剧),用conda install xxx命令安装,会意想不到的方便。


Anaconda概述 

  Anaconda是一个用于科学计算的Python发行版,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packageenvironment的管理,并且已经包含了Python和相关的配套工具。

这里先解释下condaanaconda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——pythonconda,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pythonconda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的安装 

  Anaconda的下载页参见官网下载LinuxMacWindows均支持。

安装时,会发现有两个不同版本的Anaconda,分别对应Python 2.7Python 3.6,两个版本其实除了这点区别外其他都一样。后面我们会看到,安装哪个版本并不本质,因为通过环境管理,我们可以很方便地切换运行时的Python版本。(由于我常用的Python2.7,因此倾向于直接安装Python 2.7对应的Anaconda

  下载后直接按照说明安装即可。这里想提醒一点:尽量按照Anaconda默认的行为安装——不使用root权限,仅为个人安装,安装目录设置在个人主目录下(Windows就无所谓了)。这样的好处是,同一台机器上的不同用户完全可以安装、配置自己的Anaconda,不会互相影响。

  对于MacLinux系统,Anaconda安装好后,实际上就是在主目录下多了个文件夹(~/anaconda)而已,Windows会写入注册表。安装时,安装程序会把bin目录加入PATHLinux/Mac写入~/.bashrcWindows添加到系统变量PATH),这些操作也完全可以自己完成。以Linux/Mac为例,安装完成后设置PATH的操作是


# 将anaconda的bin目录加入PATH,根据版本不同,也可能是~/anaconda3/bin
echo'export PATH="~/anaconda2/bin:$PATH"'>>~/.bashrc
# 更新bashrc以立即生效
source~/.bashrc



  配置好PATH后,可以通过which condaconda --version命令检查是否正确。假如安装的是Python 2.7对应的版本,运行python --versionpython -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit),也说明该发行版默认的环境是Python 2.7


Conda的环境管理 

  Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。

  假设我们需要安装Python 3.4,此时,我们需要做的操作如下:


# 创建一个名为python34的环境,指定Python版本是3.4(不用管是3.4.x,conda会为我们自动寻找3.4.x中的最新版本)
conda create--name python34 python=3.4
# 安装好后,使用activate激活某个环境
activate python34# for Windows
source activate python34# for Linux & Mac
# 激活后,会发现terminal输入的地方多了python34的字样,实际上,此时系统做的事情就是把默认2.7环境从PATH中去除,再把3.4对应的命令加入PATH
# 此时,再次输入
python--version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`,即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境,运行
deactivate python34# for Windows
source deactivate python34# for Linux & Mac
# 删除一个已有的环境
conda remove--name python34--all


  用户安装的不同python环境都会被放在目录~/anaconda/envs下,可以在命令中运行conda info -e查看已安装的环境,当前被激活的环境会显示有一个星号或者括号。

说明:有些用户可能经常使用python 3.4环境,因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH,去除anaconda对应的那个bin目录。这个办法,怎么说呢,也是可以的,但总觉得不是那么elegant……

  如果直接按上面说的这么改PATH,你会发现conda命令又找不到了(当然找不到啦,因为conda~/anaconda/bin里呢),这时候怎么办呢?方法有二:1. 显式地给出conda的绝对地址 2. python34环境中也安装conda工具(推荐)。


Conda的包管理 

  Conda的包管理就比较好理解了,这部分功能与pip类似。

  例如,如果需要安装scipy


# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目,对于python 3.4,conda会同时安装numpy和mkl(运算加速的库)
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包,不依赖于pip,因此可以显示出通过各种方式安装的包


  conda的一些常用操作如下:


# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list-npython34
# 查找package信息
conda search numpy
# 安装package
conda install-npython34 numpy
# 如果不用-n指定环境名称,则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
# 更新package
conda update-npython34 numpy
# 删除package
conda remove-npython34 numpy


  前面已经提到,condacondapython等都视为package,因此,完全可以使用conda来管理condapython的版本,例如


# 更新conda,保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本


  补充:如果创建新的python环境,比如3.4,运行conda create -n python34 python=3.4之后,conda仅安装python 3.4相关的必须项,如python, pip等,如果希望该环境像默认环境那样,安装anaconda集合包,只需要:


# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令,以上操作可以合并为
conda create-npython34 python=3.4anaconda
# 也可以不用全部安装,根据需求安装自己需要的package即可


设置国内镜像 

  如果需要安装很多packages,你会发现conda下载的速度经常很慢,因为Anaconda.org的服务器在国外。所幸的是,清华TUNA镜像源有Anaconda仓库的镜像,我们将其加入conda的配置即可:


# 添加Anaconda的TUNA镜像
conda config--add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号,需要去掉
# 设置搜索时显示通道地址
conda config--set show_channel_urls yes


  执行完上述命令后,会生成~/.condarc(Linux/Mac)C:\Users\USER_NAME\.condarc文件,记录着我们对conda的配置,直接手动创建、编辑该文件是相同的效果。


 

  Anaconda具有跨平台、包管理、环境管理的特点,因此很适合快速在新的机器上部署Python环境。总结而言,整套安装、配置流程如下:


  下载Anaconda、安装

  配置PATHbashrc或环境变量),更改TUNA镜像源

  创建所需的不用版本的python环境

  Just Try!

  cheat-sheet下载:

  Conda cheat sheet


参考资料

  Anaconda Homepage

  Anaconda Documentation

  Conda Docs




评论:

eehello
2017-03-13 18:19
http://pan.baidu.com/s/1dERWjZV

发表评论: