目录

一. Anaconda 是什么

Anaconda 是一个开源的 Python 和 R 语言的发行版，用于科学计算、数据分析、机器学习和大数据处理等领域。它包含了许多常用的数据科学工具和库，并提供了一个方便的包管理系统，使得用户可以轻松地安装、管理和更新各种数据科学工具和库。

Anaconda 包括以下主要组件：

  1. Python 和 R：Anaconda 自带 Python 和 R 语言的解释器，并预先安装了许多常用的数据科学包和库。这使得用户可以立即开始在 Python 或 R 中进行数据分析、科学计算和机器学习等任务。
  2. conda：conda 是 Anaconda 的包管理器和环境管理器。它可以用于安装、升级、删除软件包，并管理不同版本的软件包之间的依赖关系。conda 还允许用户创建、管理和切换不同的环境，以便在同一台机器上同时运行多个不同版本的软件。
  3. Jupyter Notebook：Jupyter Notebook 是一个交互式的笔记本环境，可以在网页浏览器中创建和共享文档，包括实时代码、可视化图形、文本和其他富媒体内容。
  4. Spyder：Spyder 是一个基于 Python 的集成开发环境，提供了丰富的编辑器、调试器和其他开发工具，适用于开发和调试 Python 代码。

正因为 Anaconda 集成了 Python、Jupyter Notebook、NumPy、Pandas、Matplotlib 等诸多数据科学工具和库，并且提供了简单易用的环境管理工具，可以轻松地创建、管理和切换不同的 Python 虚拟环境，Anaconda 在项目开发中被广泛使用。安装好 Anaconda 的计算机会自带一个基础环境，后续项目开发时每个项目需要的安装包不同，为了避免冲突，可以为每个项目配置一个虚拟环境，以 避免不同项目之间环境依赖的冲突。

二. Anaconda 的安装

本文介绍的是 Windows 上的安装流程，Linux 上的安装方法可以参考 如何在Linux服务器上安装Anaconda（超详细）。

1. 下载安装包

去 官网 下载 Anaconda：

在这里插入图片描述

2. 安装

双击安装包安装即可：

在这里插入图片描述

安装过程中，如果在 Advanced Options 时没有勾选 Add Anaconda3 to my PATH environment variable，则需要手动配置环境变量 1：

  1. 右键 “此电脑” —> 属性 —> 高级系统设置 —> 高级 —> 环境变量，选中系统变量 Path 进行编辑；
  2. 将 Anaconda、Anaconda\Scripts 和 Anaconda\Library\bin 添加到 Path 中：
    在这里插入图片描述

3. 检查

添加完环境变量可以使用 cmd 运行 conda --version 检查 Anaconda 的安装情况，如图所示即为安装成功：
在这里插入图片描述

（ 附：Linux 服务器上安装 Anaconda 方法：

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh	# 下载安装包
chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh	# 添加可执行权限
./Anaconda3-2024.02-1-Linux-x86_64.sh			# 安装
# ---- 打开新的终端 ----
conda -V										# 验证安装

三. Anaconda 的使用

Anaconda 自带 Python 解释器，因此安装好 Anaconda 后不需要再额外安装 Python 解释器。可以在 cmd 中使用 python 命令检查解释器，如下图所示：
在这里插入图片描述

安装 Anaconda 时，还附带了基于 cmd 的 Anaconda Prompt 和基于 Powershell 的 Anaconda Powershell Prompt，可以来管理 conda 环境。下面以 Anaconda Powershell Prompt 为例，介绍 Anaconda 的常用指令。

1. 创建虚拟环境

安装好的 Anaconda 自带一个基础环境 base，为了避免冲突，可以使用 conda create [-n ENVIRONMENT_NAME] [PACKAGE1 PACKAGE2 ...] 指令为每个项目单独配置虚拟环境，以避免不同项目之间环境依赖的冲突。创建环境时，可以指定 Python 版本、要安装的包，以及环境的名称。指令的可选参数如下：

  • -n, --name：指定要创建的环境的名称；
  • -c, --channel：指定从特定的 Conda 频道安装包；
  • --file：从文件中读取要安装的包的列表；
  • -p, --prefix：指定环境的路径；
  • -y：执行命令时不需要确认，可以直接执行；

示例如下：

conda create -n myenv -y python=3.8
conda create -n myenv numpy pandas
conda create -n myenv --file requirements.txt

2. 激活虚拟环境

创建完成虚拟环境后，可以使用 conda activate ENVIRONMENT_NAME 命令来激活创建的环境：

在这里插入图片描述

3. 列举虚拟环境

可以使用 conda env list 列出当前的所有虚拟环境：

在这里插入图片描述

* 表示当前所处环境。

4. 退出虚拟环境

当需要切换虚拟环境或者退出当前虚拟环境时，可以使用 conda deactivate 命令：
在这里插入图片描述

5. 删除虚拟环境

当一个环境不再使用后，可以使用 conda remove --name ENVIRONMENT_NAME --all 命令将其删除：
在这里插入图片描述

需要注意的是，删除环境前需要先退出当前环境。

四. 包管理

1. 安装包

激活 conda 环境后，可以使用 conda install PACKAGE_NAME(=version)、conda update PACKAGE_NAME、conda remove PACKAGE_NAME 命令来安装、更新、移除指定的包：
在这里插入图片描述

在当前环境安装的包，不会在环境外显示。安装完成后的包，可以运行 conda list 命令来查看当前环境下所有的包；也可以运行 python 命令启动 Python 解释器的交互模式，然后 import 查看：
在这里插入图片描述

如果不知道安装什么版本的包，可以使用 conda search PACKAGE_NAME 指令查询可用的版本：
在这里插入图片描述

2. conda 安装和 pip 安装的区别

虽然 conda 和 pip 都可以安装软件包，但有一些差别：

  1. 安装位置：
    • 通过 pip 安装的 Python 软件包通常会被安装到 Python 解释器的 site-packages 目录下：Linux 中一般在 /usr/local/lib/python3.x/site-packages/ 下，Windows 中一般在 C:\Python3.x\Lib\site-packages\ 下；
    • 通过 conda 安装的 Python 软件包通常会被安装到 conda 环境下特定目录：base 环境一般在 /anaconda3/lib/python3.x/site-packages/，新建 conda 环境一般在 /path/to/your/env/lib/python3.x/site-packages/；
  2. 软件包来源：
    • pip 是 Python 的默认包管理工具，主要用于从 Python Package Index (PyPI) 安装和管理 Python 软件包；
    • conda 是 Anaconda 发行版自带的包管理工具，它能够管理包括 Python 软件包在内的任何软件包，并提供了自己的软件仓库；

总的来说，pip 适用于管理 Python 包，而 conda 则更适用于管理整个软件环境。因此大多数情况下，项目开发会 使用 conda 创建虚拟环境，然后 使用 pip 安装软件包。

3. 换源

Anaconda 默认的下载源都是国外源，如果使用国内网会速度缓慢甚至中断，因此可以使用 conda config --add channels 命令将国内源设置为默认下载源 2：

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

pip 也可以直接换源 3：

python -m pip install --upgrade pip
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

如果 conda install 和 pip install 都不能正常安装，可以尝试从 Anaconda.org 进行安装 4。

五. VS Code 开发

安装 Anaconda 时，自带 Spyder 和 Jupyter notebook，可以针对性地进行科学计算和数据分析等集成开发。但这些 IDE 在项目开发中还是不够方便，众多开发者还是普遍更愿意使用 VS Code 或者 PyCharm，下面介绍在 VS Code 中使用 Anaconda 的开发方法。

1. 安装插件

在 VS Code 中安装与 Python 相关的插件：
在这里插入图片描述

为了在 VS Code 中运行代码，还需要安装 Code Runner 插件：
在这里插入图片描述

2. 打开工作区

安装了 Python 相关的插件后，就可以在 VS Code 中进行 Python 相关开发了。打开项目文件夹即可：
在这里插入图片描述

3. 选择解释器

要想让项目成功运行，还需要选择合适的 Python 解释器。点击右下角选择 Python 解释器，可以在不同的 Conda 环境中选择：
在这里插入图片描述

需要注意的是，Python 项目文件和 Conda 环境并无直接关系。Conda 环境本质上就是一个具有独立 Python 解释器和一组特定依赖项的环境，可以支持多个不同的 Python 项目文件的运行；Python 项目文件可以在任何安装了所需依赖的环境中运行，只要在运行项目之前确保所需的依赖都已经安装。

由于 Microsoft / vscode-python 的技术限制 5，底部导航栏的终端只能展示文件路径，无法像 Anaconda Powershell Prompt 一样显示当前 Conda 环境：
在这里插入图片描述

可以使用 conda env list 命令检查，* 标出的即为当前环境：
在这里插入图片描述

4. 集成终端命令

在 VS Code 的集成终端中，conda 的 activate 命令无法正常工作。如果想要激活环境，可以使用 D:\KSoftware\Anaconda\Scripts\activate.bat ENVIRONMENT_NAME 命令：
在这里插入图片描述

如果想要退出终端，可以使用 deactivate 命令，或者直接选择其他解释器。

5. Run Code 解释器

虽然此前已经选择了 conda 环境的 Python 解释器，但是使用 VS Code 右上角 Run Code 按钮运行 python 文件时，还是会出现 ModuleNotFoundError：
在这里插入图片描述

启动 Python 解释器的交互模式输出 sys.executable 检查 Python 解释器的路径发现 VS Code 的终端默认使用 base 环境的解释器：
在这里插入图片描述

造成上述问题的原因是 右上角的 Run Code 按钮和右下角的 Python 环境是分离的，前者来自 Code Runner 插件，后者由 Python 插件支持。点击 Run Code 按钮后，VS Code 执行 Code-runner: Executor Map 下 Edit in settings.json 中 python 对应的指令，由于 系统变量中只添加了 base 环境的解释器路径，所以 VS Code 的终端默认使用 base 环境的解释器。

  • 方法一：想要使用 conda 环境的解释器执行 python 文件，可以手动指定 conda 环境的 python 解释器路径，即 path\to\your\env\python.exe -u "path\to\your\file.py"：
    在这里插入图片描述

  • 方法二：运行 Python 文件时不使用来自 Code Runner 插件的 Run Code，而使用来自 Python 插件的 Run Python File 6：
    在这里插入图片描述

  • 方法三：打开设置，搜索 “Code Runner Executor Map”；在 “Code-runner: Executor Map” 中点击编辑 settings.json；将 python 对应命令修改为指定的解释器路径：
    在这里插入图片描述

六. VS Code 个性化设置

1. 切换输出位置

在安装了 Code Runner 插件后，运行 .py 文件可以直接点击右上角的 Run Code 按钮，运行结果会出现在下方的导航栏：
在这里插入图片描述

对于用惯了服务器命令行的用户，肯定希望输出结果都在 “终端” 显示，而不是 “输出”。如果此时 VS Code 的输出结果是在 “输出” 中显示，可以进行如下操作 7，将输出结果切换至 “终端”：

  1. 打开设置，搜索 “Code Runner Executor Map”：
    在这里插入图片描述
  2. 在 “Code-runner: Executor Map” 中点击编辑 settings.json；
  3. 添加 "code-runner.runInTerminal": true 字段即可：
    在这里插入图片描述

  1. Anaconda安装(2023年10月最新版)并配置Python环境 ↩︎

  2. Anaconda安装(2023年10月最新版)并配置Python环境 ↩︎

  3. 清华大学开源软件镜像站 ↩︎

  4. 还是搞不懂Anaconda是什么?读这一篇文章就够了 ↩︎

  5. Activate Environments in Terminal Using Environment Variables ↩︎

  6. vscode python runcode中的虚拟环境指定 ↩︎

  7. vsCode切换输出面板从【终端】到【输出】面板 ↩︎

# python # conda
Logo
智灵弹性算力系统

为开发者提供按需使用的算力基础设施。

更多推荐

cover

用 Fiddler 来抓取手机包

avatar 智灵弹性算力系统
cover

Java中的Map（如果想知道Java中有关Map的知识点，那么只看这一篇就足够了！）

avatar 智灵弹性算力系统
cover

太高效！ChatGPT论文润色攻略

avatar 智灵弹性算力系统