正在阅读:

Anaconda(miniconda)安装及使用

6,769

1、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。

2、Anaconda的安装

Anaconda的下载页参见官网下载,Linux、Mac、Windows均支持。

安装时,会发现有两个不同版本的Anaconda,分别对应Python 2.7和Python 3.5,两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Python是2.7和3.4,因此倾向于直接安装Python 2.7对应的Anaconda)

这里我安装miniconda,下载地址如下:

https://conda.io/miniconda.html

2.1 安装报错编码错误处理

miniconda-error

出现这个窗口以后,不要点确定,然后进入到anaconda安装文件夹,一般是C:\ProgramData\Anaconda2,如果你提示的错误是:UnicodeEncodeError: 'ascii' codec can't encode characters in position 3-4 blabla,那么进入Lib文件夹,用编辑器打开_nsis.py,在import sys下面加上这两句:

reload(sys)
sys.setdefaultencoding( "utf-8" )

然后点确定,再点重试即可安装完成。

3、Anaconda的使用

3.1 管理包

conda 是一种只能通过命令行来使用的程序。类似于pip那样可以对Python库的包进行管理。

安装命令:

# 安装命令
conda install package_name
# 安装numpy,输入
conda install numpy
# 安装 matplotlib
conda install matplotlib
# 查看已安装的包
conda list
# 搜索安装包
conda search search_term
# 同时安装多个包
conda install numpy scipy pandas
# 安装指定版本的包
conda install numpy=1.11
# 卸载包
conda remove package_name
# 更新包
conda update package_name
# 更新环境中的所有包
conda update --all

加速conda下载速度,使用国内镜像源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

3.2 管理环境

除了管理包之外,conda 还是虚拟环境管理器。它类似于另外两个很流行的环境管理器,即 virtualenv 和 pyenv。

环境可以分隔不同项目的包。因为我们使用的时候会依赖于某个库的不同版本的代码或在py2和py3之间进行切换。

也可以将环境中的包的列表导出为文件,然后将该文件与代码包括在一起。这能让其他人轻松加载代码的所有依赖项。

pip 提供了类似的功能,即 pip freeze > requirements.txt

创建环境:

conda create -n env_name list of packages,

-n env_name 设置环境的名称(-n 是指名称),

而 list of packages 是要安装在环境中的包的列表。

创建环境时,可以指定要安装在环境中的 Python 版本。

conda create -n py3 python=3 或 conda create -n py2 python=2 。

要安装特定版本(例如 Python 3.3),请使用 conda create -n py python=3.3。

# 基于 python3.6 创建一个名为test_py3 的环境
conda create --name test_py3 python=3.6 

# 基于 python2.7 创建一个名为test_py2 的环境
conda create --name test_py2 python=2.7

# 激活 test 环境
activate test_py2  # windows
source activate test_py2 # linux/mac

# 切换到python3
activate test_py3

3.3 进入环境

创建了环境后,在 OSX/Linux 上使用 source activate my_env 进入环境。在 Windows 上,请使用 activate my_env。

要离开环境,请键入 source deactivate(在 OSX/Linux 上)。在 Windows 上,请使用 deactivate。

3.4 保存和加载环境

共享环境这项功能确实很有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。可以使用

conda env export > environment.yaml

将包保存为 YAML。

第一部分 conda env export 写出环境中的所有包(包括 Python 版本)。

第二部分 > environment.yaml 将导出的文本写入到 YAML 文件 environment.yaml 中。现在可以共享此文件,而且其他人能够创建和你用于项目相同的环境。

要通过环境文件创建环境,请使用 conda env create -f environment.yaml。这会创建一个新环境,而且它具有在 environment.yaml 中列出的同一库。

3.5 列出环境

如果忘记了环境的名称,可以使用 conda env list 或conda info -e列出你创建的所有环境。你会看到环境的列表,而且你当前所在环境的旁边会有一个星号。默认的环境(即当你不在环境中时使用的环境)名为 root。

3.6 删除环境

不再使用某些环境,可以使用 conda env remove -n env_name 删除指定的环境(在这里名为 env_name)。

3.7 共享环境

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。对于不使用 conda 的人,我通常还会使用 pip freeze(在此处了解详情)将一个 pip requirements.txt 文件包括在内。

pip freeze > requirements.txt

pip install -r requirements.txt

4、错误处理

安装好以后,正常安装django,发现在创建项目的时候会报编码 错误,"UnicodeDecodeError: 'ascii' codec can't decode"

解决办法:

在anaconda的安装路径下找到Lib/mimetypes.py,在import sys之后加入如下代码

if sys.getdefaultencoding() != 'gbk':
    reload(sys)
    sys.setdefaultencoding('gbk')

参考网址:

https://www.zhihu.com/question/42263480

http://python.jobbole.com/86236/

https://foofish.net/compatible-py2-and-py3.html

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

留下脚印,证明你来过。

*

*

流汗坏笑撇嘴大兵流泪发呆抠鼻吓到偷笑得意呲牙亲亲疑问调皮可爱白眼难过愤怒惊讶鼓掌