Python安装第三方库攻略（pip和Anaconda）
文章目录
- setup.py
- easy_install
- pip
- 使用
- 批量安装
- 批量卸载
- wheel
- 1、wheel 包的命名格式
- 2、python环境支持哪种wheel文件
- 下载源
- 第三方库下载地址
- python3.6前后的版本pip安装方式的不同
- 离线安装前查看某个指定的包的所有依赖项
- conda
- virtualenv
- 参考文档
常用的python第三方库安装工具大概有三种：
1、pip （推荐）
2、easy_install
3、setup.py
常见的安装包格式：
1、whl （推荐，一种二进制的）
2、tar.gz
3、zip
4、egg（第一个主流打包格式）
whl和egg文件直接将后缀名改为zip，可以作为zip解压
setup.py
setup.py常用于源码安装，由于pypi官网下载包非常慢，因此有人会选择下载后安装，也有人会去GitHub上下载源码来安装，setup.py常被用与后者。
一般GitHub上的源码大多为zip、tar.gz、tar.zip、 tar.bz2这类压缩文件，而它们往往自带setup.py文件。
安装：
1、下载zip并解压；
2、打开cmd，进入解压后的路径；
3、依次执行以下代码
命令如下：
python setup.py build
python setup.py install
Windows的安装包存放的路径为：python安装路径下的\Lib\site-packages。
Linux的路径应该为： /usr/lib/python2.7/site-packages。 （路径不一定，视情况而定，有的可能在/usr/local/lib）
缺点：
但是这种安装方法有一种非常大的毛病，就是使用该方法安装的包，无法通过pip uninstall卸载干净。
需要手动到/usr/bin/python2.7/site-package（其中python处为对应的Python版本）目录下删除。对于类UNIX系统来说，64位机更麻烦的是，在/usr目录下分为lib和lib64，这两个目录下都会有。
网上有卸载方法，但我试过不太奏效：
卸载
记录安装后文件的路径
python setup.py install --record files.txt
删除这些文件
cat files.txt | xargs rm -rf
一般情况下其实不建议使用这种，pip其实也是可以直接安装压缩包的，后面会讲。
easy_install
实际上，在Python中安装第三方模块，是通过setuptools这个工具完成的。而easy_install和pip是封装了setuptools的两个包管理工具。
我们要使用easy_install，首先需要setuptools，当然，现在的版本里都自带了，python3.6以后的略微有点不一样，后面会讲。
但是还是可以提一下：
1、打开官网 http://pypi.python.org/pypi/setuptools ，目前最新版的只有whl和zip两种格式（以前是有exe的，现在似乎没有了，但我感觉现在更方便一点）。
但是whl前提是要用pip安装，而pip有的时候，我们可能需要使用easy_install才能安装，有pip我们也不怎么用easy_install了，所以我们只能下载zip。
2、下载后解压，会发现里面有easy_install.py和setup.py，可以直接使用。
如果是exe，安装后双击 ez_setup.py安装，或在cmd执行命令：
python easy_install.py
安装好easy_install之后就可以用来安装包了，但是建议将easy_install所在路径加入环境变量PATH，否则每次安装包都需要先进入该路径。
Windows的easy_install路径为：Python下的Scripts目录。
Linux的路径应该为： /usr/local/bin。 （路径不一定，视情况而定）
easy_install的使用方法，如安装pip，直接在后面加上包名即可：
# 指定包名
easy_install pip
# 指定网址
easy_install -f *.html pip
# 安装tar/egg
easy_install package.tar/egg
# 安装zip，先解压，然后进入
easy_install .
卸载
easy_install -m pip
升级
easy_install --upgrade pip
使用教程：
http://peak.telecommunity.com/DevCenter/EasyInstall#downloading-and-installing-a-package
pip
使用
# 安装
pip install package
# 卸载
pip uninstall package
# 查看所安装的包
pip list
# 搜索包
pip search package
# 更新
pip install -U package
# 重定向输出项目使用的库到 requirements.txt文件内
pip freeze > requirements.txt
#在其他环境上安装项目的依赖
pip install -r requirements.txt
安装tar.gz和zip使用pip是最简单的，不需要解压，前两种还需要解压。
批量安装
有的时候你会发现在没有网络的时候，你想要安装wheel文件，直接pip会出错，这里有一种办法，并且可以批量，就是利用requirements.txt文件。但是，这之前我们还要知道，我们之所以安装wheel文件会失败，是因为本机的python不支持下载的whl文件。
1、我们将所有包下好，包括whl、tar.gz等。
2、然后将包的版本写入requirements.txt，并将它们放在一起。
3、可以直接执行命令，也可以将该命令写入脚本。
命令如下：
pip install --use-wheel --no-index --find-links=./ -r requirements.txt
批量卸载
pip uninstall -y -r requirements.txt
其中-y代表卸载时不询问是否删除，即yes的意思，可以省略，但在脚本里的时候还是加上。
wheel
1、wheel 包的命名格式
{distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl
前两个分别代表包名和版本，前面查看wheel版本输出的三元素元组分别代表{python tag}-{abi tag}-{platform tag}。
- python-tag —— python实现，主要分为五种：
py - 无实现特定的拓展
cp - CPython，也就是通常使用的 Python 实现
ip - IronPython，跑在 Windows CLI 平台上的 Python 实现
pp - PyPy，带 JIT 的 Python 实现
jy - Jython，跑在 JVM 上的 Python 实现
如request的whl名字里的py2和py3分别代表支持py2.x和py3.x，两个同时存在则代表两个版本都支持，以“.”分隔。
- abi tag
说实话，我没太看懂这是个什么东西，只大概知道分为以下几种：
with-pydebug (flag: d ) ——看起来像是用于debug的
with-pymalloc (flag: m ) —— 一个专门的对象分配器
with-wide-unicode (flag: u ) —— 默认开启的
none —— 不区分
如果打包时没办法判断 abi 类型，生成的 abi tag 会是 none。而如果 Python 包是不依赖特定的 abi 的纯 Python 实现，生成的 abi tag 也是 none。
大部分我们下载的的是类似mu结尾的，如cp27mu。
- platform tag —— 系统
win32 —— Windows32位
win_amd64 —— Windows64位
linux_i386 —— Linux32位
linux_x86_64 —— Linux64位
any —— 任意
当然，远不止这些，我曾经装过grpcio这个库，在官网里找到它发现五花八门，当时不知道要下哪一个，后来才找到那个查看版本的命令。
可以看到，就截图内的就有涉及到大概八种不同的系统及版本，根据命令查看whl版本，发现支持manylinux1_x86_84版本，原因是我当时用的是centos7，并且安装的时候是安装的最小（Mini）的形式，因此我下了manylinux1_x86_84的其中一个。
2、python环境支持哪种wheel文件
pip10以下的版本查看：
>>> import pip
>>> print(pip.pep425tags.get_supported())
pip10以上的版本查看：
>>> import pip._internal;
>>> print(pip._internal.pep425tags.get_supported())
可以看到如图：
可以看到，这是一个由多组元组组成的列表，这里面的三个东西有没有感觉很眼熟，我们再看wheel文件的名称组成，例如requests：
requests-2.22.0-py2.py3-none-any.whl
再如
grpcio-1.21.1-cp27-cp27m-manylinux1_x86_64.whl
当然，后者在Windows上的Python里执行是不可能看到的。
下载源
国内pypi官网下载源有时候会比较慢，我们可以指定源
pip install package -i http://pypi.douban.com/simple --trusted-host pypi.douban.compipy
国内镜像目前有：
- 豆瓣 http://pypi.douban.com/simple/
- 阿里云 http://mirrors.aliyun.com/pypi/simple/
- 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
- 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
- 华中理工大学 http://pypi.hustunique.com/
- 山东理工大学 http://pypi.sdutlinux.org/
第三方库下载地址
1、https://pypi.org （官方）
2、https://www.lfd.uci.edu/~gohlke/pythonlibs/（很多官网没有的这里有）
python3.6前后的版本pip安装方式的不同
Python3.6和之前的版本（包括2.x和3.6之前的3.x）有一个很大的区别，安装完之后Scripts目录为空，当我们想执行更新pip时出错：
python -m pip install -U setuptools
报错：
No module named pip
解决办法：
python -m ensurepip
离线安装前查看某个指定的包的所有依赖项
我们有的时候开发环境分内外网，但是又不得不安装一些第三方库，需要去外网下载好wheel拷到内网，而这些第三方库往往依赖于其他包。如果你在内网试，每次一个没有又要去外网重新下了拷进来，不胜其烦。
而conda有一个非常棒的功能，就是可以查看某个python版本的某个库的所有依赖项及其对应的版本，如下，指定查看3.5的某个包的所有依赖，较老版本的命令是这样的：
conda info package_name python=3.5
新版本的命令（可离线查看），没研究出来怎么指定python版本：
conda search package_name --info [--offline]
其实pip也有，但只能显示相关依赖包，但不能显示具体对应的版本：
pip show package_name
可查看：https://cloud.tencent.com/developer/ask/145565
conda
我16年接触python的时候，学爬虫被安装第三方库折腾的差点放弃，尤其是Scrapy框架，后来一阵摸索好不容易发现了Anaconda这么个好东西。
Anaconda是个集成环境，里面有大量的常用第三方库以及科学计算相关的包，感觉起来装任何包都很轻易，没有再为包的事情烦心过，里面的命令是conda，和pip类似，但不仅pip，还有虚拟环境的作用。命令也类似，只要把pip替换为conda即可，但也可以使用pip命令。
如果想将py2和py3的Anaconda装在一起，只要把其中一个安装在另一个已经装好的envs路径下即可。
conda具体命令查看：
https://conda.io/projects/conda/en/latest/commands.html#
virtualenv
对于安装包，如果觉得怎么都安装不上，使用虚拟环境也是个很不错的选择，
# 安装（python2）
pip install virtualenv
# 创建虚拟环境，需要预先创建一个目录
virtualenv venv_name
# Windows激活虚拟环境
#1、进入虚拟环境所在目录下的Scripts目录
cd venv_name/Scripts
# 2、激活
activate
# 3、退出，linux同
deactivate
# linux进入并激活虚拟环境目录
source venv_name/bin/activate
参考文档
1、https://pip.pypa.io/en/stable/reference/
2、https://www.cnblogs.com/dtest/p/4507980.html
3、https://bu-choreography.iteye.com/blog/1113059
4、https://www.cnblogs.com/amengduo/p/9586354.html（安装史）
5、https://www.python.org/dev/peps/pep-0425/
6、https://www.python.org/dev/peps/pep-3149/
7、https://segmentfault.com/a/1190000007591736
8、https://docs.python.org/2.3/whatsnew/section-pymalloc.html