Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。
因为包含了大量的科学包,Anaconda 的下载文件比较大(约 477MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python)。
而 Conda是一个开源的包、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,Anaconda里面已经包含Conda了,Anaconda除了包括Conda、Python,还包括一大堆安装好的工具包,比如:numpy、pandas等
下载官方网址:https://www.anaconda.com/products/distribution
如果不是,那么点击其他相应图标后,会转到以下三种操作系统的版本选项:
因为 Anaconda 是跨平台的,有 Windows、macOS、Linux 版本,我们这里以 Windows 版本为例,点击那个 Windows 图标(图1第一个箭头)。
然后下载的是
Python 3.8 version
64位图形安装程序(477 MB)
当然,你也可以根据自己的实际情况,选择 32-Bit 版本的(现在大多数计算机都是64位的)。
双击下载好的Anaconda3-2021.05-Windows-x86_64.exe文件
出现如下界面,点击 Next 即可进行下一步
点击 I Agree (我同意)
Install for: Just me还是All Users,假如你的电脑有好几个 Users ,才需要考虑这个问题其实我们电脑一般就一个 User,就我们一个人使用,如果你的电脑有多个用户,选择All Users,我这里直接 Just me,我就一个用户,继续点击 Next
Destination Folder 是“目标文件夹”的意思,选择安装到什么地方。
默认是安装到 C:\ProgramData\Anaconda3文件夹下。你也可以选择 Browse… ,选择想要安装的文件夹。
我 C 盘空间不是很充裕,所以我选择安装到我的E盘。
注意:该文件夹必须是空的,且红色方框中的地址不包含中文,否则会报错
点击Next
这里提一下,Anaconda 很强大,占用空间也不小啊,2.6GB,差不多是一部高清电影的体积了。不过,为了学习,这点硬盘空间算什么呢。
这里来到 Advanced Options(高级选项)。两个默认就好,第一个是加入环境变量,默认不勾选,第二个是默认使用 Python 3.8,默认勾选,点击“Install”,终于开始安装额。
过程还是挺长的,请耐心等待。
经过漫长的等待,终于安装完成 Installation Complete (安装完成)了,点击 Next>。
点击Next
如果是windows的话需要去:
控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH (或者搜索框直接搜高级系统设置)中添加 anaconda的安装目录的Scripts文件夹, 看个人安装路径不同需要自己调整.
点击 环境变量
点击新建;添加 anaconda的安装目录的Scripts文件夹, 看个人安装路径不同需要自己调整;最后点 确定。
退出的环境变量,系统属性页面也要点确定。
之后就可以打开命令行(最好用管理员模式打开)
输入
conda --version
后续的一些与pycharm连接使用,anaconda具体原理等其他使用,详见底部参考[1]的链接。本文仅对Ancona近期版本的安装进行详细说明。另附用conda命令安装第三方包和一些常用的命令,初学者目前可以忽略,等到用到的时候再看即可。
输入
conda install requests
或者
pip install requests
来安装requests包(或者其他的一些包)
安装完成之后我们再输入python进入解释器并import requests包, 这次一定就是成功的了.
还拿requests包为例,输入
conda remove requests
或者
pip uninstall requests
要查看当前环境中所有安装了的包可以用
conda list
如果想要导出当前环境的包信息可以用
conda env export > environment.yaml
将包信息存入yaml文件中.
当需要重新创建一个相同的虚拟环境时可以用
conda env create -f environment.yaml
常用命令列举如下:
activate # 切换到base环境
activate learn # 切换到learn环境
conda create -n learn python=3 # 创建一个名为learn的环境并指定python版本为3(的最新版本)
conda env list # 列出conda管理的所有环境
conda list # 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all # 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml # 导出当前环境的包信息
conda env create -f environment.yaml # 用配置文件创建新的虚拟环境