率先大家就要确认你早就设置好了conda,如过曾经

2019-10-14 21:59栏目:计算机操作
TAG:

 

保存和加载环境

一个很有用的特性就是“环境共享”,别人就可以很方便就安装所有你程序中用到的软件包,并且保证版本号的正确。你可以用命令 conda env export > environment.yaml 保存软件包列表到一个 YAML 文件中。其中 conda env export 会输出环境中所有的软件包信息,包括 Python 的版本。

图片 1

输出当前环境软件包信息

在上面可以看到环境的名字和所有的依赖(包括版本号)。其中 > environment.yaml 会把内容输出到environment.yaml YAML 文件中。这个文件可以共享给别人,别人就能够创建同样的环境了。

要加载一个 YAML 文件创建环境,使用conda env create -f environment.yaml。这会创建一个与environment.yaml 文件中同样名字的新环境。

保存和加载环境

共享环境这项功能确实很有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。可以使用conda env export > environment.yaml将包保存为YAML。第一部分conda env export写出环境中的所有包(包括 Python 版本)。

上图可以看到列出了环境的名称和所有依赖项及其版本。导出命令的第二部分> environment.yaml将导出的文本写入到 YAML 文件environment.yaml中。现在可以共享此文件,而且其他人能够创建和你用于项目相同的环境。

要通过环境文件创建环境,请使用conda env create -f environment.yaml。这会创建一个新环境,而且它具有在environment.yaml中列出的同一库。

Anaconda多环境多版本python配置操作方法,anacondapython

conda测试指南

在开始这个conda测试之前,你应该已经下载并安装好了Anaconda或者Miniconda

注意:在安装之后,你应该关闭并重新打开windows命令行。

一、Conda测试过程:

使用conda。首先我们将要确认你已经安装好了conda

配置环境。下一步我们将通过创建几个环境来展示conda的环境管理功能。使你更加轻松的了解关于环境的一切。我们将学习如何确认你在哪个环境中,以及如何做复制一个环境作为备份。

测试python。然后我们将检查哪一个版本的python可以被安装,以及安装另一个版本的python,还有在两个版本的python之间的切换。

检查包。我们将1)罗列出安装在我们电脑上的包,2)浏览可用的包,3)使用conda install命令来来安装以及移除一些包。对于一些不能使用conda安装的包,我们将4)在Anaconda.org网站上搜索。对于那些在其它位置的包,我们将5)使用pip命令来实现安装。我们还会安装一个可以免费试用30天的商业包IOPro

移除包、环境以及conda.我们将以学习删除你的包、环境以及conda来结束这次测试。

二、完整过程

提示:在任何时候你可以通过在命令后边跟上--help来获得该命令的完整文档。例如,你可以通过如下的命令来学习conda的update命令。

conda update --help

1. 管理conda:

Conda既是一个包管理器又是一个环境管理器。你肯定知道包管理器,它可以帮你发现和查看包。但是如果当我们想要安装一个包,但是这个包只支持跟我们目前使用的python不同的版本时。你只需要几行命令,就可以搭建起一个可以运行另外python版本的环境。,这就是conda环境管理器的强大功能。

提示:无论你使用Linux、OS X或者Windows命令行工具,在你的命令行终端conda指令都是一样的,除非有特别说明。

检查conda已经被安装。

为了确保你已经在正确的位置安装好了conda,让我们来检查你是否已经成功安装好了Anaconda。在你的命令行终端窗口,输入如下代码:

conda --version

Conda会返回你安装Anaconda软件的版本。

提示:如果你看到了错误信息,检查你是否在安装过程中选择了仅为当前用户按安装,并且是否以同样的账户来操作。确保用同样的账户登录安装了之后重新打开命令行终端窗口。

升级当前版本的conda

接下来,让我们通过使用如下update命令来升级conda:

conda update conda

conda将会比较新旧版本并且告诉你哪一个版本的conda可以被安装。它也会通知你伴随这次升级其它包同时升级的情况。

如果新版本的conda可用,它会提示你输入y进行升级.

proceed ([y]/n)? y

conda更新到最新版后,我们将进入下一个主题。

2. 管理环境。

现在我们通过创建一些环境来展示conda的环境操作,然后移动它们。

创建并激活一个环境

使用conda create命令,后边跟上你希望用来称呼它的任何名字:

conda create --name snowflake biopython

这条命令将会给biopython包创建一个新的环境,位置在/envs/snowflakes

小技巧:很多跟在--后边常用的命令选项,可以被略写为一个短线加命令首字母。所以--name选项和-n的作用是一样的。通过conda -h或conda –-help来看大量的缩写。

激活这个新环境

Linux,OS X: source activate snowflakes
Windows:activate snowflake`

小技巧:新的开发环境会被默认安装在你conda目录下的envs文件目录下。你可以指定一个其他的路径;去通过conda create -h了解更多信息吧。

小技巧:如果我们没有指定安装python的版本,donda会安装我们最初安装conda时所装的那个版本的python。

创建第二个环境

这次让我们来创建并命名一个新环境,然后安装另一个版本的python以及两个包 Astroid 和 Babel。

conda create -n bunnies python=3 Astroid Babel

这将创建第二个基于python3 ,包含Astroid 和 Babel 包,称为bunnies的新环境,在/envs/bunnies文件夹里。

小技巧:在此同时安装你想在这个环境中运行的包,

小提示:在你创建环境的同时安装好所有你想要的包,在后来依次安装可能会导致依赖性问题(貌似是,不太懂这个术语怎么翻)。

小技巧:你可以在conda create命令后边附加跟多的条件,键入conda create –h 查看更多细节。

列出所有的环境

现在让我们来检查一下截至目前你所安装的环境,使用conda environment info 命令来查看它:

conda info --envs

你将会看到如下的环境列表:

conda environments:

 snowflakes          * /home/username/miniconda/envs/snowflakes

 bunnies               /home/username/miniconda/envs/bunnies

 root                  /home/username/miniconda

确认当前环境

你现在处于哪个环境中呢?snowflakes还是bunnies?想要确定它,输入下面的代码:

conda info -envis

conda将会显示所有环境的列表,当前环境会显示在一个括号内。

(snowflakes)

注意:conda有时也会在目前活动的环境前边加上*号。

切换到另一个环境(activate/deactivate)

为了切换到另一个环境,键入下列命令以及所需环境的名字。

Linux,OS X: source activate snowflakes
Windows:activate snowflakes

如果要从你当前工作环境的路径切换到系统根目录时,键入:

Linux,OS X: source deactivate
Windows: deactivate

当该环境不再活动时,将不再被提前显示。

复制一个环境

通过克隆来复制一个环境。这儿将通过克隆snowfllakes来创建一个称为flowers的副本。

conda create -n flowers --clone snowflakes

通过conda info –-envs来检查环境

你现在应该可以看到一个环境列表:flowers, bunnies, and snowflakes.

删除一个环境

如果你不想要这个名为flowers的环境,就按照如下方法移除该环境:

conda remove -n flowers --all

为了确定这个名为flowers的环境已经被移除,输入以下命令:

conda info -e

flowers 已经不再在你的环境列表里了,所以我们知道它被删除了。

学习更多关于环境的知识

如果你想学习更多关于conda的命令,就在该命令后边跟上 -h

conda remove -h

3. 管理Python

conda对Python的管理跟其他包的管理类似,所以可以很轻松地管理和升级多个安装。

检查python版本

首先让我们检查那个版本的python可以被安装:

conda search --full --name python

你可以使用conda search python来看到所有名字中含有“python”的包或者加上--full --name命令选项来列出完全与“python”匹配的包。

安装一个不同版本的python

现在我们假设你需要python3来编译程序,但是你不想覆盖掉你的python2.7来升级,你可以创建并激活一个名为snakes的环境,并通过下面的命令来安装最新版本的python3:

conda create -n snakes python=3
·Linux,OS X:source activate snakes
·Windows: activate snakes

小提示:给环境取一个很形象的名字,例如“Python3”是很明智的,但是并不有趣。

确定环境添加成功

为了确保snakes环境已经被安装了,键入如下命令:

conda info -e

conda会显示环境列表,当前活动的环境会被括号括起来(snakes)

检查新的环境中的python版本

确保snakes环境中运行的是python3:

python --version

使用不同版本的python

为了使用不同版本的python,你可以切换环境,通过简单的激活它就可以,让我们看看如何返回默认2.7

·Linux,OS X: source activate snowflakes
·Windows:activate snowflakes

检查python版本:

确保snowflakes环境中仍然在运行你安装conda时安装的那个版本的python。

python --version

注销该环境

当你完成了在snowflakes环境中的工作室,注销掉该环境并转换你的路径到先前的状态:

·Linux,OS X:source deactivate
·Windows:deactivate

4. 管理包

现在让我们来演示包。我们已经安装了一些包(Astroid,Babel和一些特定版本的python),当我们创建一个新环境时。我们检查我们已经安装了那些包,检查哪些是可用的,寻找特定的包并安装它。接下来我们在Anconda.org仓库中查找并安装一些指定的包,用conda来完成更多pip可以实现的安装,并安装一个商业包。

查看该环境中包和其版本的列表:

使用这条命令来查看哪个版本的python或其他程序安装在了该环境中,或者确保某些包已经被安装了或被删除了。在你的终端窗口中输入:

conda list

使用conda命令查看可用包的列表

一个可用conda安装的包的列表,按照Python版本分类,可以从这个地址获得:

查找一个包

首先让我们来检查我们需要的这个包是否可以通过conda来安装:

conda search beautifulsoup4

它展示了这个包,所以我们知道它是可用的。

安装一个新包

我们将在当前环境中安装这个Beautiful Soup包,使用conda命令如下;

conda install --name bunnies beautifulsoup4

提示:你必须告诉conda你要安装环境的名字(-n bunies)否则它将会被安装到当前环境中。

现在激活bunnies环境,并且用conda list来显示哪些程序被安装了。

·Linux,OS X:source activate bunnies
·Windows:activate bunnies

所有的平台:

conda list

从Anaconda.org安装一个包

如果一个包不能使用conda安装,我们接下来将在Anaconda.org网站查找。Anaconda.org向公开和私有包仓库提供包管理服务。Anaconda.org是一个连续分析产品。

提示:你在Anaconda.org下载东西的时候不强制要求注册。

为了从Anaconda.org下载到当前的环境中,我们需要通过指定Anaconda.org为一个特定通道,通过输入这个包的完整路径来实现。

在浏览器中,去 网站。我们查找一个叫“bottleneck”的包,所以在左上角的叫“Search Anaconda Cloud”搜索框中输入“bottleneck”并点击search按钮。

Anaconda.org上会有超过一打的bottleneck包的版本可用,但是我们想要那个被下载最频繁的版本。所以你可以通过下载量来排序,通过点击Download栏。

点击包的名字来选择最常被下载的包。它会链接到Anaconda.org详情页显示下载的具体命令:

conda install --channel https://conda .anaconda.ort/pandas bottleneck

检查被下载的包

conda list

通过pip命令来安装包

对于那些无法通过conda安装或者从Anaconda.org获得的包,我们通常可以用pip(“pip install packages”的简称)来安装包。

提示: pip只是一个包管理器,所以它不能为你管理环境。pip甚至不能升级python,因为它不像conda一样把python当做包来处理。但是它可以安装一些conda安装不了的包,和vice versa(此处不会翻译)。pip和conda都集成在Anaconda或miniconda里边。

我们激活我们想放置程序的环境,然后通过pip安装一个叫“See”的程序。

·Linux,OS X: source activate bunnies
·Windows:activate bunnies

所有平台:

pip install see

检查pip安装

检查See是否被安装:

conda list

安装商业包

安装商业包与你安装其他的包的过程异常。举个例子,让我们安装并删除一个更新的商业包的免费试用 IOPro,可以加速你的python处理速度:

conda install iopro

提示:除了学术使用,该版本在30天后试用期满

你现在可以安装以及检查你想用conda安装的任何包,无论使用conda命令、从Anaconda.org下载或者使用pip安装,无论开源软件还是商业包。

5. 移除包、环境、或者conda

如果你愿意的话。让我们通过移除一个或多个试验包、环境以及conda来结束这次测试指导。

移除包

假设你决定不再使用商业包IOPro。你可以在bunnies环境中移除它。

conda remove -n bunnies iopro

确认包已经被移除

使用conda list命令来确认IOPro已经被移除了

conda list

移除环境

我们不再需要snakes环境了,所以输入以下命令:

conda remove -n snakes --all

确认环境被移除

为了确认snakes环境已经被移除了,输入以下命令:

 conda info --envis

snakes不再显示在环境列表里了,所以我们知道它已经被删除了

删除conda

Linux,OS X:

移除Anaconda 或 Miniconda 安装文件夹

rm -rf ~/miniconda OR  rm -rf ~/anaconda

Windows:

去控制面板,点击“添加或删除程序”,选择“Python2.7(Anaconda)”或“Python2.7(Miniconda)”并点击删除程序。

以上这篇Anaconda多环境多版本python配置操作方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持帮客之家。

conda测试指南 在开始这个conda测试之前,你应该已经下载并安装好了Anaconda或者Miniconda...

Anaconda集合了python,Spyder,Jupyter notebook及conda-----包管理器与环境管理器(含常用的panda,numpy等),省去单独下载的繁琐步骤,方便使用。

删除环境

如果有个环境你不再使用了,可以使用 conda env remove -n env_name 删指定的环境,比如这里久是要删除名为 env_name 的环境。

了解更多信息

要详细了解 conda 和它如何融入到 Python 生态系统中,请查看这篇由 Jake Vanderplas 撰写的文章:Conda myths and misconceptions(有关 conda 的迷思和误解)。此外,有空也可以参考这篇conda 文档。

输入conda list,查看已经安装好的内容。

多环境管理

就像前面所说过的,conda 能够给不同的项目创建独立的环境。要创建一个环境,在命令行终端中输入 conda create -n env_name list_of_packages。这里的 -n env_name 用于设置你环境的名字,list_of_packages 是你要安装在环境中的软件包列表。比如,要创建一个名为my_env的环境,并且在环境中安装 numpy,可以输入 conda create -n my_env numpy

在创建环境的时候,你可以指定 Python 的版本。当你使用 Python 2.x 和 Python 3.x 在项目中的时候,这个非常有用。创建指定 Python 的版本,可以这样输入 conda create -n py3 python=3 conda create -n py2 python=2。这些命令会安装最新的 Python 3 和 Python 2 版本。如果要指定更小的版本号,比如 Python 3.3,可以使用类似的命令 conda create -n py python=3.3

Anaconda 能让你轻松安装在数据科学工作中经常使用的包。你还将使用它创建虚拟环境,以便更轻松地处理多个项目。Anaconda 简化了我的工作流程,并且解决了我在处理包和多个 Python 版本时遇到的大量问题。

1)安装:输入conda create -n (设置环境名称,如first)python=3

列出所有的环境

可以使用conda env list列出所有环境。你可以看到一个环境列表,“星号”标记表示当前的环境,默认是一个叫 root 的环境。

图片 2

列出已有的环境

最佳做法

1)安装:conda install request  或  pip install request

进入一个环境

当你创建了一个环境,在 OSX 或 Linux 系统中可以使用 source activate my_env 进入。

图片 3

进入名为my_env的环境

当你在一个环境中的时候, 你可以在终端中看到当前环境的名字。比如(my_env) ~ $。默认情况下只会安装少量的软件包。你可以使用 conda list 来确认。在环境中安装软件包和之前一样:conda install package_name。只不过这次是安装的软件包只在你当前的环境下有效。要离开当前环境,在 OSX 或 Linux 下是输入 source deactivate

管理包

安装了 Anaconda 之后,管理包是相当简单的。要安装包,请在终端中键入conda install package_name。例如,要安装 numpy,请键入conda install numpy。

你还可以同时安装多个包。类似conda install numpy scipy pandas的命令会同时安装所有这些包。还可以通过添加版本号(例如conda install numpy=1.10)来指定所需的包版本。

Conda 还会自动为你安装依赖项。例如,scipy依赖于numpy,因为它使用并需要numpy。如果你只安装scipy(conda install scipy),则 conda 还会安装numpy(如果尚未安装的话)。

大多数命令都是很直观的。要卸载包,请使用conda remove package_name。要更新包,请使用conda update package_name。如果想更新环境中的所有包(这样做常常很有用),请使用conda update --all。最后,要列出已安装的包,请使用前面提过的conda list。

如果不知道要找的包的确切名称,可以尝试使用conda search search_term进行搜索。例如,我知道我想安装Beautiful Soup,但我不清楚确切的包名称。因此,我尝试执行conda search beautifulsoup。

下载时选择推荐路径,并安装在自定义的D或E盘相应位置。

安装Ancaconda

Anaconda能够运行在Windows、Mac OS X 和 Linux平台。可以在https://www.continuum.io/downloads找到安装包和文档。如果你已经在电脑里安装了Python也没有关系,安装Ancaconda后你的程序将会使用Anaconda自带的Python作为默认版本。

可以选择使用Python 3.6版本或Python 2。如果你使用64位的操作系统就选择64为的安装程序,否则就选择32位的。赶紧选择合适的版本安装吧!下载后是一个sh脚本文件,然后运行类似的命令:

bash Anaconda2-4.3.0-MacOSX-x86_64.sh

安装之后,你会进入conda默认环境,在命令行终端中运行conda list你可以像下图那样查看已经安装的软件包:

图片 4

列出当前环境的软件包

建议最开始以命令行的方式使用Anaconda,以后再使用GUI的方式。


如何使用Anaconda来管理 Python 所用的包和环境

注:如过已经下载过python,可点击python安装包,再次setup,选择uninstall. 如Geany等IDE不影响Anaconda下载。

软件包管理

安装完Anaconda后,管理软件包就变得非常容易。如果要安装一个软件包,在命令行终端中输入 conda install 包名 。比如要安装 numpy,就输入conda install numpy

图片 5

使用conda安装numpy

你可以同时安装多个软件包,比如输入 conda install numpy scipy pandas 就会一次性把这些软件包都安装了。也可以添加版本号来指定软件包的版本,就像conda install numpy=1.10

Conda会自动地为你安装相关的依赖。比如 scipy 依赖 numpy ,如果你只运行 conda install scipy ,如果你还没有安装过 numpy,Conda 同时会把 numpy 也一起安装了。conda install pandasconda install numpy pandas 这两个命令是一样的,因为 pandas 依赖 numpy。

大多数命令都是非常简单的。比如卸载删除,就使用conda remove package_name。更新一个软件包,就使用conda update package_name。如果你打算更新一个环境里的所有软件包,就使用conda update --all。还有就是曾经使用过的conda list,会列出所有已经安装的软件包。

如果你想一个软件包,却不确定软件包完整的名字,你看可以使用 conda search search_term 进行搜索。比如想要安装 Beautiful Soup,却不确定它具体的名字,可以尝试输入 conda search beautifulsoup

图片 6

搜索 beautifulsoup

这样就会输出一份 Beautiful Soup 软件包列表,可以看到包名为 beautifulsoup4。


环境

除了管理包之外,conda 还是虚拟环境管理器。它类似于另外两个很流行的环境管理器,即virtualenv和pyenv。

环境能让你分隔你要用于不同项目的包。你常常要使用依赖于某个库的不同版本的代码。例如,你的代码可能使用了 Numpy 中的新功能,或者使用了已删除的旧功能。实际上,不可能同时安装两个 Numpy 版本。你要做的应该是,为每个 Numpy 版本创建一个环境,然后在适用于项目的环境中工作。

在应对 Python 2 和 Python 3 时,此问题也会常常发生。你可能会使用在 Python 3 中不能运行的旧代码,以及在 Python 2 中不能运行的新代码。同时安装两个版本可能会造成许多混乱和错误。而创建独立的环境会好很多。

也可以将环境中的包的列表导出为文件,然后将该文件与代码包括在一起。这能让其他人轻松加载代码的所有依赖项。pip 提供了类似的功能,即pip freeze > requirements.txt。

在 Windows 上,会随 Anaconda 一起安装一批应用程序:

Anaconda Navigator,它是用于管理环境和包的 GUI

Anaconda Prompt 终端,它可让你使用命令行界面来管理环境和包

Spyder,它是面向科学开发的 IDE

 

管理环境

如前所述,可以使用 conda 创建环境以隔离项目。要创建环境,请在终端中使用conda create -n env_name list of packages。在这里,-n env_name设置环境的名称(-n是指名称),而list of packages是要安装在环境中的包的列表。例如,要创建名为my_env的环境并在其中安装 numpy,请键入conda create -n my_env numpy。

创建环境时,可以指定要安装在环境中的 Python 版本。这在你同时使用 Python 2.x 和 Python 3.x 中的代码时很有用。要创建具有特定 Python 版本的环境,请键入类似于conda create -n py3 python=3或conda create -n py2 python=2的命令。实际上,我在我的个人计算机上创建了这两个环境。我将它们用作与任何特定项目均无关的通用环境,以处理普通的工作(可轻松使用每个 Python 版本)。这些命令将分别安装 Python 3 和 2 的最新版本。要安装特定版本(例如 Python 3.3),请使用conda create -n py python=3.3。

7)环境导入:首先进入某一环境,然后更新环境,更新的命令为conda env update -f=(本地路径)

删除环境

如果你不再使用某些环境,可以使用conda env remove -n env_name删除指定的环境(在这里名为env_name)。

 

Anaconda 实际上是一个软件发行版,它附带了conda、Python 和 150 多个科学包及其依赖项。应用程序conda是包和环境管理器。

 

列出环境

如果忘记了环境的名称(我有时会这样),可以使用conda env list列出你创建的所有环境。你会看到环境的列表,而且你当前所在环境的旁边会有一个星号。默认的环境(即当你不在环境中时使用的环境)名为root。

即可更新所有包

共享环境

在 GitHub 上共享代码时,最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。对于不使用 conda 的人,我通常还会使用pip freeze(在此处了解详情)将一个 piprequirements.txt文件包括在内。

版权声明:本文由澳门新濠登录网址发布于计算机操作,转载请注明出处:率先大家就要确认你早就设置好了conda,如过曾经