# 2.2 Anaconda

### 2.2.1 Anaconda简介

Anaconda的中文译名为蟒蛇。它是一个极其流行的，开源的Python发行版本，因包含大量的第三方类库及其依赖项而著名。使用Anaconda可以快速安装、运行和升级包及其依赖项。

此外，开发者在开发过程中经常会遇到Python版本或Python库版本不符合需求的问题，需要对Python版本或Python库版本进行升级或者降级，然而这种操作即有可能产生连锁反应，使得python与库之间，库与库之间产生不兼容问题，进而导致Python环境被污染。这时候，使用Anaconda可以方便开发者对Python环境进行管理。使用Anaconda建立的Python环境与系统Python环境和与Anaconda建立的其他Python环境是完全隔离的。这就保障了不同Python环境之间是相互独立的。Anaconda克服了virtualenv工具的不足，使创建环境变得简单。

所谓一图胜千言，表2.3将conda，pip，virtualenv工具能力对比，同时列出了各种工具常用指令，从中我们也可以看出Anaconda覆盖pip和virtualenv的所有功能，是包和与环境管理方面无可替代的选择。

表2.3

| 任务       | conda命令                                               | pip命令                                                             | virtualenv命令                                           |
| -------- | ----------------------------------------------------- | ----------------------------------------------------------------- | ------------------------------------------------------ |
| 安装包      | conda install $PACKAGE\_NAME                          | pip install $PACKAGE\_NAME                                        |                                                        |
| 更新包      | conda update --name $ENVIRONMENT\_NAME $PACKAGE\_NAME | pip install --upgrade $PACKAGE\_NAME                              |                                                        |
| 更新包管理工具  | conda update conda                                    | Linux/macOS: pip install -U pip Win: python -m pip install -U pip |                                                        |
| 卸载包      | conda remove --name $ENVIRONMENT\_NAME $PACKAGE\_NAME | pip uninstall $PACKAGE\_NAME                                      |                                                        |
| 创建环境     | conda create --name $ENVIRONMENT\_NAME python         |                                                                   | cd $ENV\_BASE\_DIR; virtualenv $ENVIRONMENT\_NAME      |
| 激活环境     | conda activate $ENVIRONMENT\_NAME\*                   |                                                                   | source $ENV\_BASE\_DIR/$ENVIRONMENT\_NAME/bin/activate |
| 注销环境     | source deactivate                                     |                                                                   | deactivate                                             |
| 查找可用包    | conda search $SEARCH\_TERM                            | pip search $SEARCH\_TERM                                          |                                                        |
| 从特定源安装包  | conda install --channel $URL $PACKAGE\_NAME           | pip install --index-url $URL $PACKAGE\_NAME                       |                                                        |
| 列举包      | conda list --name $ENVIRONMENT\_NAME                  | pip list                                                          |                                                        |
| 创建需求文件   | conda list --export                                   | pip freeze                                                        |                                                        |
| 列举环境     | conda info --envs                                     |                                                                   | Install virtualenv wrapper, then lsvirtualenv          |
| 安装包管理工具  | conda install pip                                     | pip install conda                                                 |                                                        |
| 安装python | conda install python=x.x                              |                                                                   |                                                        |
| 更新python | conda update python\*                                 |                                                                   |                                                        |

我们先前已经对pip和virtualenv命令进行了讲解，我们将会在2.2.3，2.2.4节对conda命令进行讲解。

### 2.2.2 Anaconda的安装

#### Windows

我们通过<https://www.anaconda.com/distribution/下载所需要的版本，如图2.2所示。>

![](/files/BQwuGlMYugWKMGGiQBfa)

图2.2 Anaconda下载页面

下载完成后，双击进行安装，选择路径，我们推荐把Anaconda3加入环境变量，同时把Anaconda默认环境所带解释器作为系统默认的Python解释器，如图2.3所示。

![](/files/Xw0ukJDSDzAcjwIEEhQf)

图2.3 Anaconda3的安装

人工配置环境变量，可遵循以下步骤。

第一步：右击“计算机”（Windows 10操作系统中为“此电脑”），选择“属性”选项，打开“系统”窗口，如图1-5所示。

![](/files/xe8T7GaYw6OfcZpHQ7YF)

图1-5 进入“系统”窗口

第二步：选择“高级系统设置”（Advanced system settings）选项，单击“高级”选项卡的“环境变量”按钮，如图1-6所示。

第三步：将Anaconda的相关安装路径（编者的路径为C:\Users\Johan\Anaconda3）添加到Path变量中，如图1-7所示。

![](/files/xf74k1AV9keIECJmrBx6)

图1-6 单击“环境变量”按钮

![](/files/njNX5XpjcUf1rXX59vFZ)

图1-7 配置Path环境变量

在这里我们将Anaconda的相关安装路径加入了用户环境变量。这样做的好处使，当该PC有多位用户使用时，不会因为用户环境变量不同而发生冲突。

此外，还可以将Anaconda的相关安装路径加入系统环境变量。这样做会对PC上的所有用户都会生效。

#### Ubuntu

我们通过<https://www.anaconda.com/distribution/下载所需要的版本。在下载所得文件Anaconda3-2019.03-Linux-x86\\_64.sh所在的目录下键入如下命令：>

sudo chmod +x ./ Anaconda3-2019.03-Linux-x86\_64.sh

./Anaconda3-2019.03-Linux-x86\_64.sh #不要在root下安装

接受许条款后，选择Anaconda的安装路径，我们建议在默认家路径下进行安装。一路确认，即可完成

Ubuntu配置用户环境变量的方法如下：

在terminal中输入

sudo vim \~/.bashrc //ashrc是用户级环境变量，只对当前用户有效

在.bashrc中输入：

export PATH=\~/anaconda3/bin:$PATH #将anaconda3加入到用户环境变量前

此外，还可以将anaconda3加入到系统环境变量中，需要修改的文件为/etc/profile，其他操作一致。

#### Mac OS X

从官网下载Mac OS X 的anaconda安装程序。当安装程序运行时，它会自动将anaconda可执行文件路径附加到.bash\_profile中。这位于/users/$user/.bash\_profile。要验证一切正常，请尝试在系统shell中启动ipython（打开终端应用程序以获取命令提示）：

可以采用与Ubuntu相同的人工环境变量配置方法对Mac OS X的环境变量进行人工配置。更多Mac OS X的环境变量配置方法，请参照官方文档。

### 2.2.3 包管理

#### 查询包

查询已安装的包命令如下：

conda list

模糊查询：

conda serach item\_name #item\_name为包的部分拼写

#### 安装包

在安装包的过程中，conda还会自动安装依赖项。例如：scikit-learn需要依赖于Numpy，Scipy如果只安装scikit-learn，则conda还会安装Numpy, Scipy

包安装命令如下：

conda install package\_name1 \[package\_name2 Package\_name3 … Package\_namen]

#### 卸载包

包卸载命令如下

conda remove package\_name1\[ package\_name2 Package\_name3 … Package\_namen]

#### 更新包

包更新命令如下

conda update package\_name1\[ package\_name2 Package\_name3 … Package\_namen]

更新所有包命令如下：

conda update –all

#### 切换源

熟悉\*nix的读者在使用apt或homebrew工具安装软件时往往需要对第三方源进行配置，在一些特殊的情况下，还需要对软件源的优先级进行指定。conda作为一种强大的包管理工具，同样允许使用者自定义安装源。

在安装包一节中，我们使用conda install packge\_name的方式，从默认频道中安装或更新包。然而，对某些领域的专业人士来说，官方默认频道(Continuum)往往无法提供他们所需要的包。这是，就需要人工指定conda的安装源。

有两种更改安装频道的方法，一种是每次指定一个频道对包进行安装：

conda install -c some-channel packagename

另一种是，将经常使用的频道，添加到conda配置中。当多个频道均具有特定的安装包时，conda根据配置列表种第三方频道的先后顺序确定频道优先级，进行包的安装。

下述命令将频道some\_channel添加到channels配置列表的顶部（最高优先级）：

conda config --add channels some-channel

下述命令将频道some\_channel添加到channels配置列表的底部（最低优先级）：

conda config --append channels some-channel

删除channels配置列表中的频道：

conda config --remove channels some-channel

conda-forge是除了默认频道外最常用的conda频道。conda-forge是为了建立和维护软件包由社区主导的python包的集合，为conda包管理器构建基础结构和发行版。

我们使用conda-forge取代默认频道往往基于以下两方面原因：

1. conda-forge往往可以提供默认频道不能提供的包
2. conda-forge往往可以提供更新的包

除了conda-forge源以外，还存在生物信息学常用的binconda源等，在此不再熬述。

### 2.2.4 环境管理

#### 查询环境

查询环境命令如下：

conda env list

#### 创建环境

创建环境命令如下：

conda create -n env\_name package\_name1\[ package\_name2 package\_name3 … package\_namen]

此命令会创建包含若干包的Python环境，其中 -n 后边跟环境名称

例如：conda create -n iexkliu pandas matplotlib，这样便会创建包含pands和matplotlib的python运行环境

同时，在创建环境时，可以指定安装在环境中的编程语言

如我们希望在安装环境时同时获得python2，python3，C++语言的支持：

#### 进入环境

进入环境命令如下

activate env\_name #对于Linux和Mac用户，键入source activate env\_name

#### 注销环境

进入环境命令如下

deactivate env\_name #对于Linux和Mac用户，键入source deactivate env\_name

#### 共享环境

1. 导出环境

共享环境可以让他人安装我们的开发环境中所使用的包。且新安装的包的版本与我们所写的代码中用到的包的版本是一致的。

共享环境的命令如下：

conda env export > environment.yaml

通过这条命令可以将当前环境保存到终端当前目录下。键入type environment.yaml可以查看该环境配置文件的内容，亦可以使用记事本打开。

在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。

1. 导入环境

首先我们需要激活被导入环境，如我们的被导入环境为inport\_env接着，我们使用如下命令将environment.yaml中环境配置导入到当前环境：

conda env update -f=/path/to/enviroment.yml

其中-f表示环境配置导出文件所在的本地路径。

![](/files/pIUAavjoQR9Bj8vi5QQG)

#### 删除环境

删除环境的命令如下：

conda env remove -n env\_name 删除指定的环境


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://johannesliu.gitbook.io/data-science-python-implemented/2.0-build_environment/2.2-anaconda.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.