Je crois que la plupart des débutants en Python ont eu des maux de tête dus à des problèmes environnementaux, mais vous n'êtes pas seul, tout le monde a souffert comme ça. Afin d'éviter les détours lors de la prise en main, et pour éviter que le grand enthousiasme ne soit trop freiné, il est recommandé d'utiliser Anaconda pour gérer votre environnement d'installation et divers packages d'outils
Si vous envisagez d'apprendre Python pour l'analyse de données , Avez-vous rencontré toutes sortes de problèmes au début ?
Dois-je installer Python2 ou Python3 ?
Pourquoi est-ce que j'obtiens toujours des erreurs lors de l'installation de Python ?
Comment installer le package d'outils ?
Pourquoi est-il demandé qu'un certain nombre d'autres outils inconnus doivent être installés avant d'installer cet outil ?
Je crois que la plupart des débutants en Python ont eu des maux de tête dus à des problèmes environnementaux, mais vous n'êtes pas seul, tout le monde a souffert comme ça. Afin d'éviter les détours au début et d'éviter que l'enthousiasme ne soit trop freiné, il est recommandé d'utiliser Anaconda pour gérer votre environnement d'installation et divers packages d'outils.
Cet article présente l'utilisation d'Anaconda. Le texte intégral est le suivant :
Pourquoi choisir Anaconda
* Qu'est-ce qu'Anaconda
* Qu'est-ce que c'est ? conda
* Avantages d'Anaconda
Comment installer Anaconda
Comment gérer les packages Python
Comment gérer l'environnement Python
Anaconda est une distribution Python axée sur l'analyse de données, comprenant plus de 190 packages scientifiques tels que conda et Python et leurs dépendances. En tant que bébé curieux, avez-vous découvert un nouveau terme conda ? Alors vous vous demanderez certainement ce qu'est conda ?
conda est un système de gestion pour les packages open source et les environnements virtuels.
Gestion des packages : vous pouvez utiliser conda pour installer, mettre à jour et désinstaller des packages d'outils, et il se concentre davantage sur les packages d'outils liés à la science des données. Lors de l'installation d'anaconda, les packages couramment utilisés dans l'analyse de données tels que Numpy, Scipy, pandas et Scikit-learn sont pré-intégrés. Il convient également de mentionner que conda gère non seulement les packages d’outils Python, mais peut également installer des packages non-python. Par exemple, l'environnement de développement intégré en langage R Rstudio peut être installé dans la nouvelle version d'Anaconda.
Gestion de l'environnement virtuel : plusieurs environnements virtuels peuvent être établis dans conda pour isoler différentes versions des packages d'outils requis par différents projets afin d'éviter les conflits de versions. Pour les étudiants qui ne connaissent pas la version Python, nous pouvons également créer deux environnements, Python2 et Python3, pour exécuter respectivement différentes versions du code Python.
Tout en sachant de quoi il s’agit, il faut aussi se demander pourquoi. Alors, pourquoi devriez-vous choisir Anaconda ?
Les avantages d'Anaconda peuvent être résumés en huit mots : gagner du temps et des soucis, et être un outil d'analyse puissant.
Gagnez du temps et ne vous inquiétez pas : Anaconda simplifie considérablement votre flux de travail en gérant les packages d'outils, les environnements de développement et les versions Python. Non seulement le package d'outils peut être facilement installé, mis à jour et désinstallé, mais les packages de dépendances correspondants peuvent également être automatiquement installés lors de l'installation. Dans le même temps, différents environnements virtuels peuvent être utilisés pour isoler des projets ayant des exigences différentes.
Outil d'analyse : Anaconda se présente sur son site officiel comme suit : un outil Python adapté à l'analyse du Big Data au niveau de l'entreprise. Il contient plus de 720 packages open source liés à la science des données, couvrant de nombreux aspects tels que la visualisation des données, l'apprentissage automatique et l'apprentissage profond. Non seulement il peut être utilisé pour l’analyse de données, mais il peut même être utilisé dans les domaines du big data et de l’intelligence artificielle.
Après avoir résolu les questions « quoi » et « pourquoi », jetons un coup d'œil au « comment ».
Vous pouvez télécharger le programme d'installation d'Anaconda et consulter les instructions d'installation à partir d'ici. Qu'il s'agisse d'un système Windows, Linux ou MAC OSX, vous pouvez trouver le logiciel d'installation correspondant. Si votre ordinateur est 64 bits, essayez de choisir la version 64 bits. Quant à savoir si la version Python est 2.7 ou 3.x, il est recommandé d'utiliser Python3 car Python2 finira par arrêter la maintenance. Peut-être que la plupart des tutoriels du marché utilisent actuellement Python2, mais ne vous inquiétez pas, car Anaconda peut gérer deux versions Python de l'environnement en même temps.
Installez selon les instructions. Une fois terminé, vous serez peut-être surpris de constater qu'il y a beaucoup plus d'applications sur votre ordinateur. Ne vous inquiétez pas, examinons-les une par une :
Anaconda Navigtor : Une interface utilisateur graphique pour gérer les boîtes à outils et les environnements. De nombreuses commandes de gestion ultérieures peuvent également être implémentées manuellement dans Navigator.
Cahier Jupyter : un environnement informatique interactif basé sur le Web qui peut éditer des documents faciles à lire et utilisés pour afficher le processus d'analyse des données.
qtconsole : un programme d'interface graphique de type terminal qui peut exécuter IPython. Par rapport à l'interface Python Shell, qtconsole peut afficher directement les graphiques générés par le code, réaliser une saisie de code multiligne. exécution et disposent de nombreuses fonctionnalités et fonctions utiles intégrées.
spyder : un environnement de développement intégré multiplateforme et informatique scientifique utilisant le langage Python.
Une fois l'installation terminée, nous devons également mettre à niveau tous les packages d'outils pour éviter d'éventuelles erreurs. Ouvrez le terminal de votre ordinateur et saisissez dans la ligne de commande :
conda upgrade --all
Lorsque le terminal vous demande s'il faut installer la version de mise à niveau suivante, saisissez y.
Dans certains cas, vous pouvez rencontrer un message d'erreur indiquant que la commande conda est introuvable. Il s'agit probablement d'un problème avec le paramètre de chemin d'environnement. Vous devez ajouter la variable d'environnement conda : export PATH=xxx/anaconda/. bin:$PATH, remplacez xxx par le chemin d'installation d'anaconda.
À ce stade, l'installation est terminée, voyons comment utiliser Anaconda pour gérer les packages d'outils et les environnements.
Installer un package :
conda install package_name
Ici package_name est le nom du package à installer. Vous pouvez également installer plusieurs packages en même temps, comme installer numpy, scipy et pandas en même temps, puis exécuter la commande suivante :
conda install numpy scipy pandas
Vous pouvez également spécifiez la version à installer, par exemple en installant la version 1.1 de numpy :
conda install numpy=1.10
Supprimer un package :
conda remove package_name
Mettre à niveau version du package :
conda update package_name
Afficher tous les packages :
conda list
Si vous ne vous souvenez pas du nom spécifique du package, vous pouvez également effectuer une requête floue :
conda search search_term
L'environnement par défaut est root, vous pouvez également créer un nouvel environnement :
conda create -n env_name list of packages
où -n représente le nom, env_name est le nom de l'environnement qui a besoin à créer, la liste des packages répertorie les packages d'outils qui doivent être installés dans le nouvel environnement.
Par exemple, lorsque j'ai installé la version Python3 d'Anaconda, l'environnement racine par défaut est naturellement Python3, mais je dois également créer un environnement Python 2 pour exécuter l'ancienne version du code Python. pandas, nous exécutons donc la commande suivante pour le créer :
conda create -n py2 python=2.7 pandas
Si vous faites attention, vous constaterez que non seulement pandas est installé dans l'environnement py2, mais aussi un Une série de packages tels que numpy sont installés. Cet avantage d'utiliser conda est qu'il installera automatiquement les packages de dépendances correspondants pour vous, sans que vous ayez à les installer manuellement un par un.
Entrez dans l'environnement nommé env_name :
source activate env_name
Quitter l'environnement actuel :
source deactivate
Notez également, Sur les systèmes Windows, utilisez activate env_name et deactivate pour entrer et sortir d'un environnement.
Supprimer l'environnement nommé env_name :
conda env remove -n env_name
Afficher tous les environnements :
conda env list
Lors du partage Lors du codage , vous devez également partager l'environnement d'exécution avec tout le monde. Exécutez la commande suivante pour enregistrer les informations du package dans l'environnement actuel dans un fichier YAML nommé environnement.
conda env export > environment.yaml
De même, lors de l'exécution du code d'autres personnes, vous devez également configurer l'environnement correspondant. À ce stade, vous pouvez utiliser le fichier YAML partagé par l'autre partie pour créer un environnement d'exécution identique.
conda env create -f environment.yaml
À ce stade, vous avez franchi la porte d'Anaconda et vous pouvez vous promener dans l'océan de Python.
Bonne étude !
Remarque : les exemples de code de cet article sont référencés dans le chapitre Anaconda du cours d'analyse de données Udacity.
Recommandations associées :
11 points de connaissances que vous devez connaître pour démarrer avec Python_python
Introduction détaillée à l'interface API de php
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
