anaconda使用教程（图文）
Anaconda是一个面向Python和R编程语言的数据科学和机器学习平台。它的设计目的是使创建和分发项目的过程变得简单、稳定和可跨系统复制，并且可以在Linux、Windows和OSX上使用。
Anaconda是一个基于Python的平台，管理主要的数据科学包，包括panda、scikit-learn、SciPy、NumPy和谷歌的机器学习平台TensorFlow。它与conda(类似于pip的安装工具)、Anaconda导航器(用于GUI体验)和spyder(用于IDE)一起打包。
本教程将介绍Python编程语言的Anaconda、conda和spyder的一些基础知识，并向您介绍开始创建自己的项目所需的概念。（推荐：Python教程）
conda的基本知识
Conda是Anaconda包管理和环境工具，是Anaconda的核心。它很像pip，只是它被设计用于Python、C和R包管理。Conda还以一种类似于virtualenv的方式管理虚拟环境，我在这里已经介绍过了。
确认安装
第一步是确认系统上的安装和版本。下面的命令将检查Anaconda是否已安装，并将版本打印到终端。
$ conda --version
你应该会看到类似于下面的结果。我目前安装了4.4.7版本。
$ conda --version conda 4.4.7
更新版本
可以使用conda的update参数来更新conda，如下所示。
$ conda update conda
此命令将更新到最新版本的conda。
Proceed ([y]/n)? y Downloading and Extracting Packages conda 4.4.8: ########################################################### | 100% openssl 1.0.2n: ######################################################## | 100% certifi 2018.1.18: ##################################################### | 100% ca-certificates 2017.08.26: ############################################ | 100% Preparing transaction: done Verifying transaction: done Executing transaction: done
通过再次运行version参数，我们看到我的版本已更新到4.4.8，这是该工具的最新版本。
$ conda --version conda 4.4.8
创造一个新的环境
要创建一个新的虚拟环境，可以运行下面的一系列命令。
$ conda create -n tutorialConda python=3 $ Proceed ([y]/n)? y
你可以在下面看到安装到新环境中的包。
Downloading and Extracting Packages certifi 2018.1.18: ##################################################### | 100% sqlite 3.22.0: ######################################################### | 100% wheel 0.30.0: ########################################################## | 100% tk 8.6.7: ############################################################## | 100% readline 7.0: ########################################################## | 100% ncurses 6.0: ########################################################### | 100% libcxxabi 4.0.1: ####################################################### | 100% python 3.6.4: ########################################################## | 100% libffi 3.2.1: ########################################################## | 100% setuptools 38.4.0: ##################################################### | 100% libedit 3.1: ########################################################### | 100% xz 5.2.3: ############################################################## | 100% zlib 1.2.11: ########################################################### | 100% pip 9.0.1: ############################################################# | 100% libcxx 4.0.1: ########################################################## | 100% Preparing transaction: done Verifying transaction: done Executing transaction: done # # To activate this environment, use: # > source activate tutorialConda # # To deactivate an active environment, use: # > source deactivate #
激活
与virtualenv非常相似，你必须激活新创建的环境。下面的命令将激活Linux上的环境。
source activate tutorialConda
Bradleys-Mini:~ BradleyPatton$ source activate tutorialConda (tutorialConda) Bradleys-Mini:~ BradleyPatton$
安装包
conda list命令将列出当前安装到项目中的包。你可以使用install命令添加附加包及其依赖项。
$ conda list
# packages in environment at /Users/BradleyPatton/anaconda/envs/tutorialConda: # # Name Version Build Channel ca-certificates 2017.08.26 ha1e5d58_0 certifi 2018.1.18 py36_0 libcxx 4.0.1 h579ed51_0 libcxxabi 4.0.1 hebd6815_0 libedit 3.1 hb4e282d_0 libffi 3.2.1 h475c297_4 ncurses 6.0 hd04f020_2 openssl 1.0.2n hdbc3d79_0 pip 9.0.1 py36h1555ced_4 python 3.6.4 hc167b69_1 readline 7.0 hc1231fa_4 setuptools 38.4.0 py36_0 sqlite 3.22.0 h3efe00b_0 tk 8.6.7 h35a86e2_3 wheel 0.30.0 py36h5eb2c71_1 xz 5.2.3 h0278029_2 zlib 1.2.11 hf3cbc9b_2
要将panda安装到当前环境中，你需要执行下面的shell命令。
$ conda install pandas
它将下载并安装相关的包和依赖项。
The following packages will be downloaded: package | build ---------------------------|----------------- libgfortran-3.0.1 | h93005f0_2 495 KB pandas-0.22.0 | py36h0a44026_0 10.0 MB numpy-1.14.0 | py36h8a80b8c_1 3.9 MB python-dateutil-2.6.1 | py36h86d2abb_1 238 KB mkl-2018.0.1 | hfbd8650_4 155.1 MB pytz-2017.3 | py36hf0bf824_0 210 KB six-1.11.0 | py36h0e22d5e_1 21 KB intel-openmp-2018.0.0 | h8158457_8 493 KB ------------------------------------------------------------ Total: 170.3 MB The following NEW packages will be INSTALLED: intel-openmp: 2018.0.0-h8158457_8 libgfortran: 3.0.1-h93005f0_2 mkl: 2018.0.1-hfbd8650_4 numpy: 1.14.0-py36h8a80b8c_1 pandas: 0.22.0-py36h0a44026_0 python-dateutil: 2.6.1-py36h86d2abb_1 pytz: 2017.3-py36hf0bf824_0 six: 1.11.0-py36h0e22d5e_1
通过再次执行list命令，我们可以看到新包安装在虚拟环境中。
$ conda list # packages in environment at /Users/BradleyPatton/anaconda/envs/tutorialConda: # # Name Version Build Channel ca-certificates 2017.08.26 ha1e5d58_0 certifi 2018.1.18 py36_0 intel-openmp 2018.0.0 h8158457_8 libcxx 4.0.1 h579ed51_0 libcxxabi 4.0.1 hebd6815_0 libedit 3.1 hb4e282d_0 libffi 3.2.1 h475c297_4 libgfortran 3.0.1 h93005f0_2 mkl 2018.0.1 hfbd8650_4 ncurses 6.0 hd04f020_2 numpy 1.14.0 py36h8a80b8c_1 openssl 1.0.2n hdbc3d79_0 pandas 0.22.0 py36h0a44026_0 pip 9.0.1 py36h1555ced_4 python 3.6.4 hc167b69_1 python-dateutil 2.6.1 py36h86d2abb_1 pytz 2017.3 py36hf0bf824_0 readline 7.0 hc1231fa_4 setuptools 38.4.0 py36_0 six 1.11.0 py36h0e22d5e_1 sqlite 3.22.0 h3efe00b_0 tk 8.6.7 h35a86e2_3 wheel 0.30.0 py36h5eb2c71_1 xz 5.2.3 h0278029_2 zlib 1.2.11 hf3cbc9b_2
对于不属于Anaconda存储库的包，可以使用典型的pip命令。由于大多数Python用户都熟悉这些命令，所以我不会在这里讨论这些。
Anaconda Navigator（Anaconda导航器）
Anaconda包含一个基于GUI的导航应用程序，使开发变得容易。它包括spyder IDE和 jupyter notebook作为预装项目。这允许你从GUI桌面环境快速启动一个项目。
为了从导航器新创建的环境开始工作，我们必须在左边的工具栏下选择我们的环境。
然后我们需要安装我们想要使用的工具。对我来说，这就是spyder IDE。这是我大部分数据科学工作的地方，对我来说，这是一个高效的Python IDE。只需单击spyder的dock tile上的install按钮。导航器将完成剩下的工作。
安装之后，你可以从相同的dock tile打开IDE。这将从你的桌面环境启动spyder。
spyder
spyder是Anaconda的默认IDE，对于Python中的标准和数据科学项目都非常强大。spyder IDE有一个集成的IPython笔记本、一个代码编辑器窗口和控制台窗口。
Spyder还包括标准的调试功能和一个变量资源管理器，当事情没有完全按计划进行时，它可以提供帮助。
结论
anaconda是Python中数据科学和机器学习的良好环境。它附带了一套经过精心策划的软件包，旨在为一个强大、稳定和可复制的数据科学平台共同工作。这允许开发人员分发他们的内容，并确保在不同的机器和操作系统上产生相同的结果。它带有内置的工具，使生活变得更简单，就像导航器一样，允许你轻松地创建项目和切换环境。它是我开发算法和创建财务分析项目的首选。我甚至发现我在大多数Python项目中都使用它，因为我熟悉环境。如果你想开始学习Python和数据科学，Anaconda是一个不错的选择。
以上是anaconda使用教程（图文）的详细内容。更多信息请关注PHP中文网其他相关文章！
热AI工具
Undress AI Tool
免费脱衣服图片
Undresser.AI Undress
人工智能驱动的应用程序，用于创建逼真的裸体照片
AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。
Clothoff.io
AI脱衣机
Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸！
热门文章
热工具
记事本++7.3.1
好用且免费的代码编辑器
SublimeText3汉化版
中文版，非常好用
禅工作室 13.0.1
功能强大的PHP集成开发环境
Dreamweaver CS6
视觉化网页开发工具
SublimeText3 Mac版
神级代码编辑软件(SublimeText3)
Python类中的多态性
Jul 05, 2025 am 02:58 AM
多态是Python面向对象编程中的核心概念，指“一种接口，多种实现”，允许统一处理不同类型的对象。1.多态通过方法重写实现，子类可重新定义父类方法，如Animal类的speak()方法在Dog和Cat子类中有不同实现。2.多态的实际用途包括简化代码结构、增强可扩展性，例如图形绘制程序中统一调用draw()方法，或游戏开发中处理不同角色的共同行为。3.Python实现多态需满足：父类定义方法，子类重写该方法，但不要求继承同一父类，只要对象实现相同方法即可，这称为“鸭子类型”。4.注意事项包括保持方
解释Python发电机和迭代器。
Jul 05, 2025 am 02:55 AM
迭代器是实现__iter__()和__next__()方法的对象，生成器是简化版的迭代器，通过yield关键字自动实现这些方法。1.迭代器每次调用next()返回一个元素，无更多元素时抛出StopIteration异常。2.生成器通过函数定义，使用yield按需生成数据，节省内存且支持无限序列。3.处理已有集合时用迭代器，动态生成大数据或需惰性求值时用生成器，如读取大文件时逐行加载。注意：列表等可迭代对象不是迭代器，迭代器到尽头后需重新创建，生成器只能遍历一次。
Python函数参数和参数
Jul 04, 2025 am 03:26 AM
参数（parameters）是定义函数时的占位符，而传参（arguments）是调用时传入的具体值。1.位置参数需按顺序传递，顺序错误会导致结果错误；2.关键字参数通过参数名指定，可改变顺序且提高可读性；3.默认参数值在定义时赋值，避免重复代码，但应避免使用可变对象作为默认值；4.args和*kwargs可处理不定数量的参数，适用于通用接口或装饰器，但应谨慎使用以保持可读性。
python`@classmethod'装饰师解释了
Jul 04, 2025 am 03:26 AM
类方法是Python中通过@classmethod装饰器定义的方法，其第一个参数为类本身(cls)，用于访问或修改类状态。它可通过类或实例调用，影响的是整个类而非特定实例；例如在Person类中，show_count()方法统计创建的对象数量；定义类方法时需使用@classmethod装饰器并将首参命名为cls，如change_var(new_value)方法可修改类变量；类方法与实例方法(self参数)、静态方法(无自动参数)不同，适用于工厂方法、替代构造函数及管理类变量等场景；常见用途包括从
如何处理Python中的API身份验证
Jul 13, 2025 am 02:22 AM
处理API认证的关键在于理解并正确使用认证方式。1.APIKey是最简单的认证方式，通常放在请求头或URL参数中；2.BasicAuth使用用户名和密码进行Base64编码传输，适合内部系统；3.OAuth2需先通过client_id和client_secret获取Token，再在请求头中带上BearerToken；4.为应对Token过期，可封装Token管理类自动刷新Token；总之，根据文档选择合适方式，并安全存储密钥信息是关键。
什么是python魔法方法或dunder方法？
Jul 04, 2025 am 03:20 AM
Python的magicmethods（或称dunder方法）是用于定义对象行为的特殊方法，它们以双下划线开头和结尾。1.它们使对象能够响应内置操作，如加法、比较、字符串表示等；2.常见用例包括对象初始化与表示（__init__、__repr__、__str__）、算术运算（__add__、__sub__、__mul__）及比较运算（__eq__、__lt__）；3.使用时应确保其行为符合预期，例如__repr__应返回可重构对象的表达式，算术方法应返回新实例；4.应避免过度使用或以令人困惑的方
Python内存管理如何工作？
Jul 04, 2025 am 03:26 AM
Pythonmanagesmemoryautomaticallyusingreferencecountingandagarbagecollector.Referencecountingtrackshowmanyvariablesrefertoanobject,andwhenthecountreacheszero,thememoryisfreed.However,itcannothandlecircularreferences,wheretwoobjectsrefertoeachotherbuta
描述Python中的Python垃圾收集。
Jul 03, 2025 am 02:07 AM
Python的垃圾回收机制通过引用计数和周期性垃圾收集来自动管理内存。其核心方法是引用计数，当对象的引用数为零时立即释放内存；但无法处理循环引用，因此引入了垃圾收集模块（gc）来检测并清理循环。垃圾回收通常在程序运行中引用计数减少、分配与释放差值超过阈值或手动调用gc.collect()时触发。用户可通过gc.disable()关闭自动回收、gc.collect()手动执行、gc.set_threshold()调整阈值以实现控制。并非所有对象都参与循环回收，如不包含引用的对象由引用计数处理，内置
