Anaconda

1. 认识 Anaconda

1.1 Anaconda 安装

首先有必要对 Anaconda、conda、pip、virtualenv 等这些有个认识，以及 Anaconda 在 Windows、MacOS、Linux 下的安装教程，参考：

简单总结下：

  • Anaconda 就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda 包含了 conda、Python 在内的超过 180 个科学包及其依赖项。简单说，当在电脑上安装好 Anaconda 以后，就相当于安装好了 Python，还有一些常用的库，如 numpy，scrip，matplotlib 等库。

  • conda 是包及其依赖项和环境的管理工具。

  • pip 是用于安装和管理软件包的包管理器。

  • virtualenv 是用于创建一个独立的 Python 环境的工具。

安装 Anaconda ：点击 这里 下载对应自己想要安装的 python 版本的 Anaconda ，然后下一步下一步安装就行。

注意：因为 anaconda 是自带 Python 的，所以不需要自己再去下载安装 Python 了，当然，如果你已经安装了 Python 也不要紧，不会发生冲突的。

在安装过程有遇到的问题和注意的地方，在这记录下：

（1）我的电脑就已经安装过 Python 环境并设置到了电脑的用户变量 PATH 中，但在安装 Anaconda 完毕之后，我的电脑只有这么一个菜单，如下：

https://img-1256179949.cos.ap-shanghai.myqcloud.com/18-7-12-35379422.jpg

不知道怎么回事，尝试卸载了再重装几次还是这样。然后按照 Python3学习壹——Anaconda+Pycharm环境搭建 作者的解决方式，删除了之前的 Python 环境变量再重装，但也不行，以及按照该文 关于安装Anaconda3各种各样的问题，吐血总结 的方式，进入 Anaconda 安装目录下的 CMD 中敲 python .\Lib\_nsis.py mkmenus 也没成。无奈之下，干脆卸载了 Python 再安装 Anaconda，也没解决这个问题。

最后，尝试把安装目录改为别的地方，竟然 ok 了。（注：之前一直选择的是和 Python安装目录的同一目录，莫非这个导致的？）

（2）假设 Anaconda 安装目录为 D:\Anaconda3 ，则把 D:\Anaconda3;、 D:\Anaconda3\Scripts;、 D:\Anaconda3\Library\bin;，把它们添加到 PATH 中。

1.2 源配置

使用 Anaconda 管理，安装 Python 库的时候默认是使用国外的源，这时候下载速度会很慢，国内的源下载速度要好很多。参考：在pycharm中配置Anaconda以及pip源配置

(1) pip 源配置

配置环境：Windows7 （64位），Python3.6

  1. 在 Windows 文件管理器中，输入 %APPDATA% 回车

  2. 接着会定位到一个新的目录，在这个目录中新建一个 pip 文件夹，然后在 pip 文件夹中新建个 pip.ini 文件

  3. 最后再新建的 pip.ini 文件中输入一下内容：

    [global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

(2) Anaconda 源配置

在安装了 Anaconda 后，我们也可以使用 Anaconda 来进行 Python 库的安装，同样的也需要进行源的配置。

这个配置方法就很简单了，你只需要在配置了 Anaconda 的终端（Terminal）输入一下命令即可：

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

conda config --set show_channel_urls yes

好了，源的配置到此就完成了。大家有兴趣可以去清华大学的 开源镜像站 看看，会有很多惊喜的。

2. conda 的包管理

Anaconda 为我们提供方便的包管理命令：conda，下面我们来看看都有哪些有用的命令。

conda --v #验证conda已被安装
conda --h #查看conda帮助信息

conda list # 查看已经安装的packages
conda list -n py3 # 查看某个指定环境py3的已安装包

conda search numpy # 查找package信息
conda search --full-name python #查找全名为“python”的包有哪些版本可供安装。

conda install -n py3 numpy # 安装package到名为py3环境,如果不用-n指定环境名称，则被安装在当前活跃环境
conda install scipy # 安装scipy到当前活跃环境
conda update --all 或者 conda upgrade --all # 更新所有包
conda update -n py3 numpy # 更新名为py3环境的package
conda remove -n py3 numpy # 删除名为py3环境的package

由于 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：

conda update conda # 更新conda，保持conda最新
conda update anaconda # 更新anaconda
conda update python # 更新python

卸载 Anaconda：

Linux 或 MacOS 下： rm -rf ~/anaconda3
Windows 下：控制面板 → 卸载程序 → 选择“Python X.X (Anaconda)” → 点击“删除程序”

当使用 conda install 无法进行安装时，可以使用 pip 进行安装，例如：see 包。

pip install <package_name>

注1： <package_name> 为指定安装包的名称。包名两边不加尖括号“<>”。
如： pip install see 即安装see包。

注2：当前是哪个环境，pip 会把包安装在当前环境。

1、pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。
2、pip无法更新python，因为pip并不将python视为包。
3、pip可以安装一些conda无法安装的包；conda也可以安装一些pip无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。

另：当使用 conda install 无法进行安装时，可以考虑从 http://Anaconda.org 搜索要安装的包名，并获取安装包的命令，进行安装。

3. Anaconda 环境管理

关于 Anaconda 的环境重点说下。

（1）创建新环境： conda create --name <env_name> <package_names>

<env_name> 即创建的环境名。建议以英文命名，且不加空格，名称两边不加尖括号“<>”。
<package_names> 即安装在环境中的包名。名称两边不加尖括号“<>”。

① 如果要安装指定的版本号，则只需要在包名后面以 = 和版本号的形式执行。如：conda create --name py2 python=2.7 ，即创建一个名为“py2”的环境，环境中安装版本为2.7的python。

② 如果要在新创建的环境中创建多个包，则直接在 <package_names> 后以空格隔开，添加多个包名即可。如： conda create -n py3 python=3.5 numpy pandas ，即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。

注1：--name 可以替换为 -n 。
注2：默认情况下，新创建的环境将会被保存在 Anaconda 安装目录下的 envs 目录，其中， <user_name> 为当前用户的用户名。

注：假设创建的新环境为 py3（会在 Anaconda 安装目录下 env 文件夹下生产同名的文件夹 py3），activate py3 进入 py3 环境中，再运行命令：conda install tensorflow，则会安装 tensorflow 到 py3 此环境中，即下载的 TensorFlow 文件，存放在 D:\Anaconda3\envs\py3\Lib\site-packages 下。

（2）切换环境

① Linux 或 macOS 下：source activate <env_name>

② Windows 下：activate <env_name>

③ 提示

  • 如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python 2.x；如果安装Anaconda第3版，则会自动安装Python 3.x。

  • 当成功切换环境之后，在该行行首将以“(env_name)”或“[env_name]”开头。其中，“env_name”为切换到的环境名。如：在macOS系统中执行 source active python2，即切换至名为“python2”的环境，则行首将会以(python2)开头。

（3）退出环境至root

① Linux 或 macOS 下：source deactivate

② Windows 下：deactivate

③ 提示：当执行退出当前环境，回到root环境命令后，原本行首以“(env_name)”或“[env_name]”开头的字符将不再显示。

（4）显示已创建环境：conda info --envs 或 conda env list

（5）复制环境：conda create --name <new_env_name> --clone <copied_env_name>

注意：
① <copied_env_name> 即为被复制/克隆环境名。环境名两边不加尖括号“<>”。

② <new_env_name> 即为复制之后新环境的名称。环境名两边不加尖括号“<>”。

③ conda create --name py2 --clone python2 ，即为克隆名为“python2”的环境，克隆后的新环境名为“py2”。此时，环境中将同时存在“python2”和“py2”环境，且两个环境的配置相同。

（6） 删除环境：conda remove --name <env_name> --all

  • 注意： <env_name> 为被删除环境的名称。环境名两边不加尖括号“<>”。

有了虚拟环境，在 PyCharm IDE 下就可以指定虚拟环境下的解析器，非常方便。具体做法是：File –> Default settings –> Default project –> project interpreter，接着点击 project interpreter 的右边的小齿轮，选择 add local ，选择 anaconda 文件路径下想要使用的虚拟环境下的 python.exe，接着 PyCharm 会更新解释器，导入模块等，要稍等一点时间。

注：在 PyCharm IDE 中安装库会自动下载到指定解析器所在的环境的 <env-name>\Lib\site-packages 下。

另外：关于创建虚拟环境，如果你只是安装了 Python，官方自带创建虚拟环境功能，如创建名为 myenv 的虚拟环境 python -m venv myenv ；另外也可以通过安装 virtualenv 来创建虚拟环境，步骤如下：

  1. 首先安装 virtualenv：pip install virtualenv

  2. 创建虚拟环境：

    $ mkdir myproject
$ cd myproject
$ virtualenv venv

    创建了一个名为 myproject 的文件夹，然后这里边创建虚拟环境 venv。参考：Anacodna之conda VS Virtualenv VS Python 3 venv 对比使用教程，创建虚拟环境

关于 pip 和 virtualenv 以及 conda 区别，可以这么理解：pip 是一个包管理器，virtualenv 是一个环境管理器，而 conda 就是它们俩的综合体。