Anaconda的安装、使用以及与PyCharm的链接

时间：2018-12-12 17:36:39 阅读：382 评论：0 收藏：0 [点我收藏+]

标签：集成开发环境管理 mini jupyter logo syntax bubuko 用户 settings

初学Python的盆友们是否有这样的疑惑：

选择Python2还是Python3呢？（后者并不完全兼容前者）

听说两者可以同时安装，那怎么管理呢？

Python那么丰富的第三方库，一个一个装太麻烦啦

选哪种IDE呢？

……

诸如此类的问题，相信大多数初学者跟刚入门的我一样都是一脸懵逼，程序员在于折腾。

这里推荐使用 Anaconda 来管理你的安装环境和各种工具包（无需再安装python环境），而IDE推荐使用PyCharm

一、为什么选择Anaconda？

友情提示：千万不要百度Anaconda图片！！！（手贱百度了想找个logo，没把宝宝吓尿了，anaconda意思是“大蟒蛇”）

“With over 6 million users, the open source Anaconda Distribution is the fastest and easiest way to do Python and R data science and machine learning on Linux, Windows, and Mac OS X. It‘s the industry standard for developing, testing, and training on a single machine.”——来自官网的简介

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（比如numpy、pandas等）

conda 是开源包（packages）和虚拟环境（environment）的管理系统，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

packages 管理： 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的优点总结起来就八个字：省时省心、分析利器。

省时省心： Anaconda通过管理工具包、开发环境、Python版本，大大简化了工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。
分析利器： 在 Anaconda 官网中是这么宣传自己的：适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。

二、如何安装Anaconda？

官网下载https://www.anaconda.com/

右上角选择“Downloads”，选择相应的版本（Windows、macOS、Linux）进行下载，推荐选择Python3的版本（Python2的版本到2020年停止维护）

技术分享图片

下载后双击安装，自定义选择路径，按提示下一步即可

tips1：可以勾选第一个（如下图），此时自动添加环境变量，无需手动配置

技术分享图片

tips2：安装中途会弹出一个空的命令行窗口，不要手贱点击关闭，最小化即可

技术分享图片

tips3：安装时间较长，请耐心等待

安装完成之后可以看到一共有

技术分享图片

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。
Anaconda Prompt：终端控制，类似cmd命令行（无需再键入“python”）
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（可以直接在Anaconda Prompt中输入）

conda upgrade --all

根据提示输入y，然后坐等升级……

至此，安装完成，下面让我们看一下如何用 Anaconda 管理工具包和环境。

三、如何管理Python包？

查看已安装的所有包：conda list

安装某个包：conda install package_name

安装多个包(包之间以空格隔开）：conda install package_name1 pacakge_name2 package_name3

安装某个具体版本的包：conda install package_name=版本号

卸载某个包：conda remove package_name

升级某个包：conda upgrade package_name

vs pip命令安装和卸载命令

某些情况下使用conda命令失败，此时可以尝试使用python 下的pip命令

安装某个包：pip install package_name

卸载某个包：pip uninstall package_name

四、如何管理Python环境？

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

# 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