安装好的anaconda如何使用,mac怎么使用anaconda

　　给Python初学者：Anaconda初学者指南Anaconda使用总结

　　概述

　　很多学python的初学者甚至学了一段时间。当人们接触到anaconda或其他虚拟环境工具时，会感到无助。最主要的原因是他们不知道工具是干什么用的，用来做什么，为什么要做。比如一开始作者不明白为什么除了python之外我还需要这样一个东西，它和python有什么联系和区别，为什么可以用它来管理python。

　　在使用之后，我逐渐发现了anaconda等环境管理工具实际上在做什么，以及为什么我们需要它们来管理我们的python环境。

　　首先我们要了解Anaconda诞生的目的，然后是如何使用Anaconda。

　　Python本身

　　首先需要从python本身入手，从根源上寻找问题。在用python写程序之前，我们需要下载一个python解释器，这是python的本体。如果没有python解释器，即使我们编写了极其正确和优雅的python脚本，我们也无法运行它。那么这个翻译在哪里？就在你安装python的地方，比如我的在C:\ users \ AC ring \ appdata \ local \ programs \ python \ python 36-32。

　　项目的结构如上图所示，还有我们熟悉的python.exe，也就是Python解释器。

　　除此之外，还有一个重要的东西，Lib，就是python包文件，包括自带包和第三方包。

　　Lib目录如上所示。这里有python自己的包，比如日志包和异步包并发，都是作者常用的。所有第三方包都放在site-packages文件夹中。

　　了解了这些，我们就对整个python环境有了一个大致的了解。其实最重要的是python环境需要一个解释器和包集合.解释器

　　解释器根据python的版本大致分为2和3。python2和3互不兼容，这意味着用Python 2语法编写的脚本可能无法在python3解释器中运行。包集合

　　包包括自有包和第三方包。第三方软件包通常通过pip或easy_install下载。当python环境不包含此包时，引用此包的程序无法在python环境中运行。

　　例如，如果爬虫脚本使用第三方请求包，而另一台计算机刚刚安装了原始python，也就是说，根本没有第三方包，那么这个爬虫脚本不能在另一台计算机上运行。问题所在

　　在解释完python环境之后，接下来就是解释这样的环境实际上存在哪些问题，因为anaconda就是为了解决这些问题而正式诞生的。

　　我应该安装Python2还是Python3？

　　Python2和python3在语法上不兼容，那么我应该在我的机器上安装python2还是python3呢？也许一开始选择一个学习是好的，但是如果你要开发的程序必须使用python2而不是python3，那么这个时候你就要下载另一个python2了。此时环境变量应该设置谁的目录？切换环境变量不会很麻烦吗？

　　包管理

　　如果我在本地只有一个python环境，那么我所有程序使用的所有包都只能放在同一个环境中，这就导致了环境的混乱。另外，当我把写好的程序放到另一台电脑上运行时，会遇到需要手动逐个下载的情况。真的很烦。如果每个程序都可以在不同的环境下开发，然后程序需要的所有环境(第三方包)都可以在开发后独立打包就好了。010-

　　那我们的蟒蛇该上场了。我们先安装Anaconda，然后我会逐一告诉你如何使用Anaconda来解决我们的问题。Anaconda

　　下载官网

　　下载Python 3版，毕竟python2以后会停止维护.下载

　　只需按照安装程序的指示一步一步安装即可。安装完成后，还会有几个应用程序。

　　Anaconda Navigtor:用于管理工具包和环境的图形用户界面，许多后续管理命令也可以在Navigator中手动实现。

　　Jupyter notebook:基于web的交互式计算环境，可以编辑易读的文档，并显示数据分析的过程。

　　Qtconsole:一个类似终端的图形界面程序，可以执行IPython。与Python Shell接口相比，qtconsole可以直接显示代码生成的图形，实现多行代码输入和执行，并且内置了很多有用的函数和功能。

　　Spyder:使用Python语言的跨平台、科学计算集成开发环境。

　　暂时不用担心，了解一下就好。

　　配置环境变量

　　如果是windows，需要在安装中添加anaconda安装目录的Scripts文件夹。比如我的路径是D:\ Program Files \ Anaconda 3 \ scripts，需要根据我个人的安装路径自行调整。

　　然后你可以打开命令行(最好是在管理员模式下)输入conda - version。

　　如果输出conda 4.6.11之类的，环境变量设置成功。

　　为了避免可能的错误，我们在命令行输入conda upgrade - all来升级所有工具包path变量。

　　接下来，我们可以使用anaconda来创建独立的python环境。下面的例子都是在命令行操作的。请打开命令行。

　　使活动

　　Activate可以把我们引入anaconda设置的虚拟环境。如果后面不加任何参数，就会进入anaconda自己的基础环境。

　　可以试着输入python，会进入基础环境的python解释器。如果您将python环境从原始环境中移除，您将意识到此时您在命令行中使用的不是原始的python，而是基础环境中的python。并且命令行前面会有一个附加的(base)表示我们目前处于基本环境中。

　　退出python解释器

　　退出()激活

　　创建自己的虚拟环境。

　　当然，我们不满足于一个基础环境，我们应该为我们自己的程序安装一个单独的虚拟环境。

　　创建一个名为learn的虚拟环境，并指定python版本3(这里conda会自动找到3中的最新版本进行下载)

　　conda create -n学习python=3

　　所以我们有一个虚拟学习环境。接下来，我们切换到这个环境。同样，在activae命令后添加要切换的环境的名称。

　　切换环境

　　激活learn，如果忘记名字，我们可以先用。

　　检查所有环境的Condenv列表。

　　目前的学习环境除了python自带的一些官方包之外，没有其他包。我们可以尝试更干净的环境。

　　输入python打开python解释器，然后输入管理虚拟环境。

　　报告找不到请求包是正常的。接下来，我们将演示如何安装请求包。

　　import requests

　　条件安装请求或

　　安装pip请求以安装请求包。

　　安装完成后，我们将python输入解释器并导入请求包，这次一定要成功。

　　卸载第三方软件包。

　　那么如何卸载一个包呢？

　　Conda删除请求或

　　Pip卸载请求也可以。

　　查看环境包信息

　　要查看当前环境中所有已安装的软件包，可以使用

　　许可列表导入和导出环境

　　如果您想要导出当前环境的包信息，您可以使用

　　condenvexportenvironment.yaml将包信息存储在yaml文件中。

　　当您需要重新创建相同的虚拟环境时，您可以使用

　　Condenv Create-F环境。实际上，YAML的命令很简单，对吗？下面我举几个常用的，相信多打两遍就能记住。

　　Activate //切换到基础环境activate learn //切换到学习环境conda create -n learn python=3 //创建一个名为learn的环境并指定python版本3(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 install requests包conda remove requests包conda remove-nlearn-all//删除学习环境及其所有下属包，conda update requests， 更新请求包，conda env export environment.yaml//Export当前环境的包信息，conda env create-f environment.yaml//Create使用配置文件创建新的虚拟环境。

　　你可能想知道为什么anaconda可以做这些事情。他的原则是什么？让我们来看看anaconda的安装目录。

　　这里只截取了一部分，但是当我们把它和本文开头的python环境目录进行对比的时候，可以发现非常相似。其实这就是基地环境。里面有一个基本的python解释器，lLib里的基础环境里有各种包文件。

　　那我们自己创造的环境呢？我们可以看到一个envs，是我们自己创建的各种虚拟环境的入口。点进去看看。

　　你可以发现我们之前创建的学习目录在下面，然后点进去。

　　这不是标准的python环境目录吗？

　　从这个角度来看，anaconda所谓的创建虚拟环境，其实就是安装一个真实的python环境，但是我们可以通过activate、conda Conda等命令随意切换我们当前的python环境，用不同版本的解释器和不同的包环境运行python脚本。

　　安装第三方包

　　在与pycharm连接中，修改项目解释器，单击齿轮图标，然后单击添加本地作为您的环境的python.exe解释器。

　　例如，如果您想在learn环境中编写一个程序，那么将其修改为D:\ program files \ anaconda 3 \ envs \ learn。您可以看到下面的依赖包也成为了学习环境中的包。接下来，我们就可以愉快地用pycharm编码了。

　　作者：AC手环

　　链接：https://www.jianshu.com/p/eaee1fadc1e9

　　来源：简书

　　简化书版权归作者所有。转载请联系作者获得授权并注明出处。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。