Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。原文链接：https://blog.csdn.net/ITLearnHall/article/details/81708148
Anacond的介绍
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。
Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换
Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等
Miniconda包括Conda、Python
Anacond下载
下载地址：https://www.anaconda.com/download/
Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例，点击那个 Windows 图标。
我这里选择下载
Python 2.7 version —Python 2.7 版
64-Bit Graphical Installer (564 MB) —64位图形安装程序（564 MB）
当然，你也可以根据自己的实际情况，选择 Python 3.6版的，或者 32-Bit 版本的。
安装包有 564MB，因为网速的关系，下载时间可能会比较长，请耐心等待。我这里下载完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。
安装 Anaconda
双击下载好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出现如下界面，点击 Next 即可。
点击Next
点击 I Agree （我同意），不同意，当然就没办法继续安装啦。
Install for: Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next 。
Destination Folder 是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装到 C:\ProgramData\Anaconda2文件夹下。你也可以选择 Browse… ，选择想要安装的文件夹。我这里 C 盘空间充裕，所以我直接就装到默认的地方。
这里提一下，Anaconda 很强大，占用空间也不小啊，2.6GB，差不多是一部高清电影的体积了。不过，为了学习，这点硬盘空间算什么呢。
继续点击 Next> 。
这里来到 Advanced Options 了，所谓的“高级选项”。如果你英文好，有一定背景知识的话，肯定明白这界面上的意思。两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 2.7，点击“Install”，终于开始安装额。
安装时间根据你的电脑配置而异，电脑配置高，硬盘是固态硬盘，速度就更快。安装过程其实就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件里压缩的各种 dll 啊，py 文件啊，全部写到安装目标文件夹里。
过程还是很漫长的，毕竟 2.6GB 的无数个小文件啊，请耐心等待。
经过漫长的等待，终于安装完成 Installation Complete （安装完成）了，点击最后一个 Next>。
点击Install Microsoft VSCode
点击 Finish，那两个 √ 可以取消。
配置环境变量
如果是windows的话需要去 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是C:\ProgramData\Anaconda2\Scripts, 看个人安装路径不同需要自己调整.
之后就可以打开命令行(最好用管理员模式打开) 输入
1 | conda --version |
如果输出conda 4.5.4之类的就说明环境变量设置成功了.
为了避免可能发生的错误, 我们在命令行输入conda upgrade —all 先把所有工具包进行升级
管理虚拟环境
接下来我们就可以用anaconda来创建我们一个个独立的python环境了.接下来的例子都是在命令行操作的,请打开你的命令行吧.
activate
activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境,
你可以输入python试试, 这样会进入base环境的python解释器, 如果你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。
创建自己的虚拟环境
我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境.
创建一个名称为python34的虚拟环境并指定python版本为3.4(这里conda会自动找3.4中最新的版本下载)
1 | conda create -n python34 python=3.4 |
或者
1 | conda create --name python34 python=3.4 |
于是我们就有了一个learn的虚拟环境, 接下来我们切换到这个环境, 一样还是用activae命令 后面加上要切换的环境名称
切换环境
1 | activate learn |
如果忘记了名称我们可以先用
1 | conda env list |
去查看所有的环境
现在的learn环境除了python自带的一些官方包之外是没有其他包的, 一个比较干净的环境我们可以试试
先输入python打开python解释器然后输入
1 | import requests |
会报错找不到requests包, 很正常.接下来我们就要演示如何去安装requests包
1 | exit() |
退出python解释器
安装第三方包
输入
1 | conda install requests |
或者
1 | pip install requests |
来安装requests包.
安装完成之后我们再输入python进入解释器并import requests包, 这次一定就是成功的了.
卸载第三方包
那么怎么卸载一个包呢
1 | conda remove requests |
或者
1 | pip uninstall requests |
就行啦.
查看环境包信息
要查看当前环境中所有安装了的包可以用
1 | conda list |
导入导出环境
如果想要导出当前环境的包信息可以用
1 | conda env export > environment.yaml |
将包信息存入yaml文件中.
当需要重新创建一个相同的虚拟环境时可以用
1 | conda env create -f environment.yaml |
其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住
1 | activate // 切换到base环境 |