Anaconda 不完全指南

2019-02-24 本文已影响0人猪兔同龙

Anaconda Q&A

Anaconda 是什么？

Anaconda（官方网站) 是一种 Python 语言的开源发行版，等于 Python + 第三方软件包 + 包管理。
Anaconda 用于进行大规模数据处理、预测分析和科学计算，致力于简化包的管理和部署。
Anaconda 使用软件包管理系统 Conda（官方网站）进行包管理。

Anaconda 可以做什么？

Anaconda 是用于部署机器学习和数据科学开发环境的最佳工具。

Anaconda 可以为每一个 Python 应用创建一个独立的运行环境，包括：指定版本的 Python、依赖包、环境变量等。例如：Tensorflow 可以运行在 Python 2.7 和 Python 3.6 下，通过 Anaconda 可以创建两个 Tensorflow 的运行环境，分别对应 Python 2.7 和 Python 3.6 版本。
Anaconda 包含了 1,500+ 个用于数据科学的最流行的 Python，R 和 Scala 软件包，避免了安装、更新、维护数据科学软件包的麻烦。
Anaconda 具有跨平台的特性，可以在 Windows、Linux 和 Mac OS 上运行。

如何获得 Anaconda ？

Anaconda 是开源软件，可以通过官方、第三方镜像、第三方发行来获得。

Anaconda 的官方下载。
Anaconda 的中国镜像可以在网络条件不好的情况下，提高下载速度。目前，中国的主力镜像是清华开源软件镜像和中科大开源软件镜像。
Microsoft 已经将 Anaconda 集成到 Visual Studio 中（Visual Studio 官方网站）- vs 已经逐渐演变成了代码编辑器 + 开发工具集 + 包管理的集成工具，通过安装 vs 2017 中的 Python 开发环境，就可以自动安装 Anaconda。

Anaconda 中包含了什么？

Anaconda 已经包含了 Python 的最新版本，因此无须单独安装 Python。
Anaconda 包含了 Conda 包管理软件。

Anaconda 包含了以下软件
1. Numpy http://www.numpy.org/ N 维数组的数值计算。 2. Scipy https://scipy.org/ Python 的科学计算库。 3. Matplotlib https://matplotlib.org/ Python 的 2D 绘图库。 4. Pandas http://pandas.pydata.org/ 强大的 Python 数据结构、数据分析工具箱。 5. Seaborn http://seaborn.pydata.org/ Python 的统计学绘图库。	6. Bokeh http://bokey.pydata.org/ 可视化、交互式 Web 库。 7. Scikit-Learn https://scikit-learn.org/stable/ 用于机器学习和数据挖掘的 Python 模块。 8. NLTK http://www.nltk.org/ 自然语言处理工具箱。 9. Jupyter Notebook https://jupyter.org/ 允许您创建和共享包含实时代码，方程式，可视化和说明文本的文档的Web应用程序。 10. R essentials 可以使用 “conda install r-essentials” 安装 80 个最常用的数据科学 R 软件包。

Anaconda 包含了以下软件

1. Numpy
    http://www.numpy.org/
    N 维数组的数值计算。

2. Scipy
    https://scipy.org/
    Python 的科学计算库。

3. Matplotlib
    https://matplotlib.org/
    Python 的 2D 绘图库。

4. Pandas
    http://pandas.pydata.org/
    强大的 Python 数据结构、数据分析工具箱。

5. Seaborn
    http://seaborn.pydata.org/
    Python 的统计学绘图库。

6. Bokeh
    http://bokey.pydata.org/
    可视化、交互式 Web 库。

7. Scikit-Learn
    https://scikit-learn.org/stable/
    用于机器学习和数据挖掘的 Python 模块。

8. NLTK
    http://www.nltk.org/
    自然语言处理工具箱。

9. Jupyter Notebook
    https://jupyter.org/
    允许您创建和共享包含实时代码，方程式，可视化和说明文本的文档的Web应用程序。

10. R essentials
      可以使用 “conda install r-essentials” 安装 80 个最常用的数据科学 R 软件包。

Miniconda 是什么？

Miniconda 是 Anaconda 的精简安装包，它基本上只包括：Python、Conda、及其依赖包。它比 Anaconda 安装包小得多。用户可以通过 “conda install PACKAGENAME” 命令，来从头构建自己的环境。

Anaconda 官方用户指南

安装 Anaconda

下载 Windows 版本，一路 next 搞定。有疑问，可以参考官方安装指南。

注意！
Anaconda 对安装目录有以下要求：

目录名不能包含空格，例如：不能使用 “C:\Program Files\” 目录。

目录名不能包含 Unicode 字符，例如：不能使用 “C:\中文路径” 之类的目录。

校验是否正确安装 Anaconda

Anaconda Navigator

通过运行 “Anaconda Navigator” 程序，来检验 Anaconda 是否被正确安装。只要 Navigator 能正确开启，则说明正确安装了 Anaconda。

Conda

通过在 “Anaconda Prompt” 中执行 “conda” 命令，来检验 Anaconda 是否被正确安装。

执行 conda list 命令，将显示已安装的 package name 和 version。
执行 python 命令，开启 Python shell；执行 quit() 命令，退出 Python shell。
执行 anaconda-navigator 命令，将开启 Anaconda Navigator。

卸载 Anaconda

在 Windows “应用和功能” 中，Anaconda 3 很奇怪的没有显示为 “Anaconda 3”，而被显示为 “Python 3.x.x (Anaconda3 xxxx.xx 64bit)”。

Anaconda Uninstall

更新 Anaconda

打开 “Anaconda Prompt”，使用以下指令，可以更新 Anaconda 到最新版本。
conda update conda
conda update anaconda

开始使用 Anaconda

Anaconda Navigator 和 Anaconda Prompt

Anaconda 提供了两种管理方式，它们都可以完成软件包和工作环境管理的任务：

图形化管理：Anaconda Navigator
命令行管理：Anaconda Prompt

作为一个程序员，使用 “Anaconda Prompt” 是最自（装）然（B）的选择。

第一个 Python 程序：Hello Anaconda！

打开 “Anaconda Prompt”
运行 python
键入 print("Hello Anaconda！")
键入 exit()

(base) C:\Users\administrator>python
Python 3.7.1 (default, Dec 10 2018, 22:54:23) [MSC v.1915 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> print("Hello Anaconda！")
Hello Anaconda！
>>> exit()

(base) C:\Users\administrator>

开始使用 Conda

Conda 是 Anaconda 的包管理和环境管理系统。

包管理：对第三方软件包的搜索、安装、更新、卸载。
环境管理：为 Python 应用创建、更改、删除独立的运行环境。

Conda 自学终极大法

Conda Help
显示帮助	`conda --help`
显示某条命令（COMMAND）的帮助	`conda COMMAND --help`

Conda 的自我管理

Managing Conda
显示当前 Conda 版本	`conda --version`
显示当前 Conda 的详细信息	`conda info`
更新 Conda 到最新版本	`conda update conda`
更新 Anaconda 到最新版本	`conda update anaconda`

环境管理

Work with Environments
列出所有可用的工作环境	`conda info --envs`
创建一个新的工作环境。环境名：ENVNAME，并安装 Python 3.6，PKG1 7.6 版以上，及 PKG2	`conda create --name ENVNAME python=3.6 "PKG1>=7.6" PKG2`
按命名激活工作环境	`conda activate ENVNAME`
按目录激活工作环境	`conda activate /path/project-dir`
停用当前工作环境	`conda deactivate`
列出激活环境中，安装的所有软件包及其版本	`conda list`
列出命名环境中，安装的所有软件包及其版本	`conda list --name ENVNAME`
列出激活环境中，所有的修订	`conda list --revisions`
列出命名环境中，所有的修订	`conda list --name ENVNAME --revisions`
将环境回滚到指定的修订版本	`conda install --name ENVNAME --revision REV_NUMBER`
删除一个工作环境	`conda remove --name ENVNAME --all`

环境共享

环境共享主要用于备份、迁移工作环境。

Sharing Environments
克隆一个工作环境	`conda create --clone ENVNAME --name NEWENV`
将一个工作环境导出为 YAML 文件，该文件可以在 Windows、Mac OS、和 Linux 上读取	`conda env export --name ENVNAME > envname.yml`
从一个 YAML 文件创建一个工作环境	`conda env create --file envname.yml`
从当前目录的 environment.yml 文件创建一个工作环境	`conda env create`
导出某个 OS 下，各软件包精确版本的工作环境	`conda list --explicit > pkgs.txt`
创建一个各软件包精确版本的工作环境	`conda create --name NEWENV --file pkgs.txt`

管理 Channels

Channels 是什么？

Channel 在 Conda 中，类似与其它包管理软件的 “源”（Source）或 “仓库”（Repo）的概念。它是由 Anaconda 官方或第三方维护的软件存储库，用户可以检索、下载、安装软件存储库中的软件包。

Anaconda 官方提供了 Defaults Channel，安装 Anaconda 时已经设置好了。
为了提高下载速度，很多第三方镜像了 Anaconda Distribution。
Anaconda 国内的镜像：清华大学开源软件镜像和中科大开源软件镜像。
可以通过搭建私有 Channel 的方式，发布自己的软件包。

添加、删除 Mirrors Channel

添加清华源
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
添加中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
删除镜像源
conda config --remove-key channels

2019/02/27 实测：

清华大学源速度并不比官方源速度快。

中科大源则安装 vs2015_runtime 时报错。

Channels 的选择逻辑

不同的 Channels 可能包含相同的软件包（例如：Mirrors Channel 与 Defaults Channel 就包含了完全相同的软件包），因此 Conda 需要决定从哪个 Channel 中下载、安装软件包。

最新版 Conda（ 4.1 版之后），引入了优先级（channel priority）的概念，添加源的命令也同步修订为了两条：

在 Channel list 的顶部添加源（添加最高优先级的源）：
conda config --prepend channels new_channel
--prepend channels 命令等同于 --add channels 命令：
conda config --add channels new_channel
在 Channel list 的底部添加源（添加最低优先级的源）：
conda config --append channels new_channel

对于同名软件包，Conda 按照以下的逻辑来选择安装次序：

对软件包，按照源的优先级从高到低排序；
同一个源内，软件包按照版本号从高到低排序；
同一个源内，相同版本号的软件包，按照 build number 从高到低排序；
经过以上排序后，安装排序表中第一个符合安装选项的软件包。

Tips：

用于加速的镜像源，应该放在 Channel list 的顶部（最高优先级），以覆盖 Defaults Channel，才能起到加速的作用。

发布第三方或自有的软件包，应该将源添加到 Channel list 的底部（最低优先级），保证不会覆盖 Defaults Channel。

安装、卸载、更新软件包

Using Packages and Channels
从当前配置的所有源（可以通过 `conda info` 命令查看）中搜索 Package。	`conda search PKGNAME`
在当前工作环境中，安装 Package	`conda install PKGNAME`
在指定工作环境中，安装 Package	`conda install --name ENVNAME PKGNAME`
安装确切版本的 Package（例如：3.1.4）	`conda install PKGNAME=3.1.4`
安装不低于指定版本的 Package（例如：3.1+)	`conda install "PKGNAME>=3.1"`
安装子版本最新的 Package （例如：3.1.x）	`conda install PKGNAME=3.1"`
删除指定工作环境中的 Package	`conda uninstall --name ENVNAME PKGNAME`
更新指定工作环境中的所有 Package	`conda update --name ENVNAME --all`