下载完软件后选择一个位置安装即可,我一般软件的安装位置都在D:\MyPrograms这个目录下(除了极个别软件不能随意修改安装位置,否则会出现意向不到的问题,例如Visual Studio,其余都可以修改安装位置),这样方便之后管理。除了修改安装目录,其余默认即可。
安装完成之后,电脑中会多出如下启动内容(随着软件的更新,可能不完全一致),红色框起来的是最常用的
说明:Anaconda Navigator是图形化管理界面,我一般用的很少
2.1 环境管理(查看、切换、新建、复制、删除、将环境复制到其他机器上)
进行环境管理是需要打开 Anaconda Prompt ,这是一个命令行工具,类似于cmd。
conda env list
conda info -e
注意:当前激活的的是哪个环境,安装软件包是就会安装到哪个环境(无论是用pip还是conda命令)
conda activate kr
conda deactivate
# 安装一个名称为py27的虚拟环境
conda create -n py27 python=2.7
# 将 名为py27的环境 克隆一份到出来,新环境名称为py27clone
conda create -n py27clone --clone py27
# 删除名为py27clone的环境,但是envs下的py27clone文件夹不会被删除,需要手动删除
conda remove -n py27clone --all
两种方式,一种是直接将envs文件夹下的某个环境目录拷贝到其他机器对应的目录上。另一种方式是生成配置文件,然后通过这个配置文件在其他机器上安装该环境
方式一:直接拷贝
方式二:通过配置文件
# 切换到需要复制的环境
conda activate py27
# 生成该环境下的配置文件
conda env export > py27env.yaml
配置文件内容如下:
为了演示环境迁移到新的机器上,这里直接将环境py27文件夹删除(相当于命令删除环境+手动删除该文件夹)
# 根据配置文件生成需要复制的环境
conda env create -f py27env.yaml
另外还要注意的是移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包,你用pip之类装的东西没有移植过来,需要你重新安装。
# pip导出当前环境需要安装的库到requirements.txt
pip freeze > requirements.txt
# pip导入requirements.txt中列出的库到系统
pip install -r requirements.txt
2.2 在某个环境下管理python包(查看、安装、卸载、升级)
下面以py27环境为例
查看已经安装的包
# 使用conda查看所有已经安装的软件包
conda list
###################################################
# 使用pip查看所有已经安装的软件包
pip list
查看某个包可以安装的所有包
# 显示可以安装的numpy的简略信息
conda search numpy
# 显示可以安装的numpy的详细信息,可以参考如下网址
anaconda search -t conda numpy
anaconda search -t conda numpy
# 安装符合当前python环境的最新版本的numpy
conda install numpy
# 安装指定版本numpy,版本如果过高,则会报错
conda install numpy=1.16.2
###################################################
# pip安装指定版本软件
pip install numpy==1.16.2
# 升级numpy为最新版本
conda update numpy
# 升级所有的软件包
conda update --all
###################################################
# 查看可以升级的包
pip list --outdate
# 使用pip更新软件
pip install --upgrade numpy
# conda卸载软件包
conda uninstall numpy
###################################################
# pip卸载软件包
pip uninstall numpy
[global]
index-url = https://pypi.mirrors.ustc.edu.cn/simple/
[install]
use-mirrors =true
mirrors =https://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn/simple/
其他的一些镜像源:
https://pypi.tuna.tsinghua.edu.cn/simple/ # 清华大学
https://mirrors.aliyun.com/pypi/simple/ # 阿里云
https://pypi.douban.com/simple/ # 豆瓣
https://pypi.mirrors.ustc.edu.cn/simple/ # 中国科学技术大学
https://pypi.hustunique.com/ # 华中科技大学