Anaconda (Python发行版)

维基百科,自由的百科全书
跳到导航 跳到搜索
Anaconda
開發者 Continuum analytics
类型 编程语言
许可协议 BSD许可证
網站 編輯維基數據鏈接

Anaconda 是一种Python语言的免费增值[1]开源发行版[2],用于进行大规模数据处理、预测分析,和科学计算,致力于简化包的管理和部署。[3][4][5][6][7] Anaconda使用软件包管理系统Conda英语Conda (package manager)进行包管理。[8]

下载后直接双击安装。使用时,可以点击启动相应的编程环境:

  • Python(shell) : 标准CPython
  • IPython(shell): 相当于在命令窗口的命令提示符后输入ipython回车。pip install ipython安装的ipython用法一样。
  • Ipython QTConsole
  • IPython Notebook:直接点击打开,或者在命令提示符中输入ipython.exe notebook
  • Jupyter QTConsole
  • Jupyter Notebook:直接点击打开,或在终端中输入: jupyter notebook 以启动服务器;在浏览器中打开notebook页面地址:http://localhost:8888 。Jupyter Notebook是一种 Web 应用,能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。
  • Spyder:直接点击打开IDE。最大优点就是模仿MATLAB的“工作空间”
  • Anaconda Prompt : 命令行终端
  • 支持其他IDE,如Pycharm

安装包管理,

  • 列出已经安装的包:在命令提示符中输入pip list或者用conda list
  • 安装新包:在命令提示符中输入“pip install 包名”,或者“conda install 包名”
  • 更新包: conda update package_name
  • 升级所有包: conda upgrade --all
  • 卸载包:conda remove package_names
  • 搜索包:conda search search_term

管理环境:

  • 安装nb_conda,用于notebook自动关联nb_conda的环境
  • 创建环境:在Anaconda终端中 conda create -n env_name package_names[=ver]
  • 使用环境:在Anaconda终端中 activate env_name
  • 离开环境:在Anaconda终端中 deactivate
  • 导出环境设置:conda env export > environmentName.yaml 或 pip freeze > environmentName.txt
  • 导入环境设置:conda env update -f=/path/environmentName.yaml 或 pip install -r /path/environmentName.txt
  • 列出环境清单:conda env list
  • 删除环境: conda env remove -n env_name

参考文献[编辑]

  1. ^ Anaconda Subscriptions. continuum.io. Continuum Analytics. [September 30, 2015]. (原始内容存档于2016-03-15). 
  2. ^ Open Source is at the Core of Modern Software. continuum.io. Continuum Analytics. [May 30, 2016]. (原始内容存档于2016年4月16日). 
  3. ^ Martins, Luiz Felipe. IPython Notebook Essentials 1st. Packt. November 2014: 190. ISBN 9781783988341. 
  4. ^ Gorelick, Micha; Ozsvald, Ian. High Performance Python: Practical Performant Programming for Humans 1st. O'Reilly Media. September 2014: 370. ISBN 9781449361594. 
  5. ^ Jackson, Joab. Python gets a big data boost from DARPA. Network World. IDG. February 5, 2013 [October 30, 2014]. 
  6. ^ Lorica, Ben. Python data tools just keep getting better. O'Reilly Radar. O'Reilly Media. March 24, 2013 [October 30, 2014]. 
  7. ^ Doig, Christine. Anaconda for R users: SparkR and rBokeh. Developer Blog. Continuum Analytics. February 1, 2016. (原始内容存档于2016年3月5日). 
  8. ^ Conda – Conda documentation. [February 25, 2016]. 

外部链接[编辑]

官方网站