zoukankan      html  css  js  c++  java
  • 02-数据分析环境搭建

    环境搭建

    Python版本:Python3.6

    Anaconda:

    Anaconda(水蟒)是一个捆绑了Pythonconda、其他相关依赖包的一个软件。包含了180多个可学计算包及其依赖。Anaconda3是集成了Python3的环境,Anaconda2是集成了Python2的环境。Anaconda默认集成的包,是属于内置的Python的包。并且支持绝大部分操作系统(比如:Windows、Mac、Linux等)。下载地址如下:https://www.anaconda.com/distribution/(如果官网下载太慢,可以在清华大学开源软件站中下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)。根据自己的操作系统,下载相应的版本,因为Anaconda内置了许多的包,所以安装过程需要耗费相当长的时间,大家在安装的时候需要耐心等待。在安装完成后,会有以下几个模块:Anaconda promptAnaconda NavigatorSpyderjupyter notebook,以下分别做一些介绍。

    Anaconda prompt:

    Anaconda prompt是专门用来操作anaconda的终端。如果你安装完Anaconda后没有在环境变量的PATH中添加相关的环境变量,那么以后你想在终端使用anaconda相关的命令,则必须要在Anaconda prompt中完成。

    Anaconda Navigator:

    这个相当于是一个导航面板,上面组织了Anaconda相关的软件。

    Spyder:

    一个专门开发Python的软件,熟悉MATLAB的同学会比较有亲切感,但在后期的学习过程中,我们将不会使用这个工具写代码,因为还有更好的可替代的工具。

    jupyter notebook:

    一个Python编辑环境,可以实时的查看代码的运行效果。

    使用jupyter notebook的姿势:

    1. 先打开Anaconda Prompt,然后进入到项目所在的目录。
    2. 输入命令jupyter notebook打开jupyter notebook浏览器。

    conda基本使用:

    conda伴随着Anaconda安装而自动安装的。conda可以跟virtualenv一样管理不同的环境,也可以跟pip一样管理某个环境下的包。以下来看看两个功能的用法。

    环境管理:

    conda能跟virtualenv一样管理不同的Python环境,不同的环境之间是互相隔离,互不影响的。为什么需要创建不同的环境呢?原因是有时候项目比较多,但是项目依赖的包不一样,比如A项目用的是Python2开发的,而B项目用的是Python3开发的,那么我们在同一台电脑上就需要两套不同的环境来支撑他们运行了。创建环境的基本命令如下:

    # conda create --name [环境名称] 比如以下:
    conda create --name da-env
    

    这样将创建一个叫做da-env的环境,这个环境的python解释器根据anaconda来,如果anaconda3.7,那么将默认使用3.7的环境,如果anaconda内置的是2.7,那么将默认使用2.7的环境。然后你就可以使用conda install numpy的方式来安装包了,并且这样安装进来的包,只会安装在当前环境中。有的同学可能有想问,如果想要装一个Python2.7的环境,anaconda中没有内置Python2.7,那么该怎么实现呢?。实际上,我们只需要在安装的时候指定python的版本,如果这个版本现在不存在,那么anaconda会自动的给我们下载。所以安装Python2.7的环境,使用以下代码即可实现:

    conda create --name xxx python=2.7
    

    以下再列出conda管理环境的其他命令:

    1. 创建的时候指定需要安装的包:

       conda create --name xxx numpy pandas
      
    2. 创建的时候既需要指定包,也需要指定python环境:

       conda create --name xxx python=3.6 numpy pandas
      
    3. 进入到某个环境

       windows: activate xxx
       mac/linux: source activate xxx
      
    4. 退出环境:

       deactivate
      
    5. 列出当前所有的环境:

       conda env list
      
    6. 移除某个环境:

       conda remove --name xxx --all
      
    7. 环境下的包导出和导入:

      • 导出:conda env export > environment.yml
      • 导入:conda env create --name xxx -f environment.yml

    包管理:

    conda也可以用来管理包。比如我们创建完一个新的环境后,想要在这个环境中安装包(比如numpy),那么可以通过以下代码来实现:

    activate xxx
    conda install numpy
    
    

    以下再介绍一些包管理常用的命令:

    1. 在不进入某个环境下直接给这个环境安装包:

      conda install [包名] -n [环境名]
      
    2. 列出该环境下所有的包:

       conda list
      
    3. 卸载某个包:

       conda remove [包名]
      
    4. 设置安装包的源:

       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
      
  • 相关阅读:
    进程与线程
    the art of seo(chapter seven)
    the art of seo(chapter six)
    the art of seo(chapter five)
    the art of seo(chapter four)
    the art of seo(chapter three)
    the art of seo(chapter two)
    the art of seo(chapter one)
    Sentinel Cluster流程分析
    Sentinel Core流程分析
  • 原文地址:https://www.cnblogs.com/mark-wq/p/15036594.html
Copyright © 2011-2022 走看看