anaconda_anaconda3 - CSDN
anaconda 订阅
《Anaconda》是美国说唱女歌手妮琪·米娜演唱的一首说唱歌曲,由Sir Mix-A-Lot等创作,收录于妮琪·米娜的第三张录音室专辑《The Pinkprint》中,于2014年8月4日发行。《Anaconda》在美国公告牌单曲榜上最高名次为第2名,是妮琪·米娜成绩最高的歌曲之一。 [1-4] 展开全文
《Anaconda》是美国说唱女歌手妮琪·米娜演唱的一首说唱歌曲,由Sir Mix-A-Lot等创作,收录于妮琪·米娜的第三张录音室专辑《The Pinkprint》中,于2014年8月4日发行。《Anaconda》在美国公告牌单曲榜上最高名次为第2名,是妮琪·米娜成绩最高的歌曲之一。 [1-4]
信息
音乐风格
说唱
外文名称
Anaconda
所属专辑
The Pinkprint
歌曲语言
英语
填    词
Sir Mix-A-Lot
编    曲
Sir Mix-A-Lot,皮罗·利达·唐
歌曲时长
4分20秒
歌曲原唱
妮琪·米娜
中文名称
大蟒蛇
MV导演
寇林·提米
发行时间
2014年8月4日
谱    曲
妮琪·米娜,詹姆·詹姆斯,安瑟尼·雷,厄内斯特·克拉克,马科斯·帕拉西奥斯
Anaconda创作背景
《Anaconda》的制作人皮罗·利达·唐曾经邀请说唱女歌手梅西·埃丽奥特来演唱这首歌,被拒绝后,她重新录制了这首歌,让妮琪·米娜来演唱。这首歌采样了说唱男歌手Sir Mix-a-Lot的歌曲《Baby Got Back》。 [5] 
收起全文
  • 最近学习python,安装了anaconda,在这里详细讲下anaconda的安装,配置及使用的过程。有学习过python的人知道,传统的安装和使用python的过程中,会遇到如下问题:安装好了后,各种配置,比如配置环境变量啥的,对于...

    最近学习python,安装了anaconda,在这里详细讲下anaconda的安装,配置及使用的过程。

    有学习过python的人知道,传统的安装和使用python的过程中,会遇到如下问题:

    1. 安装好了后,各种配置,比如配置环境变量啥的,对于小白,这个可能还不知道,麻烦。
    2. 安装python后,想管理python的包,还得安装个包管理器pip,来安装第三方包,麻烦。
    3. 最重要的一点是,python2和python3的区别非常大,目前还有很多的包不兼容,安装了python3,但有的项目却要在python2下运行,但是传统的话一台机器上并不能安装两个python环境。

    总之就是麻烦。

    Anaconda的概念及作用?

    anconda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通俗点说,你只需要安装一个anconda,安装好之后,会有一个默认的python环境,安装anconda2就是默认python2,安装python3就是默认python3,同时,anconda还给你预装了大部分常用的python包,你只需要用anconda自带的命令conda来安装你需要的包就行了,还有一点,如果你安装了anconda2已经有了python2环境,你可以通过conda来安装python3,anconda可以管理两个版本的python环境,并提供切换方式,可以随时切换到不同的python版本。

    conda命令类似于pip,是anconda的包管理器工具,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python和conda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。

    下面以windows下anaconda的安装为例

    安装过程

    软件的下载

    建议不要去官网下载,windows下anconda最新版本500多M,官网下载比较慢,时间长,推荐去清华大学开源镜像站去下载,至于下载anaconda2还是anaconda3,都可以,反正后面可以再装另外一个python环境。

    下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

    下载好之后,双击exe进行安装就行了,安装过程中有一点注意,如下图:


    第一个勾是是否把Anaconda加入环境变量,官方提示不推荐勾选,说勾选后,在以后的卸载或重装时可能会导致问题,勾选的话,能直接在cmd中使用conda、jupyter、ipython等命令,不勾选的话,也可以在之后使用Anaconda提供的命令行工具进行操作,这个其实勾不勾选问题都不大,我选择官方推荐的,没有勾选。

    第二个勾是是否设置Anaconda所带的Python 3.6为系统默认的Python版本。


    最后一步,如果你不想了解“Anaconda云”和“Anaconda支持”,则可以不勾选“Learn more about Anaconda Cloud”和“Learn more about Anaconda Support”,我把两个勾选都去掉了。

    其他的可以修改安装路径,然后一路默认,直到安装完毕就行了。

    安装完毕之后,左下角菜单,可以看到如下:


    上面这几个都是什么呢?

    Anaconda Navigator 是Anaconda可视化的管理界面。

    Anaconda Prompt 是一个Anaconda的终端,可以便捷的操作conda环境,类似于cmd的命令行工具

    Jupyter Notebook 是一个交互式笔记本,支持运行40多种编程语言。IPython notebook是一个基于IPython REPL的web应用,安装IPython后在终端输入ipython notebook即可启动服务。jupyter是把IPython和Python解释器剥离后的产物,将逐渐替代IPython独立发行。

    Spyder 是一个使用Python语言的开放源代码跨平台科学运算IDE。Spyder可以跨平台,也可以使用附加组件扩充,自带交互式工具以处理数据。

    展开全文
  • Python具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用,能够实现对不同领域业务的开发。然而,正是由于库的数量庞大,对于管理这些库以及对库作及时...Anaconda是对python版本及包管理的最佳解决方案。
  • Anaconda 入门详解

    2019-06-11 10:54:16
    Anaconda Anaconda简介 Anaconda是一个免费开源的Python和R语言的发行版本,用于计算科学(数据科学、机器学习、大数据处理和预测分析),Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行...

    Anaconda

    Anaconda简介

    Anaconda是一个免费开源的Python和R语言的发行版本,用于计算科学(数据科学、机器学习、大数据处理和预测分析),Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行管理。超过1200万人使用Anaconda发行版本,并且Anaconda拥有超过1400个适用于Windows、Linux和MacOS的数据科学软件包。

    Anaconda拥有超过1400个软件包其中包含Conda和虚拟环境管理,他们都被包含在Anaconda Navigator中,因此无需去了解独立安装每个库。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package和environment的管理,并且已经包含了Python和相关的配套工具。可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。Pip提供了Conda大部分功能,并且大多数情况下两个可以同时使用。可以使用conda build命令构建自定义包,然后通过上传到Anaconda Cloud、PyPI或其他仓库来分享给其他人。

    Anaconda2默认包含Python 2.7,Anaconda3默认包含Python 3.7,但是你可以创建虚拟环境来使用任意版本的Python包。

    这里先解释下conda、anaconda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——python与conda,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python和conda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 特点

    • 丰富的第三方库

    Anaconda 附带了一大批常用数据科学包,它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

    • 管理包

    Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。可以使用 conda 来安装、更新 、卸载工具包 ,并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是,conda 并不仅仅管理Python的工具包,它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。

    • 虚拟环境管理

    在conda中可以建立多个虚拟环境,用于隔离不同项目所需的不同版本的工具包,以防止版本上的冲突。对纠结于 Python 版本的同学们,我们也可以建立 Python2 和 Python3 两个环境,来分别运行不同版本的 Python 代码。

    Anaconda还包含一些功能强大的工具

    • 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。

    Anaconda 安装

    • 下载

    官网点击Download进入下载页面,选择对应的平台和版本下载,我这里是Anaconda3-2019.03-MacOSX-x86_64.pkg这个版本

    • 安装

    下载完成后双击下一步下一步知道安装完成,安装完成后自动会把anaconda的执行文件的路径添加到环境变量中无需手动配置,如何需要手动改变需要自行配置。

    Anaconda的使用

    
    # 获取帮助
    $ conda --help
    
    # 安装完成后验证conda的版本和python的版本等详细信息
    
    $ conda info
    
    C:\>conda info
    
         active environment : None
           user config file : C:\Users\Andy\.condarc
     populated config files : C:\Users\Andy\.condarc
              conda version : 4.6.12
        conda-build version : 3.10.5
             python version : 3.6.2.final.0
           base environment : D:\software\devapps\anaconda3-5.2.0  (writable)
               channel URLs : https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64
                              https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch
                              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64
                              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/noarch
                              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64
                              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/noarch
                              https://repo.anaconda.com/pkgs/main/win-64
                              https://repo.anaconda.com/pkgs/main/noarch
                              https://repo.anaconda.com/pkgs/free/win-64
                              https://repo.anaconda.com/pkgs/free/noarch
                              https://repo.anaconda.com/pkgs/r/win-64
                              https://repo.anaconda.com/pkgs/r/noarch
                              https://repo.anaconda.com/pkgs/msys2/win-64
                              https://repo.anaconda.com/pkgs/msys2/noarch
              package cache : D:\software\devapps\anaconda3-5.2.0\pkgs
                              C:\Users\Andy\.conda\pkgs
                              C:\Users\Andy\AppData\Local\conda\conda\pkgs
           envs directories : D:\software\devapps\anaconda3-5.2.0\envs
                              C:\Users\Andy\.conda\envs
                              C:\Users\Andy\AppData\Local\conda\conda\envs
                   platform : win-64
                 user-agent : conda/4.6.12 requests/2.21.0 CPython/3.6.2 Windows/10 Windows/10.0.17763
              administrator : False
                 netrc file : None
               offline mode : False
    
    
    C:\>
    
    # 列出我本机的所有环境,第一个是自己创建的,后面的是我自己后续创建的
    $ conda info -e
    
    C:\Users\Andy>conda info -e
    # conda environments:
    #
    base                  *  D:\software\devapps\anaconda3-5.2.0
    python27                 D:\software\devapps\anaconda3-5.2.0\envs\python27
    python36                 D:\software\devapps\anaconda3-5.2.0\envs\python36
    python37                 D:\software\devapps\anaconda3-5.2.0\envs\python37
    
    
    C:\Users\Andy>
    
    
    复制代码

    包管理

    一般来说 conda 仓库的软件没有 PyPI 更新快和全。所以推荐 conda 只用来创建虚拟环境,包的安装管理仍然使用 pip。

    # 列出当前环境下所有安装的 conda 包。
    $ conda list
    
    # 列举一个指定环境下的所有包
    $ conda list -n env_name
    
    # 查询库
    $ conda search scrapys
    
    # 安装库安装时可以指定版本例如:(scrapy=1.5.0)
    $ conda install scrapy
    
    # 为指定环境安装某个包
    $ conda install --name target_env_name package_name
    
    # 更新安装的库
    $ conda update scrapy
    
    # 更新指定环境某个包
    $ conda update -n target_env_name package_name
    
    # 更新所有包
    $ conda update --all
    
    # 删除已经安装的库也尅用(conda uninstall)
    $ conda remove scrapy
    
    # 删除指定环境某个包
    $ conda remove -n target_env_name package_name
    
    # 删除没有用的包
    $ conda clean -p
    
    复制代码

    虚拟环境管理

    
    # 创建环境,后面的python=3.6是指定python的版本
    $ conda create --name env_name python=3.6
    
    # 创建包含某些包的环境(也可以加上版本信息)
    $ conda create --name env_name python=3.7 numpy scrapy
    
    # 激活某个环境
    $ activate env_name
    
    # 关闭某个环境
    $ conda deactivate
    
    # 复制某个环境
    $ conda create --name new_env_name --clone old_env_name
    
    # 删除某个环境
    $ conda remove --name env_name --all
    
    # 生成需要分享环境的yml文件(需要在虚拟环境中执行)
    $ conda env export > environment.yml
    
    # 别人在自己本地使用yml文件创建虚拟环境
    $ conda env create -f environment.yml
    
    复制代码

    转载于:https://juejin.im/post/5cc7a90851882577e763fe66

    展开全文
  • Anaconda 完全入门指南

    2020-06-28 18:45:27
    From:... Anaconda官网:https://www.anaconda.com/ Anaconda 官网 文档:http://docs.anaconda.com/anaconda/user-guide 致Python初学者:Anaconda入门使用指南:http://python.jobbole.com/8...

     

    From:https://www.jianshu.com/p/eaee1fadc1e9

    Anaconda官网:https://www.anaconda.com/
    Anaconda 官网 文档:http://docs.anaconda.com/anaconda/user-guide

    Anaconda介绍、安装及使用教程:https://zhuanlan.zhihu.com/p/32925500
    知乎:初学python者自学anaconda的正确姿势是什么?:https://www.zhihu.com/question/58033789
    Anaconda 的新手使用大全:http://www.php.cn/python-tutorials-392031.html

    Anaconda 入门使用总结:https://www.jb51.net/article/137786.htm

     

     

    Anaconda 使用指南

     

            Anaconda 是 Python 的一个开源发行版本。Anaconda 里面集成了很多关于 python 科学计算的第三方库,主要面向科学计算且安装方便,而 python 是一个编译器。如果不使用 anaconda,那么安装库的时候,库的依赖安装起来比较麻烦。

            Anaconda 提供一个管理工具 conda,conda 是开源包(packages)和 虚拟环境(environment)的管理系统,,可以把 conda 看作是:pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库。即 conda 就是一个更完整也更大的集成管理工具。主要优点是预装了很多第三方库,而且 Anaconda 中增加了conda install 命令,安装新 package 格外方便,还自带 Spyder IDE 和 Jupyter Notebook

    安装 Anaconda:https://blog.csdn.net/qq_36790747/article/details/63257244

     

     

    概述

    很多学习 python 的人接触到 anaconda 或者其他 虚拟环境 工具 时觉得无从下手,其主要原因就是不明白这些工具究竟有什么用,是用来做什么的,为什么要这么做。

    比如安装完了 Python 后,为什么还需要这么一个东西,他和Python 到底有啥联系和区别,为啥能用来管理 Python。

    先来解决一个初学者都会问的问题:我已经安装了 Python,那么为什么还需要 Anaconda 呢?原因有以下几点:

    1. Anaconda 附带了一大批常用数据科学包,它附带了conda、Python 和 150 多个科学包及其依赖项。因此你可以用Anaconda 立即开始处理数据。
    2. 管理包。Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。在数据分析中,你会用到很多第三方的包,而 conda(包管理器)可以很好的帮助你在计算机上安装和管理这些包,包括安装、卸载和更新包。
    3. 管理环境。为什么需要管理环境呢?比如你在 A 项目中用到了Python2,而新的项目要求使用 Python3,而同时安装两个Python 版本可能会造成许多混乱和错误。这时候 conda 就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同,比如不同的 pandas 版本,不可能同时安装两个 pandas 版本。你要做的应该是在项目对应的环境中创建对应的 pandas 版本。这时候 conda 就可以帮你做到。

    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package和environment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conda、anaconda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——python与conda,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python和conda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。

     

     

    Python本身

    在使用 Python 语言编写程序之前需要下载一个 python 解释器,这才是 python 的本体,没了 python 解释器,我们即使写了无比正确优雅的 python 脚本也没办法运行,那这个解释器在哪呢? 就在你安装 python 的地方,比如我的在C:\Users\Acring\AppData\Local\Programs\Python\Python36-32

    项目结构如上图,这里有我们很熟悉的 python.exe, 也就是 Python解释器。除此之外还有个很重要的 文件夹 Lib

    Lib 目录如上图,这里有 python 自带的包第三方包,而所有的第三方包都放在 site-packages文件夹里面。

    了解了这些我们就对整个 python 环境有了大概的了解,

    其实最关键的,一个python环境中需要有一个解释器,和一个包集合。

    1. 解释器解释器 根据 python 的版本大概分为 2 和 3。python2 和 python3 之间无法互相兼容,也就是说用 python2 语法写出来的脚本不一定能在 python3 的解释器中运行。
    2. 集合包集合中包含了自带的包和第三方包,第三方包一般是通过 pip 或者 easy_install 来下载安装的,当一个 python 环境中不包含这个包,那么引用了这个包的程序不能在该 python 环境中运行。比如说一个爬虫脚本用到了第三方的requests包,而另一台计算机是刚刚装好原始python的,也就是说根本没有任何第三方包,那么这个爬虫脚本是无法在另一台机器上运行的。

     

     

    问题所在

    python 环境解释完了,接下来就要说下这样的环境究竟会产生哪些问题。因为 anaconda 正是为了解决这些问题而产生的。

    1. 到底该装 Python2 还是 Python3 。python2 和 python3 在语法上是不兼容的, 那我的机器上应该装 python2 还是 python3呢,可能一开始选一个学习就好了,但是如果你要开发的程序必须使用 python2 而不能使用 python3,那这时候你就不得不再下载一个python2,那这时候环境变量该设谁的目录呢,如果还的切换环境变量岂不是很麻烦.
    2. 管理。如果我在本地只有一个 python 环境那我所有程序用到的各种包都只能放到同一个环境中, 导致环境混乱,另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包,需要自己手动一个个下载的情况,实在是烦人,要是能每个程序开发都选用不同的环境,而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了。

     

     

    Anaconda

    那么接下来就到我们的 anaconda 上场了,安装好 Anaconda 就可以解决上面的问题了。

     

    下载

    Anaconda 是跨平台的,有 Windows、macOS、Linux 版本

    推荐下载 python3 版本, 毕竟未来 python2 是要停止维护的。

    官网下载地址:https://www.anaconda.com/products/individual

     

     

    安装

    按照安装程序提示一步步安装就好了,安装完成之后会多几个应用,暂时先不用管,了解一下就行了

    • 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。

    安装完成后,我们还需要对所有工具包进行升级,以避免可能发生的错误。但是官方的服务器在国外,因此下载速度很慢,国内清华大学提供了 Anaconda 的仓库镜像,我们只需要配置 Anaconda 的配置文件,添加清华的镜像源,

    添加清华源可以参考:https://zhuanlan.zhihu.com/p/88892971

    升级所有包(建议在安装 Anaconda 之后执行上述命令,更新 Anaconda 中的所有包至最新版本,便于使用。)

    conda upgrade --all  或者  conda update --all

    在终端询问是否安装如下升级版本时,输入 y

     

     

    配置环境变量

    window 环境变量设置:电脑 ---> 属性 ---> 高级系统设置 ---> 环境变量 ---> 系统变量 ---> Path 

    然后在 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 4.7.11 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。

    如果不知道命令的用法,可以加上 --help 参数。例如:conda upgrade --help

    conda/pip install 或者 upgrade 超时失败,可以更换成清华的 anaconda 源:https://zhuanlan.zhihu.com/p/88892971

     

    切换 64位 和 32位

    anaconda 对于python 版本的管理还是很方便的,所以这里用 anaconda才实现32位和64位python共存

    • set CONDA_FORCE_32BIT=1是切换到32位。
    • set CONDA_FORCE_32BIT= 是切换到64位。

    需要注意的是,这样切换环境对于已经安装的python没有任何影响,即原先是64位的python,现在还是64位,所以需要切换到32位后再安装python,并且安装需要在prompt下进行,在navigator里新建的python默认是64位的。

    操作步骤:

    1、打开anaconda prompt,输入 conda info ,可以看到现在用的是64位的。

    2、切换成32位的 set CONDA_FORCE_32BIT=1 可以看出已经切换成32位的了

    3、安装 32位 的 python3.6

    命令:conda create -n python32 python=3.6

    安装完成后在 anaconda3 文件夹下面会有一个envs文件夹

    4、激活环境

    • conda activate python32               激活环境
    • conda deactivate python32           退出环境
    • conda remove -n python32--all     删除环境

    5、如果要在pycharm中使用该环境

    点击add local

     

     

    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。

    下面的例子都是在命令行操作的,请打开你的命令行。win + R ,然后 输入 cmd  回车即可。

    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
    
    # 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
    
    # 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

    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, pi p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 -n python34 python=3.4 anaconda
    # 也可以不用全部安装,根据需求安装自己需要的package即可

     

    activate

    activate 命令是进入 anaconda 设定的虚拟环境中,如果后面什么参数都不加,那么会进入 anaconda 自带的 base 环境可以输入 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。

     

     

    创建自己的虚拟环境

    命令:

    conda create -n env_name  list_of_packages
    # 或者
    conda create --name env_name  list_of_packages

    参数说明:

    • -n :代表 name,一个杠 表示短参数,长参数可以使用 --name
    • env_name 是需要创建 的 虚拟环境名称
    • list_of_packages 在新环境中需要安装的工具包 ( 多个 用空格分隔 )。

    示例:conda create -n py2 python=2.7 pandas 

    说明:创建 名叫 py2 的虚拟环境,指定 python 版本为 2.7,并安装 pandas 。( python 也相当于 一个 包 ),即 创建一个 名叫 py2 的虚拟环境,然后安装 python2.7 和 pandas 这两个包。

    提示:默认情况下,在 Linux 中新创建的环境将会被保存在 /Users/<user_name>/anaconda3/env 目录下,其中, <user_name> 为当前用户的用户名。在 windows 中创建的环境则在 anaconda3 安装目录 的 env 目录下。

     

    创建虚拟环境:

    1. 直接运行 conda create -n you_env_name python=3 创建。

    2. 进入 base 虚拟环境运行 conda create -n you_env_name python=3 创建。

    创建了一个名称为 learn_1 和 learn_2 的虚拟环境并指定 python 版本为 3 ( 这里 conda 会自动找 3 中最新的版本下载 )

    使用 activae 切换到不同的虚拟环境,命令格式:activate <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

     

    conda 的一些常用操作如下:

    # 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
    
    
    
    # 复制 ( 克隆 ) 虚拟环境
        conda create -n BBB --clone AAA   // 从 BBB 克隆一个新的虚拟环境 AAA
        # 移植过来的环境只是安装了你原来环境里用 conda install 等命令直接安装的包,
        # 你用pip之类装的东西没有移植过来,需要你重新安装。
    
    
    # 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 -n python34
    
    # 查找 package 信息
        conda search numpy
    
    # 安装 package。如果不用 -n 指定环境名称,则被安装在当前活跃环境
        conda install -n python34 numpy
        # 也可以通过 -c 指定通过某个 channel 安装
    
    # 更新 package
        conda update -n python34 numpy
    
    
    # 删除 package
        方式 1:卸载当前环境中的包,进入当前的虚拟环境,remove 时 不需要指定虚拟环境
            conda remove requests  或者  pip uninstall requests
    
        方式 2:卸载指定环境中的包。即不进入任何虚拟环境,remove 时需要指定要卸载那个虚拟环境的包
            conda remove --name <env_name> <package_name>
            示例:conda remove -n python34 numpy
    
    # 删除一个已有的 虚拟环境,例如:python34
        conda env remove -n python34    或者    conda remove -n learn_1 --all

    前面已经提到,conda 将 conda、python 等都视为 package,

    因此,完全可以使用 conda 来管理 conda 和 python 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

     

     

    安装第三方包

    conda install requests
    或者
    pip install requests
    
    
    # 也可以同时安装多个包,比如同时安装numpy 、scipy 和 pandas
    conda install numpy scipy pandas
    
    # 可以指定安装的版本,比如安装 1.1 版本的 numpy
    conda install numpy=1.10
    

    从 Anaconda.org 安装包

    当使用 conda install 无法进行安装时,可以考虑从 Anaconda.org 中获取安装包的命令,并进行安装。

    • 从Anaconda.org安装包时,无需注册。

    • 当前环境中安装来自于 Anaconda.org 的包时,需要通过输入要安装的包在 Anaconda.org 中的路径作为获取途径(channel)。查询路径的方式如下:
              1. 在浏览器中输入:http://anaconda.org
              2. 在新页面 “Anaconda Cloud” 的上方搜索框中输入要安装的包名,然后点击右边 “放大镜” 标志。

    图 1:

    选择满足需求的包或下载量最多的包,点击包名,如图所示:

    执行安装命令,完成安装。

     

     

    卸载第三方包

    方式 1:进入所在的虚拟环境,remove 时 不需要指定虚拟环境
    conda remove requests
    或者
    pip uninstall requests
    
    
    方式 2:不进入任何虚拟环境,remove 时需要指定要卸载那个虚拟环境的包
    
    conda remove --name <env_name> <package_name>
    

     

    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 
    
    # 如果你记不清 package 的具体名称,也可以进行模糊查询
    conda  search search_term

     

    升级包

    conda update package_name  升级指定的包
    
    conda update --all   # 升级所有包
    conda upgrade --all  # 升级所有包
    
    # 更新多个指定包,则包名以空格隔开,向后排列。
    conda update pandas numpy matplotlib  # 更新 pandas、numpy、matplotlib 包。

     

    导入 和 导出 环境

    如果想要导出当前环境的包信息可以用

    conda env export > environment.yaml
    

    将包信息存入 yaml 文件中。当需要重新创建一个相同的虚拟环境时可以用

    conda env create -f environment.yaml
    

     

    常用命令

    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 D:\Software\Anaconda\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。接下来我们就可以在 pycharm中 愉快的编码了。

     

     

     

    Anaconda 初体验

     

    按下 Windows 徽标键,调出 Windows 开始菜单,可以看到 “最近添加”的:Anaconda2(64-bit)

    Anaconda prompt:是一个Anaconda的终端,类似 cmd 命令可以便捷操作 conda 环境,可以建立不同的版本环境 Python2 3打开 Anaconda Prompt,这个窗口和 doc 窗口一样的,打开之后就是base 虚拟环境。输入命令就可以控制和配置 python,最常用的是 conda 命令,这个 pip 的用法一样,此软件都集成了,你可以直接用,点开的话如下图。用命令 “conda list” 查看已安装的包,从这些库中我们可以发现NumPy,SciPy,Matplotlib,Pandas,说明已经安装成功了!

    还可以使用 conda 命令进行一些包的安装和更新

    conda list:列出所有的已安装的packages

    conda install name:其中 name 是需要安装 packages 的名字,比如,我安装 numpy 包,输入上面的命令就是 “conda install numpy”。单词之间空一格,然后回车,输入y就可以了。

    安装完 anaconda,就相当于安装了 Python、IPython、集成开发环境 Spyder、一些包等等。

    你可以在 Windows下的 cmd下查看:

     

     

    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。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。

     

     

    Jupyter notebook 和 Jupyter Lab

    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。

    启用 Jupyter Notebook 的 3 种方式:

    • 1. 点击安装时生成的快捷方式(方便,但不推荐使用)

    • 2. 在 CMD 中执行: jupyter notebook。(推荐使用)或者 打开任意文件夹,shift+鼠标右击,然后再 shell 框中输入 jupyter notebook (推荐使用,此方法的好处是形成的 ipynb 文件会保存在当前的文件夹中,方便管理)

    • 3. 在 Anaconda Navigtor 中启动 Jupyter notebook。

    Jupyter notebook 启动后,会打开一个网页,如图所示:

    常用的编辑器或集成开发环境:

    • PyCharm:有免费社区版和收费的专业版,专为 Python 而生的 IDE
    • NotePad++:免费开源的编辑器,支持丰富的插件,支持中文界面
    • Atom:Github 推出的免费开源编辑器,支持丰富的插件
    • Sublime:收费的 Python 编辑器,支持丰富的插件
    • Spyder:Anaconda 内置的 IDE,开源。
    • IDLE:Python 官方的内置编辑器。
    • jupyter notebook:集成很多使用功能的编辑器同时兼具交互式的优点。 它支持多种语言,如 Python ( IPython ),Julia,R 等。可以在同一个界面中保存展示代码,展现运行结果,实时交互模式运行代码等功能,并且对新手非常友好,不需要过多的配置。
    • JupyterLab:是 jupyter notebook 的升级版本。它具有模块化结构,您可以在同一窗口中打开多个笔记本或文件(例如 HTML,文本,Markdown 等)作为选项卡。 它提供了更多类似 IDE 的体验。

     

     

    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。( jupyter qtconsole 简直就是ipython的加强版,每个命令都直接显示帮助信息,配合matplotlib,能够在shell里直接显示绘图结果 )

    ipython qtconsole 已经被 jupyter qtconsole 所替代,需要安装 jupyter。

    pip install jupyter

    然后运行:

    jupyter qtconsole

     

     

    Spyder

    一个使用 Python 语言、跨平台的、科学运算集成开发环境。Spyder 编辑器截图如下:

    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:

    # -*- coding: utf-8 -*-
    
    """
    Spyder Editor
    This is a temporary script file.
    """
    
    from skimage import io
    
    img = io.imread('D:/yangmi.jpg')
    io.imshow(img)
    

    点击上面工具栏里的 绿色三角 运行程序,最终显示如下:

     

     

    jupyterlab 

    Jupyter Lab 的启用 和 Jupyter Notebook 方法一样,只需要将输入的 jupyter notebook 换成 jupyter lab 即可。

    我们点击 jupyterlab 下面的 Launch ,会在默认浏览器(我这里是 Chrome)打开 http://localhost:8888/lab 这样一个东东,这里就可以输入 Python 代码啦,来一句 Hello World 吧。

    我们可以打开 Anaconda Navigator -> Launch jupyterlab ,也可以直接在浏览器输入 http://localhost:8888/lab (可以保存为书签)。如果是布置在云端,可以输入服务器域名(IP),是不是很爽?


     

    VSCode

    Visual Studio Code是一个轻量级但功能强大的源代码编辑器,可在桌面上运行,适用于Windows,macOS和Linux。它内置了对JavaScript,TypeScript和Node.js的支持,并为其他语言(如C ++,C#,Java,Python,PHP,Go)和运行时(如.NET和Unity)提供了丰富的扩展生态系统。

    Microsoft Visual Studio Code:https://blog.csdn.net/freeking101/article/details/86715578

     

     

    Glueviz

    Glue 是一个Python 库,用于探索相关数据集内部和之间的关系。其主要特点包括:

    链接统计图形。使用Glue,用户可以创建数据的散点图,直方图和图像(2D和3D)。胶水专注于刷牙和链接范例,其中任何图形中的选择传播到所有其他图形。

    灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化,并跨数据集传播选择。这些链接由用户指定,并且是任意灵活的。

    完整的脚本功能。Glue是用Python编写的,并且建立在其标准科学库(即Numpy,Matplotlib,Scipy)之上。用户可以轻松地集成他们自己的python代码进行数据输入,清理和分析。

     

     

    Orange3

    交互式数据可视化

    通过巧妙的数据可视化执行简单的数据分析。探索统计分布,箱形图和散点图,或深入了解决策树,层次聚类,热图,MDS和线性投影。即使您的多维数据也可以在2D中变得合理,特别是在智能属性排名和选择方面。

    老师和学生都喜欢它

    在教授数据挖掘时,我们喜欢说明而不是仅仅解释。而橙色很棒。Orange在世界各地的学校,大学和专业培训课程中使用,支持数据科学概念的实践培训和视觉插图。甚至还有专门为教学设计的小部件。

    附加组件扩展功能

    使用Orange中可用的各种附加组件从外部数据源挖掘数据,执行自然语言处理和文本挖掘,进行网络分析,推断频繁项目集并执行关联规则挖掘。此外,生物信息学家和分子生物学家可以使用Orange通过差异表达对基因进行排序并进行富集分析。

     

     

    Rstudio

    R软件自带的有写脚本的工具,可是我不是很喜欢用(并不是说不好哈),我更喜欢用RStudio(网上还有Tinn-R,RWinEdt等)。因为我觉得其本身比较方便,另外在编程的时候有些功能很方便。下面这个界面是我修改了主题的,下面我将介绍如何修改主题,来方便编程。

     

     

    结语

    现在你是不是发现用上anaconda就可以十分优雅简单的解决上面所提及的单个python环境所带来的弊端了呢, 而且也明白了其实这一切的实现并没有那么神奇.

    当然anaconda除了包管理之外还在于其丰富数据分析包, 不过那就是另一个内容了, 我们先学会用anaconda去换一种方法管里自己的开发环境, 这已经是一个很大的进步了.

     

     

     

     

    展开全文
  • Anaconda介绍

    2018-06-07 20:18:14
    1、下载官网:https://www.anaconda.com/download/...可能目前市面上大多数教程使用的都还是 Python2,这也不用着急,因为在 Anaconda 中可以同时管理两个 Python 版本的环境。2、提供了开源包(packag...

    1、下载官网:https://www.anaconda.com/download/

    里面有两个版本3.6 和 2.7;可以下载3.6版本,其同样支持python2.7;推荐你使用 Python3,因为 Python2 终将停止维护。可能目前市面上大多数教程使用的都还是 Python2,这也不用着急,因为在 Anaconda 中可以同时管理两个 Python 版本的环境。

    2、提供了开源包(packages)和虚拟环境(environment)的管理系统。

    3、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。

    4、在Anaconda 中创建python2.7虚拟环境,并启动




    5、在VS code中,选择某个文件夹,然后配置路径,并通过python命令查看是否成功

        配置路径: "C:\\Users\\yangwei\\Anaconda3\\envs\\opensim1"



    展开全文
  • 本来想着马上接着总结Anaconda 的,谁知道,这一安装,竟然花了我一天一夜的时间,(悲伤辣么大啊简直)。遇到了各种各样的问题,重装20几遍,每次问题都不同还。(掩面悲伤)直到刚才总算是可以了。面对问题的时候...

            

       昨天总结了装python和pycharm。本来想着马上接着总结Anaconda 的,谁知道,这一安装,竟然花了我一天一夜的时间,(悲伤辣么大啊简直)。遇到了各种各样的问题,重装20几遍,每次问题都不同还。(掩面悲伤)直到刚才总算是可以了。面对问题的时候第一想法就是百度,结果尝试了所有百度的方法仍然无法解决问题。还是自己太笨了。总之,还是把自己 遇到的问题总结一下把,以防不小心看到我的解决问题的博客的各位能有所帮助,这也算我没有白白使用百度把。

       目录:

         1.关于Anaconda的版本与下载

         1.1版本

         1.2下载(两种方式,官网/镜像网)

         2.Anaconda3的安装及各类问题总结!(高潮!!)

         

       让我想想从哪里开始。就从下载开始把。

       1.关于Anaconda的版本与下载

       1.1版本

       Anaconda两个版本一个适用py2.7的Anaconda2,一个适用py3的Anaconda3。一般情况下,大家都是先安装了python,在已有python的情况下搭配Anaconda来使用,或装库或者使用conda管理py两个版本,解决py多版本共存的问题。网上有很多在已有Python2的基础上来装Anaconda。

       在这里由于我先装了python3.6(详细安装,可见上一篇。),所以本次所有问题的解决总结都是基于在已安装python3.6+pycharm的基础上来安装Anaconda3.

       1.2下载

       下载有两种方式:A.官网(不推荐)https://www.anaconda.com/download/

       不推荐,因为尤其的慢,而且通常是安装到一般就错误,如果您网快随您(嘻嘻),安装相应版本就好,比如你是py3就安装3.

                 

                                      

       B.镜像网站安装。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

       这是清华大学的镜像网,直接找到你需要的下载即可,又快又省力,极力推荐。

                  

       在这里要说一下,我本来下载的是最新版本 3-5.1.0.怎奈何是怎么都装不成功于是,放弃用我朋友给的3-4.3的版本。当然这应该无所谓。

       你们一定不知道我为安装换了多少个版本,事实证明并不是版本的问题。

                   总之下载下来就是这个鬼样子(其中的一个。)

       2.Anaconda3的安装及各类问题总结!(高潮!!)

       2.1安装开始

              

              you Agree了以后,就会遇到这个问题:

               

      在这里提醒各位,这个最好是跟在装python3时候的选择一样,总之我是什么组合都试过了,如果你只是一个用户当然选择Just Me ok,但是一旦你在装python的时候选择过这么一项你就最好选择ALL user:

                   

       由于我上次在安装python3的时候选择了这项 for all users 于是安装Ana的时候也选择了ALL users。

       接着就是路径,提醒小白们,安装到C盘真的可以避免后续的很多小问题,但是尽管这样我也没有尝试过把它装入C盘,选择了D盘,注意路径要简单D:\Anaconda3,类似这样即可不要有空格不要有中文字符,尤其避免中文路径!!:                                                                          

     

     -------->再接着就是重要的选择:                                                           

       这个地方,第一项Add Anaconda… 这个是说将安装路径填入到系统环境变量中,选上

       第二项 是说要默认使用python3.6的版本,也选上。当选择这一项的时候很可能会出现这样一个问题:

                            

       我当时专门百度翻译该问题,总之不要管他,确定,大胆的选上第二项。有问题咱们之后解决。

       ---------->两项都选择完之后就是不太漫长的安装了~静静等着它,如果没有出现任何问题,那么恭喜你,你离成功安装只差检验一小步了。

       但是我在这里就是因为这个问题崩溃了一天一夜!!

       failed to create anacoda menu。!!创建菜单失败。

       我在百度上搜到各种各样的方法几乎全都试过了:

        A.卸载重新安装一次

        B.将Java的原系统环境变量先删除:主要是path 和java home的部分,先从中复制出与Java相关的部分,保存在记事本里,然后删除,再装,装完之后再将环境变量原封不动的添加上去。记得重启。

        C.创建快捷方式的方法,详细见:http://www.mamicode.com/info-detail-1974384.html

        D.其他方法:http://blog.csdn.net/qq_33282758/article/details/77841404

        E.我最后使用的方法(行之有效的):一直点忽略忽略忽略忽略直到安装成功。这个时候你打开你的开始菜单你会发现你并不能找到有关anaconda的任何~不要慌~

        win+R--->cmd --->d:---->cd anaconda(总之红的这部分就是进入到你的anaconda安装文件夹)

        然后输入  python .\Lib\_nsis.py mkmenus     出现很多sucessfully就对了

             

        回到你的开始菜单这个时候你就能看到各种快捷方式了。

        2.2检验是否安装成功anaconda

        你可以再cmd中输入 python,查看是否有:

       

        或者你再输入 conda --version:(检验安装成功的标志)

                  

       若果没有,或者提示conda不是内部或外部命令,那就意味着,你的anaconda没有把环境变量配置好。

       解决方案:找到你的环境变量配置,查看path中是否有有关anaconda的相关内容:(如果没有请添加:)

                   

       添加那两项~哪个没有加哪个。确定保存…重启电脑,打开cmd像上面一样验证。

       2.3检验其他是否安装成功。尤其是 Anaconda Navifator

       打不开Anaconda Navifator,发现打不开,而且提示如下错误:

             

       解决方法:

    •  将\Anaconda3\Library\plugins目录下的platforms文件夹拷贝到\Anaconda3后重新打开Anaconda Navigator
    • 注意:不要把Anaconda安装到有空格的目录

       2.4  end

       这就是我遇到的所有的问题,总结了半天发现也没多少问题,自己竟然装了这么久,还试了那么多种方法,看来找对方法很重要。还是自己笨。

    展开全文
  • Anaconda下载

    2019-08-01 15:07:22
    这两天本来打算下载新版本的anaconda,结果发现清华和中科大的开源镜像站均因为版权问题而无限期停止了anaconda的镜像服务。众所周知,除非能“科学上网”,否则在官网上下载anaconda速度慢且不说还很容易失败。 ...
  • 一、首先打开下载地址https://www.anaconda.com/download/#windows,如下图所示。二、下载完成后根据红色箭头提示进行安装操作,具体安装步骤如下图所示;注意:安装路径最好安装在Python下。以防止日后编写代码时...
  • Anacond的介绍 Anaconda指的是一个开源的Python发行版本,其包含了conda、...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Min...
  • Anaconda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。 这么说可能有点抽象,大家可以直接把Anaconda...
  •  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、...
  • 但是自从有了Anaconda以后,妈妈再也不用担心我用不了python啦!Anaconda相当于一个python的整合包,是一个开源的python发行版本,里面有各种科学包和依赖项,使用起来非常简单。安装安装非常简单。点击打开链接进入...
  • 今天来说一下python中一个管理包很好用的工具anaconda,可以轻松实现python中各种包的管理。相信大家都会有这种体验,在pycharm也是有包自动搜索和下载的功能,这个我在前面的一篇博客中有相关的介绍(详情请查看...
  • 网址:https://www.anaconda.com/download/#macos 2.双击安装  1&gt;回答简介,自述和许可证屏幕上的提示。  2&gt;可以自己选择安装的位置 3&gt;点击安装 3.安装成功,打开anaconde 问题...
  • 本人刚开始接触python的时候用的第一个集成环境就是Anaconda,因为自带很多包,安装又比较方便,所以还是比较方便了。现在来说下它的具体安装步骤: 进入官网后,点击红框区域下载按钮  下载完成后,按照此步骤...
  • 因为最近重装了一下系统,本来以为anaconda要重装了,然后试了一下,发现ipython可以用,所以我想其他应该也可以用,但是在开始菜单死活找不到Anaconda command prompt,打anaconda也不像ipython一样有显示,还有...
  • 主要介绍在 windows 10 系统中安装 Anaconda3 的详细过程。
  • Ubuntu18.04 安装 Anaconda3

    2020-02-23 14:52:37
    1. 下载 Anaconda 下载 Anaconda3-5.2.0-Linux-x86_64.sh (Ubuntu18.04的对应的Anaconda版本): 法1:在Anaconda官网下载,比较费时,如图1所示。 ...
  • ipython:同为python命令行工具,...首先可以很方便的切换不同的版本(包括各个版本的python和各个版本的类库),其次,Anaconda的安装和环境变量配置是仅面向用户个人的,这无疑很适合多人共用服务器的场景。 但是...
  • 但是最近为了使用python的科学计算环境,我把之前的环境卸载了,并用Anaconda重新安装了TensorFlow,由于自己的笔记本已经很旧了,显卡不行,所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑,截图甚多。
1 2 3 4 5 ... 20
收藏数 115,181
精华内容 46,072
关键字:

anaconda