Maturest

# Python 环境准备

# Anaconda

平常我们经常会遇到这种情况：一台电脑（服务器）要跑 python 的多个项目，但项目依赖的 python 的版本不一致，就像前端 node 那样，那么有没有像 nvm 那样管理 node 版本的管理器呢，答案是有的，他就是 anaconda ，俗称大蟒蛇，清华大学开源软件镜像站 (opens new window)可以加速下载，它包含了包管理器、环境管理器和 Python 发行版，包含众多开源包。

# conda (opens new window)

Conda provides package, dependency, and environment management for any language.

conda 是包及其依赖项和环境的管理工具。如果你需要的包要求不同版本的Python，你无需切换到不同的环境，因为conda同样是一个环境管理器。仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。

# pip

pip是用于安装和管理软件包的包管理器。

# virtualenv

virtualenv是用于创建一个独立的Python环境的工具。virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。

它解决一下问题：

  • 当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。

  • 如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。

  • 在共享主机时，无法在全局 site-packages 目录中安装包。

# conda 与 pip 的区别

pip:

  • 不一定会展示所需其他依赖包。

  • 安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。

conda:

  • 列出所需其他依赖包。

  • 安装包时自动安装其依赖项。

  • 可以便捷地在包的不同版本中自由切换。

  • conda结合了pip和virtualenv的功能。

  • pip仅适用于python, conda适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。

# 安装

很简单，点击下载 exe 文件，然后进行一步一步安装即可。不过安装之后，需要更换一下镜像源，这样会加快包的下载安装速度。在用户目录下，编辑 .condarc文件，替换为以下内容。（Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。）

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

替换完以上内容之后，运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

# conda 环境管理 (opens new window)

检测 conda 版本

conda --version

查看 conda 帮助信息

conda -h

创建新环境

conda create -n <env_name> <package_names>

//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,创建多个包，则直接以空格隔开
conda create -n python3 python=3.5 numpy pandas

切换环境

// 激活环境
conda activate <env_name>

// 退出当前环境
conda deactivate

显示已创建环境

conda env list

conda info -e

删除环境

conda remove -n <env_name> --all

# conda 包管理 (opens new window)

查询包

conda search

获取当前环境中已安装的包信息

conda list

在当前环境安装包

conda install <package_name>

制定环境安装包

conda install -n myenv numpy

当使用 conda install 无法进行安装时，可以使用pip进行安装。

pip install

从当前环境删除包

 conda remove <package_name>

从指定环境删除包，多个包使用空格

conda remove -n myenv <package_name>

删除所有包he环境自己

 conda remove -n myenv --all

软件包更新

conda update -n myenv <package_name>

python 安装的内容：

1、python 解释器

2、pip 包管理器，管理一些扩展包（安装目录为 lib/site-packages）

// 注意切换镜像源

pip install name

pip uninstall name

3、python 标准库，Lib 文件夹

编辑器配置 →