| 第9行: |
第9行: |
| | == 软件包的管理 == | | == 软件包的管理 == |
| | [[File:2_看图王.jpg|600px]] | | [[File:2_看图王.jpg|600px]] |
| − |
| |
| | 软件包管理器用于在计算机上安装库和其他软件。可能你已经熟悉pip了,它是Python库的默认包管理器。 Conda与pip类似,只不过Conda的可用包专注于数据科学,而pip应用广泛。然而,conda并不像pip那样为Python量身打造,它也可以安装非Python包。它是任何软件堆栈的包管理器。话虽如此,不是所有的Python库都可以从Anaconda发行版和conda获得。 | | 软件包管理器用于在计算机上安装库和其他软件。可能你已经熟悉pip了,它是Python库的默认包管理器。 Conda与pip类似,只不过Conda的可用包专注于数据科学,而pip应用广泛。然而,conda并不像pip那样为Python量身打造,它也可以安装非Python包。它是任何软件堆栈的包管理器。话虽如此,不是所有的Python库都可以从Anaconda发行版和conda获得。 |
| | 你可以(并且今后仍然)使用pip和conda一起安装软件包。Conda安装预编译的软件包。例如,Anaconda发行版带有使用MKL库编译的Numpy,Scipy和Scikit-learn,它们加快了各种数学操作。这些软件包由供应商维护,这意味着它们通常落后于新版本。但是对于需要为许多系统构建软件包的客户来说,这些软件包往往更稳定(并且更加方便您使用)。 | | 你可以(并且今后仍然)使用pip和conda一起安装软件包。Conda安装预编译的软件包。例如,Anaconda发行版带有使用MKL库编译的Numpy,Scipy和Scikit-learn,它们加快了各种数学操作。这些软件包由供应商维护,这意味着它们通常落后于新版本。但是对于需要为许多系统构建软件包的客户来说,这些软件包往往更稳定(并且更加方便您使用)。 |
| | | | |
| | == Environments 运行环境 == | | == Environments 运行环境 == |
| − | [[File:a444.png|600px]] | + | [[File:A444.png|400px]] |
| | | | |
| | Conda除了可以管理包,也是一个虚拟环境管理工具。它与virutalenv和pyenv等其他流行的环境管理工具类似。不同的项目的环境允许你分离和独立出你在不同项目中使用的不同包。你通常会经常使用不同的代码工作,而这些代码依赖于不同版本的库。例如,你的代码可能使用了Numpy的新特性,而另一些代码使用了一些被废除的旧特性。但是你实际上不可能一次同时安装2个不同版本的Numpy。取而代之,你可以针对每个版本Numpy设置一个环境,然后让你的项目在恰当的环境下工作。当你在Python 2和Python 3之间切换时,这种问题同样很常见。你使用的旧代码可能不能在Python 3下运行,而新的代码不能在Python 2下运行。但同时安装2个Python会导致许多混乱和问题。而使用分离的环境是一个更好的选择。 | | Conda除了可以管理包,也是一个虚拟环境管理工具。它与virutalenv和pyenv等其他流行的环境管理工具类似。不同的项目的环境允许你分离和独立出你在不同项目中使用的不同包。你通常会经常使用不同的代码工作,而这些代码依赖于不同版本的库。例如,你的代码可能使用了Numpy的新特性,而另一些代码使用了一些被废除的旧特性。但是你实际上不可能一次同时安装2个不同版本的Numpy。取而代之,你可以针对每个版本Numpy设置一个环境,然后让你的项目在恰当的环境下工作。当你在Python 2和Python 3之间切换时,这种问题同样很常见。你使用的旧代码可能不能在Python 3下运行,而新的代码不能在Python 2下运行。但同时安装2个Python会导致许多混乱和问题。而使用分离的环境是一个更好的选择。 |
| 第28行: |
第27行: |
| | [[File:conda list 1.png|1000px]] | | [[File:conda list 1.png|1000px]] |
| | | | |
| − | [[File:conda list 4.png|1000px]] | + | [[File:800px-Conda_list_4.png|400px]] |
| | | | |
| | === 在windows系统上安装Anaconda === | | === 在windows系统上安装Anaconda === |
| 第71行: |
第70行: |
| | conda create -n my_env numpy | | conda create -n my_env numpy |
| | | | |
| − | [[File:创建环境(1).png|800px]] | + | [[File:创建环境(1).png|400px]] |
| − | | |
| | | | |
| | 创建环境时,可以指定要在环境中安装的Python版本。 当你同时在Python 2.x和Python 3.x中使用代码时,这是非常有用的。 | | 创建环境时,可以指定要在环境中安装的Python版本。 当你同时在Python 2.x和Python 3.x中使用代码时,这是非常有用的。 |
| 第118行: |
第116行: |
| | | | |
| | deactivate | | deactivate |
| − | | + | [[File:800px-QQ截图进入环境.png|400px]] |
| − | [[File:QQ截图进入环境.png|800px]] | |
| | | | |
| | === 保存与加载环境 === | | === 保存与加载环境 === |
| 第127行: |
第124行: |
| | 您可以通过 conda env export > environment.yaml保存包至YAML文件。在第一部分conda env目录下中导出书写所有在这个运行环境下的包,其中也包括python版本。 | | 您可以通过 conda env export > environment.yaml保存包至YAML文件。在第一部分conda env目录下中导出书写所有在这个运行环境下的包,其中也包括python版本。 |
| | | | |
| − | [[File:保存环境env-export.png|800px]] | + | [[File:保存环境env-export.png|400px]] |
| | | | |
| | === 将输出环境打印到终端 === | | === 将输出环境打印到终端 === |