Python多环境管理神器（Anaconda） - 走看看

zoukankan html css js c++ java

Python多环境管理神器（Anaconda）
为了解决python多版本共存，解决不同版本之间的依赖冲突，虚拟环境隔离等问题，我们前面介绍了venv、virtualenv、virtualenvwrapper、pyenv、pipenv等众多工具。下面我们再介绍一个非常强大的多环境管理神器——Anaconda。
Anaconda （强大）
1、什么是Anaconda
Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。Anaconda通过管理工具包、开发环境、Python版本，大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。安装Acaconda默认的Python是2.7；安装Acaconda3默认的Python是3.6
2、什么是Conda
Conda是一个开源的包、虚拟环境管理器，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，它的包管理类似PIP。
packages 管理：可以使用 conda 来安装、更新、卸载工具包，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
虚拟环境管理：在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。
3、安装Anaconda：
去官网下载指定的版本的Anaconda：https://repo.anaconda.com/archive/
我们下载的是Anaconda3-5.2.0-Linux-x86_64.sh
```
wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
```
安装前，先安装bunzip2依赖包，否则后面安装会报错：bunzip2: command not found
```
yum install -y bzip2
```
运行该脚本，进行安装
```
bash Anaconda3-5.2.0-Linux-x86_64.sh
```
在安装的过程中，会问你安装路径，直接回车默认就可以了，默认安装到了/root/anaconda3目录下。
有个地方问你是否将anaconda安装路径加入到环境变量（.bashrc)中，输入yes，默认的是no，
最后一步有一个询问你是否安装vscode，emm如果你没有需要就输入no，毕竟在服务器里面都是用vim编辑器的，没必要多装一个。
安装完成如下图：
配置anaconda环境变量：
默认是安装在/root/anaconda3/下的，如果不是，请修改路径
```
vim /etc/profile

## Anaconda
export PATH=$PATH:/root/anaconda3/bin
```
加载使立即生效
```
source /etc/profile
```
注意：如果之前服务器上已经编译安装过python了，将它重命名，否则系统会自动找到之前编译的python3环境，而不会使用Anaconda里的python环境。
```
# 注释掉之前编译安装使用的python3.9环境
mv /usr/local/python3.9/ /usr/local/python3.9_bak
```
测试Anaconda安装是否正确：
```
# 查看python3的路径是否正确
which python3
# 启动python3看环境是否正确
python3
```
如下图：
至此，Anaconda安装完成。
Conda自身管理
更新conda
```
# 更新anaconda
conda update conda
```
更新anaconda元数据包
```
# 更新anaconda元数据包
conda update anaconda
```
.condarc
删除 .condarc 文件这个文件默认没有，只有你执行过 conda config 命令以后才会自动建立。该文件是conda的配置文件
是YAML格式。比如你可以设置安装包的渠道，是否自动更新conda，是否允许其他渠道等设置。
4、Python环境管理
```
# 创建一个新环境，并制定python解释器版本，没有会自动下载
# python27 是环境名称
# python=2.7 是要安装的包和版本，默认会为我们寻找2.7.x中的最新版本
# anaconda 是创建环境时同时要安装的包，这个可以不写
conda create -n python27 python=2.7 anaconda
conda create -n python36 python=3.6
conda create -n python37 python=3.7

# 更新Python，进入某个环境运行下面的命令，将更新当前环境的Python到最新分支版本。比如当前是3.5，更新后将会到最新的3.X
conda update python
```
5、虚拟环境管理
查看当前托管的所有虚拟环境列表
```
[root@linux121 ~]# conda env list
# conda environments:
#
base                  *  /root/anaconda3
```
创建虚拟环境
```
 # 创建一个名为myvenv 的环境，指定Python版本是3.10
 # （不用管是3.10.x，conda会为我们自动寻找3.10.x中的最新版本）
 conda create --name myvenv python=3.10
```
虚拟环境不会在当前环境下创建虚拟环境目录，所有的虚拟环境目录默认放在：
/root/anaconda3/envs/
激活虚拟环境
```
activate myvenv        # for Windows
source activate myvenv # for Linux & Mac
conda activate myvenv  # 新版使用这个
```
退出虚拟环境
```
 conda deactivate
```
如下图：
导出依赖包：
导出环境，它会把当前环境中安装的包以及版本号都导出去，这样你就可以拿到另外的机器上来重新构建一个相同的环境
导出的内容包括环境名称，安装渠道，该环境安装的包以及版本号。
```
# 首先进入名称叫做python36环境
conda activate myvenv 
# 导出当前环境到指定文件
conda env export > environment.yml  
# 通过环境文件建立环境，不需要指定环境名称，因为文件中包含名称字段
conda env create -f environment.yml 
```
删除虚拟环境
```
# 方式一：
conda env remove --name myvenv
# 方式二：
conda remove -n myvenv --all
```
克隆虚拟环境：
```
conda create -n myvenv2 --clone myvenv
```
克隆如下图：
6、包管理
安装包
```
conda install --name myvenv scipy # 安装包到指定环境中
conda install scipy # 安装包到当前环境中
conda install scipy=0.15.0  # 安装指定版本的包，到当前环境
conda install scipy curl # 安装多个包
conda install -c anaconda django # -c是指定渠道名称，也就是用哪个渠道安装django。
```
卸载包：
```
# 卸载包
conda remove 包名  # 删除当前环境中的指定包
conda remove -n myvenv numpy # 删除指定环境中的指定包
conda remove -n myvenv --all # 删除指定环境中的所有包，等同于删除环境
```
更新包：
```
conda update 包名  # 更新当前环境指定的包
conda update -n myvenv numpy # 更新指定环境中的指定包
```
查看当前packages：
```
# 查看当前已经安装的packages
conda list
conda list -n myvenv # 查看指定环境中安装的所有包
```
如下图：
查找可安装的包：
精确查找
```
conda search --full-name <package_full_name>
# 例如：
conda search --full-name python
```
模糊查找：
```
conda search jieba
# 支持正则
conda search *py*
```
7、镜像源管理
conda默认使用的是官方镜像源，是在国外，安装下载会很慢，所以强烈建议切换为国内镜像源。
查看当前镜像源配置
```
# 查看当前的镜像源
conda config --show channels
# 查看详细信息
conda config --show
```
如下图：default的地址默认就是官方地址，https://repo.anaconda.com/pkgs/main
添加清华大学镜像源
```
# 添加Anaconda的TUNA镜像
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/

# 设置搜索时显示通道地址，这个可以不加，只是为了看一下是否从镜像站下载
conda config --set show_channel_urls yes
```
再次查看镜像地址：
```
conda config --show channels
```
如下图;
添加第三方镜像源：
```
##  Conda Forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
## msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
## bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
## menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
## pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
```
其他镜像源：
清华大学其他镜像源地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/
删除镜像源
```
conda config --remove channels <URL>  ## 删除原来的旧镜像

# 如下
conda config --remove channels default
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
```
注意：如果切换镜像源后，安装过程出现报错：
CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch/repodata.json>
解决办法：参考：https://www.freesion.com/article/67891423758/
1、首先把镜像源地址，从https替换为http
2、删除/root/.condarc中的- default
即可解决
.condarc文件说明：
文件这个文件默认没有，只有你执行过 conda config 命令以后才会自动建立。该文件是conda的配置文件，是YAML格式。比如你可以设置安装包的渠道，是否自动更新conda，是否允许其他渠道等设置。下面是我的配置文件说明。这些不是必须的。但是在国内建议设置channels，这个在上面已经说过。所以通常你不需要关注这个文件。
参考：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
文件样例如下：
vim /root/.condarc
```
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
```
清除索引缓存：
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 clean -i
```
8、当conda中没有这个包时：
会报错，如下：
PackagesNotFoundError: The following packages are not available from current channels:
方法一：使用pip安装
```
# 安装不在conda或者acaconda的包，当你安装的包不在conda管理范围的时候可以使用pip来安装
conda install pip  # 首先在当前环境中安装pip
pip install jieba   # 其次在通过PIP命令在当前环境中安装包
```
方法二：搜索包含该安装包的渠道
```
anaconda search  jieba
```
搜索如下图：
选择其中一个版本，我们选择了conda-forge/jieba模块
展示该版本的信息
```
anaconda show conda‐forge/jieba
```
如下图，显示了安装渠道路径
找到对应的渠道信息，如上面最后一行，直接进行安装即可
```
conda install --channel https://conda.anaconda.org/conda-forge jieba
```
如果最开始你就知道要这个渠道模块，也可以这样直接安装：
```
conda install -c conda-forge jieba
```
方法三：去conda官网搜索包
说明：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来安装包。
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，pip和conda都集成在Anaconda或miniconda里边。
另外你还可以去官网搜索：https://anaconda.org/
如下，找到很多渠道：
找到安装路径：
再使用该安装路径安装即可：
```
conda install -c conda-forge jieba
```
方法四：去pypi下载安装包，手动安装
如果下载太慢，可以去官网下载，下载jieba的安装包，然后解压到pkgs目录上，参考链接：https://www.pianshen.com/article/18251601207/
官网链接：https://pypi.org/project/jieba/#files
解压之后，执行包里的setup.py文件也可以安装成功。
```
wget https://files.pythonhosted.org/packages/c6/cb/18eeb235f833b726522d7ebed54f2278ce28ba9438e3135ab0278d9792a2/jieba-0.42.1.tar.gz
tar xf jieba-0.42.1.tar.gz 
mv jieba-0.42.1 /root/anaconda3/pkgs/
cd /root/anaconda3/pkgs/jieba-0.42.1/
# 如果要安装到指定虚拟环境中，需要先激活环境，再执行install
source activate job_recommended
python setup.py install
```
如果安装的时候，没有进入虚拟环境，可以在安装后，重新激活虚拟环境，再安装一次，安装到虚拟环境中，如下，
9、Miniconda
Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。
Miniconda相比Anaconda，去掉了科学计算的相关包，更加轻量级，没有那么臃肿。可以认为是Anaconda的最小化版本，用法与Anaconda完全一致。
Miniconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 下载。
10、图形界面管理
Anaconda还提供了UI界面，进行图形化管理。
比如在windows中，安装完成后，点击Anaconda Navigator
如图所示：首页显示的是一些自带的工具
点击Environments，可以在这里进行环境管理的操作。
包括：创建虚拟环境，导入虚拟环境，进入虚拟环境，以及查看安装包
创建虚拟环境myvenv
搜索包安装：
点击channels可以添加渠道
11、Jupyter Notebook
Anaconda自带了Jupyter Notebook，我们可以直接启动Jupyter Notebook。
window启动：
Linux启动：
如果没有安装Anaconda，就需要手动安装一下jupyter notebook
```
pip install jupyter notebook
```
因为Anaconda自带了jupyter，所以直接启动：
```
jupyter notebook --allow-root
```
注意，默认是不允许外部访问的，需要配置一下远程访问支持：
生成jupyter配置文件
```
#root用户：
jupyter notebook --generate-config --allow-root
#非root用户
jupyter notebook --generate-config
```
如下图：
修改配置
```
vim /root/.jupyter/jupyter_notebook_config.py
```
增加以下两行：
```
c.NotebookApp.ip = '*'
c.NotebookApp.open_browser = False
```
配置密码：
```
jupyter notebook password
```
这里密码输入123456
启动jupyter notebook:
```
jupyter notebook --allow-root
```
如下图所示：
也可以后台启动：
```
nohup jupyter notebook --allow-root > jupyter.log 2>&1 &
```
打开网页访问：默认8888端口
输入地址：（配置好hosts映射）http://linux121:8888/
输入密码123456
登录如下图：
里面的文件，就是我们之前启动jupyter notebook的当前目录下的内容
新建一个文件：
输入python代码，点击run运行如下：
```
import time, sys
for i in range(8):
    print(i)
    time.sleep(0.5)
```
如下图所示：
更多jupyter notebook，参考：https://jupyter-notebook.readthedocs.io/en/latest/
12、优缺点分析：
1、功能强大，而且还有UI界面。
2、支持python2、python3以及windows、linux、mac等多平台。
3、conda安装可以自动解决依赖关系，之前的pip可能不会安装所有依赖包，导致出现依赖问题。
4、Anaconda，显得有点厚重，臃肿，但是可以用轻量级的miniconda替换。
5、conda安装软件需要解析依赖关系，而且默认连的国外的镜像源，所以conda安装可能很慢。
6、包含大量的科学计算的包，适合做数据分析或者喜欢UI界面的人。

参考引用：
https://www.cnblogs.com/rexcheny/p/9484309.html
https://zhuanlan.zhihu.com/p/106588887
查看全文

相关阅读:
WebSocket客户端连接不上和掉线的问题以及解决方案
 中国(China): 上海地图和经维度
 在程序开发中怎样写SQL语句可以提高数据库的性能
 C# 正则表达式
 asp.net mvc 2.0 【1】
c#获取相对路径的八种方法
 ASP.NET 常用对象
 Python自动化开发基础和数据类型
 Python自动化开发数据类型之集合
 Python自动化开发数据类型之字符串

原文地址：https://www.cnblogs.com/doublexi/p/15796263.html

Copyright © 2011-2022 走看看