anaconda python 教程-杰瑞科技汇

Anaconda Python 完整教程：从入门到精通

什么是 Anaconda？为什么选择它？
- 1 核心概念：Conda, Anaconda Navigator, Jupyter Notebook
- 2 Anaconda 的优势
安装 Anaconda
- 1 下载安装包
- 2 Windows 安装步骤
- 3 macOS 安装步骤
- 4 Linux 安装步骤
- 5 验证安装
Anaconda 的核心工具
- 1 Anaconda Navigator：图形化界面入门
- 2 Jupyter Notebook / JupyterLab：交互式编程利器
- 3 Conda：强大的环境与包管理器
使用 Conda 管理环境和包
- 1 为什么需要环境？（隔离依赖的重要性）
- 2 创建新环境
- 3 激活和退出环境
- 4 安装和卸载包
- 5 克隆环境
- 6 删除环境
- 7 查看环境和包信息
使用 Jupyter Notebook 进行数据分析
- 1 启动 Notebook
- 2 Notebook 界面介绍
- 3 基本操作：创建、运行、保存单元格
- 4 导出 Notebook
最佳实践与常见问题
- 1 最佳实践
- 2 常见问题与解决方案

什么是 Anaconda？为什么选择它？

Anaconda 是一个免费、开源的 Python 和 R 语言的发行版，包含了数据科学、机器学习、科学计算等领域最常用的库，它不仅仅是一个 Python 解释器，更是一个完整的、一站式的数据科学生态系统。

（图片来源网络，侵删）

1 核心概念

Conda：Anaconda 的核心包管理器和环境管理器，它是一个跨平台的工具，可以用来安装、运行和更新软件包和环境，与 pip（Python 的包管理器）不同，Conda 不仅管理 Python 包，还能管理非 Python 的依赖项（如 C/C++ 库）,这使得解决复杂的依赖问题变得非常容易。
Anaconda Navigator：一个图形化的桌面应用程序，让你无需命令行即可启动和管理 Conda 环境、包以及 Jupyter Notebook、Spyder 等应用程序,非常适合初学者。
Jupyter Notebook / JupyterLab：一个基于 Web 的交互式计算环境，你可以将代码、公式、可视化和文字说明整合在一个文档中,它是数据分析和机器学习领域最受欢迎的工具之一。
Spyder：一个类似于 MATLAB 的集成开发环境，专为科学计算和数据分析设计,功能强大。

2 Anaconda 的优势

环境隔离：可以为每个项目创建独立的环境，避免不同项目间的库版本冲突，这是 Anaconda 最大的优点。
依赖管理：自动解决复杂的依赖关系，让你不再为 "No module named..." 或版本不兼容而烦恼。
海量预装库：开箱即用，包含了 NumPy, Pandas, Matplotlib, Scikit-learn, Jupyter 等数百个常用库。
跨平台：支持 Windows, macOS 和 Linux。
生态系统完整：从环境管理到代码编写，再到数据可视化,提供了全套工具。

安装 Anaconda

1 下载安装包

访问 Anaconda 官方下载页面。
根据你的操作系统选择合适的版本（推荐选择 Python 3.x 版本）。
下载对应系统的安装包（Windows 64-bit）。

2 Windows 安装步骤

双击下载的 .exe 文件。
勾选 "I Agree" 同意协议。
选择 "Just Me"（仅限当前用户）或 "All Users"（所有用户）,通常选择默认即可。
重要一步：勾选 "Add Anaconda to my PATH environment variable"，这会自动将 Anaconda 的可执行文件路径添加到系统环境变量中，让你可以在命令行中直接使用 conda 和 python 命令。强烈推荐勾选！
选择安装位置,保持默认即可。
安装完成后，勾选 "Anaconda Navigator" 和 "Python 3.x"（或其他你需要的），点击 "Finish"。

3 macOS 安装步骤

双击下载的 .pkg 文件。
按照安装向导的提示进行操作。
安装程序会自动处理环境变量配置。
安装完成后，可以在 "启动台" 中找到 "Anaconda Navigator"。

4 Linux 安装步骤

打开终端。
切换到下载目录，cd ~/Downloads。
给安装文件添加可执行权限：chmod +x Anaconda3-...-Linux-x86_64.sh (请替换为你的文件名)。
运行安装脚本：bash Anaconda3-...-Linux-x86_64.sh。
按照提示进行操作，在询问 "Do you wish the installer to prepend the Anaconda3 install location to PATH in your /home/username/.bashrc ?" 时，输入 yes，这会将 Conda 添加到你的 shell 路径中。
安装完成后，关闭并重新打开终端，或者运行 source ~/.bashrc 使配置生效。

5 验证安装

打开一个新的终端（或命令提示符）,输入以下命令：

conda --version

如果看到类似 conda 23.10.0 的输出，说明 Conda 安装成功，你也可以输入 python --version 来检查 Python 版本。

Anaconda 的核心工具

1 Anaconda Navigator

启动：在开始菜单或启动台中搜索 "Anaconda Navigator" 并打开。
界面：你会看到左侧是应用程序列表（Jupyter Notebook, Spyder, 等）,右侧是环境管理。
使用：
- 管理环境：在 "Environments" 标签页下，你可以创建、克隆、删除环境。
- 启动应用：点击左侧的 "Launch" 按钮即可启动对应的应用,它会自动在当前选定的环境中运行。

2 Jupyter Notebook / JupyterLab

这是数据科学家的核心工具。

启动：
- 通过 Navigator：在 Navigator 中选择一个环境，然后点击 "Jupyter Notebook" 或 "JupyterLab" 旁边的 "Launch"。
- 通过命令行：先激活一个环境，然后运行 jupyter notebook 或 jupyter lab。
界面：
- Jupyter Notebook：以标签页形式打开多个 .ipynb 文件。
- JupyterLab：更现代化的界面，左侧是文件浏览器，可以像 IDE 一样同时打开多个笔记本、终端、文本编辑器等。推荐使用 JupyterLab。

3 Conda

Conda 是命令行工具，功能强大，是 Anaconda 的灵魂。

（图片来源网络，侵删）

使用 Conda 管理环境和包

这是 Anaconda 最重要的部分,请务必理解并掌握。

1 为什么需要环境？

想象一下，你有一个项目 A 需要 numpy 版本 1.20，而项目 B 需要 numpy 版本 1.25，如果你把它们装在同一个 Python 环境里，就会产生冲突。环境就像一个独立的虚拟空间，每个空间都有自己的 Python 和库,互不干扰。

2 创建新环境

语法：conda create --name <环境名> <包名>=<版本> python=<版本>

示例：创建一个名为 data_science 的环境，使用 Python 3.9，并默认安装 numpy 和 pandas。

（图片来源网络，侵删）

conda create --name data_science python=3.9 numpy pandas

在安装过程中，Conda 会询问你是否安装，输入 y 并回车即可。

3 激活和退出环境

激活环境：
- Windows: conda activate data_science
- macOS/Linux: source activate data_science 或简写为 conda activate data_science
- 激活后，你的终端提示符前会显示环境名，(data_science) C:\Users\YourUser>。
退出环境：
```
conda deactivate
```
退出后,提示符会恢复原状。

4 安装和卸载包

重要：务必先激活你想要操作的环境！

安装包：

# 在 data_science 环境中安装 scikit-learn
conda activate data_science
conda install scikit-learn

卸载包：
```
# 卸载 numpy
conda uninstall numpy
```
使用 pip：虽然 Conda 很强大，但有些 Python 包可能只在 PyPI 上可用，这时可以在 Conda 环境中使用 pip。推荐优先使用 conda，conda 解决不了的再用 pip。
```
# 在当前环境中用 pip 安装一个包
pip install some-pypi-package
```

5 克隆环境

如果你想复制一个已经配置好的环境,克隆是最佳选择。

# 克隆 data_science 环境，命名为 data_science_copy
conda create --name data_science_copy --clone data_science

6 删除环境

警告：此操作不可逆,会删除整个环境及其所有包！

# 删除名为 old_project 的环境
conda env remove --name old_project

7 查看环境和包信息

查看所有环境：
```
conda env list
# 或
conda info --envs
```
查看当前环境的包列表：
```
conda list
```
查看某个环境的包列表：
```
conda list -n data_science
```

使用 Jupyter Notebook 进行数据分析

假设你已经激活了 data_science 环境。

1 启动 Notebook

在命令行中运行：

jupyter lab

浏览器会自动打开 JupyterLab 的主界面。

2 Notebook 界面介绍

左侧面板：文件浏览器,可以看到你的文件和目录。
主界面：一个空白的 Notebook。
顶部菜单栏：包含文件、编辑、单元格、运行等操作。

3 基本操作

创建新 Notebook：点击左侧的 "+" 按钮，选择 "Python 3"。
单元格：Notebook 由一系列单元格组成。
- 代码单元格：用于编写和执行 Python 代码，在单元格中输入代码后，按 Shift + Enter 运行。
- Markdown 单元格：用于编写文本、公式、标题等，点击单元格后，从顶部菜单栏的下拉框中选择 "Markdown"，同样用 Shift + Enter 渲染。

示例代码：在第一个代码单元格中输入：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 创建一个简单的示例数据
data = {'A': np.random.rand(5),
        'B': np.random.rand(5)}
df = pd.DataFrame(data)
# 打印数据
print("DataFrame:")
print(df)
# 绘制图表
df.plot(kind='bar')
plt.title("Random Data Plot")
plt.show()

运行后,你会看到输出的表格和生成的图表。

4 导出 Notebook

你可以将 Notebook 导出为多种格式，如 HTML, PDF, Python (.py) 文件等，通过 "File" -> "Download as" 菜单选择。

最佳实践与常见问题

1 最佳实践

一个项目，一个环境：为每个新项目创建一个新的 Conda 环境。
environment.yml 文件：为你的项目创建一个 environment.yml 文件，记录所有依赖，这样别人可以轻松重现你的环境。
```
# environment.yml
name: my_project_env
channels:
  - conda-forge
dependencies:
  - python=3.9
  - numpy
  - pandas
  - scikit-learn
```
用 conda env create -f environment.yml 可以根据此文件创建环境。
优先使用 conda：尽量用 conda install 安装包,因为它能更好地处理依赖。
给环境起有意义的名字：如 project_tf (TensorFlow项目), project_dl (深度学习项目)。

2 常见问题与解决方案

问题：conda: command not found
- 原因：系统环境变量未正确配置。
- 解决：在 Windows 中，重新运行安装程序并确保勾选了 "Add Anaconda to PATH"，在 macOS/Linux 中，确保运行了 source ~/.bashrc 或重新打开终端。
问题：包安装失败，提示 UnsatisfiableError
- 原因：依赖冲突,比如你想安装的包需要某个库的版本与你环境中的版本不兼容。
- 解决：
  1. 尝试指定一个明确的频道：conda install -c conda-forge <包名>。
  2. 尝试更新 Conda：conda update conda。
  3. 创建一个全新的、干净的虚拟环境来安装这个包。
问题：Jupyter Notebook 中无法导入新安装的包。
- 原因：你在一个环境中安装了包，但在另一个环境中启动了 Jupyter。
- 解决：确保在安装包的同一个环境中启动 Jupyter Notebook，先 conda activate my_env，再运行 jupyter lab。

Anaconda 是数据科学工作者的瑞士军刀，通过本教程,你应该已经掌握了：

安装和验证 Anaconda。
使用 Anaconda Navigator 进行可视化操作。
使用 Conda 创建、管理和切换环境,这是解决依赖问题的核心。
使用 JupyterLab 进行交互式数据分析。

从现在开始，尝试为你的下一个项目创建一个新的 Conda 环境,并开始你的数据科学之旅吧！

anaconda python 教程

Anaconda Python 完整教程：从入门到精通

目录

什么是 Anaconda？为什么选择它？

1 核心概念

2 Anaconda 的优势

安装 Anaconda

1 下载安装包

2 Windows 安装步骤

3 macOS 安装步骤

4 Linux 安装步骤

5 验证安装

Anaconda 的核心工具

1 Anaconda Navigator

2 Jupyter Notebook / JupyterLab

3 Conda

使用 Conda 管理环境和包

1 为什么需要环境？

2 创建新环境

3 激活和退出环境

4 安装和卸载包

5 克隆环境

6 删除环境

7 查看环境和包信息

使用 Jupyter Notebook 进行数据分析

1 启动 Notebook

2 Notebook 界面介绍

3 基本操作

4 导出 Notebook

最佳实践与常见问题

1 最佳实践

2 常见问题与解决方案

相关推荐

Java Socket编程实例具体怎么实现？