Python 환경 구성 분석-파이썬 튜토리얼-php.cn

이번에는 Python환경 구성 분석을 가져오겠습니다. Python 환경 구성 분석을 위한 Notes는 무엇인가요?

데이터 분석을 위해 Python을 배우려고 한다면 처음에 여러가지 고민에 부딪치시나요?

Python2를 설치해야 하나요, Python3을 설치해야 하나요?
Python을 설치할 때 항상 오류가 발생하는 이유는 무엇입니까?
툴킷을 설치하는 방법은 무엇입니까?

이 도구를 설치하기 전에 알 수 없는 다른 도구를 많이 설치해야 한다는 메시지가 표시되는 이유는 무엇입니까?
파이썬을 처음 접하는 대부분의 사람들이 환경 문제로 인해 두통을 겪은 적이 있을 거라 생각하는데, 여러분뿐만 아니라 모두가 이런 고통을 겪었을 것입니다. 시작할 때 우회하지 않고, 높은 열정이 너무 위축되지 않도록 하려면 Anaconda를 사용하여 설치 환경과 다양한 도구 패키지를 관리하는 것이 좋습니다.

이 글에서는 Anaconda의 사용법을 소개합니다.

Anaconda를 선택하는 이유
* Anaconda란 무엇입니까
* conda란 무엇입니까
* Anaconda의 장점

Anaconda 설치 방법
관리 방법 Python 패키지
Python 환경을 관리하는 방법

1. Anaconda를 선택하는 이유는 무엇입니까?

1.1 아나콘다란 무엇인가요?

Anaconda는 conda, Python 및 해당 종속성과 같은 190개 이상의 과학 패키지를 포함하여 데이터 분석에 초점을 맞춘 Python 배포판입니다. 호기심 많은 아기로서, 콘다라는 새로운 용어를 발견하셨나요? 그렇다면 콘다가 무엇인지 꼭 물어보실 텐데요.

1.2 콘다란?

conda는 오픈 소스 패키지 및 가상 환경을 위한 관리 시스템입니다.

패키지 관리: conda를 사용하여 도구 패키지를 설치, 업데이트 및 제거할 수 있으며 데이터 과학 관련 도구 패키지에 더 중점을 둡니다. 아나콘다를 설치하면 Numpy, Scipy, pandas, Scikit-learn 등 데이터 분석에 일반적으로 사용되는 패키지가 사전 통합되어 있습니다. conda는 Python 도구 패키지를 관리할 뿐만 아니라 Python이 아닌 패키지도 설치할 수 있다는 점도 언급할 가치가 있습니다. 예를 들어, R 언어 통합 개발 환경인 Rstudio를 새 버전의 Anaconda에 설치할 수 있습니다.
가상 환경 관리: 버전 충돌을 방지하기 위해 다양한 프로젝트에 필요한 다양한 버전의 도구 패키지를 격리하기 위해 conda에 여러 가상 환경을 설정할 수 있습니다. Python 버전에 대해 혼란스러워하는 학생들을 위해 Python2와 Python3이라는 두 가지 환경을 만들어 각각 다른 버전의 Python 코드를 실행할 수도 있습니다.

그것이 무엇인지 알면서도 왜 그런지 물어볼 필요도 있습니다. 그렇다면 왜 Anaconda를 선택해야 할까요?

1.3 아나콘다의 장점?

아나콘다의 장점은 시간 절약, 걱정 절약, 강력한 분석 도구라는 여덟 단어로 요약됩니다.

시간과 걱정 절약: Anaconda는 도구 패키지, 개발 환경 및 Python 버전을 관리하여 작업 흐름을 크게 단순화합니다. 도구 패키지를 쉽게 설치, 업데이트 및 제거할 수 있을 뿐만 아니라 설치 중에 해당 종속성 패키지를 자동으로 설치할 수도 있습니다. 동시에 다양한 가상 환경을 사용하여 요구 사항이 다른 프로젝트를 격리할 수 있습니다.
분석 도구: Anaconda는 공식 웹사이트에서 다음과 같이 홍보합니다. 기업 수준의 빅데이터 분석에 적합한 Python 도구입니다. 여기에는 데이터 시각화, 기계 학습, 딥 러닝 등 다양한 측면을 다루는 데이터 과학과 관련된 720개 이상의 오픈 소스 패키지가 포함되어 있습니다. 데이터 분석뿐만 아니라 빅데이터, 인공지능 분야에도 활용이 가능합니다.

무엇을(What)과 왜(Why) 문제를 해결한 후, 어떻게(How)를 살펴보겠습니다.

2. 아나콘다를 설치하는 방법은 무엇입니까?

여기에서 Anaconda 설치 프로그램을 다운로드하고 설치 지침을 볼 수 있습니다. Windows, Linux 또는 MAC OSX 시스템인지 여부에 관계없이 해당 설치 소프트웨어를 찾을 수 있습니다. 컴퓨터가 64비트라면 64비트 버전을 선택해 보세요. Python 버전이 2.7인지 3.x인지에 대해서는 Python2가 결국 유지 관리를 중단하므로 Python3을 사용하는 것이 좋습니다. 아마도 현재 시중에 나와 있는 대부분의 튜토리얼에서는 Python2를 사용하고 있을 것입니다. 하지만 Anaconda는 두 가지 Python 버전의 환경을 동시에 관리할 수 있으므로 걱정하지 마십시오.

프롬프트에 따라 설치하면 컴퓨터에 더 많은 애플리케이션이 있다는 사실에 놀랄 수도 있습니다. 하나씩 살펴보겠습니다.

Anaconda Navigtor: 도구 패키지 및 환경을 관리하기 위한 그래픽 사용자 인터페이스입니다. 많은 후속 관리 명령을 Navigator에서 수동으로 구현할 수도 있습니다.
Jupyter 노트북: 사람이 읽기 쉽게 문서를 편집할 수 있고 데이터 분석 과정을 보여주는 데 사용되는 웹 기반 대화형 컴퓨팅 환경입니다.
qtconsole: IPython을 실행할 수 있는 터미널과 같은 그래픽 인터페이스 프로그램입니다. Python Shell 인터페이스와 비교하여 qtconsole은 코드에서 생성된 그래픽을 직접 표시하고 여러 줄의 코드 입력 실행을 실현하며 유용한 내장 기능을 많이 가지고 있습니다. 기능과 기능에서.
spyder: Python 언어를 사용하는 크로스 플랫폼, 과학 컴퓨팅 통합 개발 환경입니다.

설치가 완료된 후에는 발생할 수 있는 오류를 방지하기 위해 모든 도구 패키지도 업그레이드해야 합니다. 컴퓨터 터미널을 열고 명령줄에

conda 업그레이드 --allconda upgrade --all

在终端询问是否安装如下升级版本时，输入 y。
有的情况下，你可能会遇到找不到 conda 命令的错误提示，这很可能是环境路径设置的问题，需要添加conda环境变量：export PATH=xxx/anaconda/bin:$PATH, 其中xxx替换成anaconda的安装路径。
至此，安装完成，下面让我们看一下如何用 Anaconda 管理工具包和环境。

三、如何管理Python包？

安装一个 package：

conda install package_name

这里 package_name 是需要安装包的名称。你也可以同时安装多个包，比如同时安装numpy 、scipy 和 pandas，则执行如下命令：

conda install numpy scipy pandas

你也可以指定安装的版本，比如安装 1.1 版本的 numpy ：

conda install numpy=1.10

移除一个 package：

conda remove package_name

升级 package 版本：

conda update package_name

查看所有的 packages：

conda list

如果你记不清 package 的具体名称，也可以进行模糊查询：

conda search search_term

四、如何管理Python环境？

默认的环境是 root，你也可以创建一个新环境：

conda create -n env_name list of packages

其中 -n 代表 name，env_name 是需要创建的环境名称，list of packages 则是列出在新环境中需要安装的工具包。

例如，当我安装了 Python3 版本的 Anaconda 后，默认的 root 环境自然是 Python3，但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码，最好还安装了 pandas 包，于是我们运行以下命令来创建：

conda create -n py2 python=2.7 pandas

细心的你一定会发现，py2 环境中不仅安装了 pandas，还安装了 numpy 等一系列 packages，这就是使用 conda 的方便之处，它会自动为你安装相应的依赖包，而不需要你一个个手动安装。

进入名为 env_name 的环境：

source activate env_name

退出当前环境：

source deactivate

另外注意，在 Windows 系统中，使用 activate env_name 和 deactivate 来进入和退出某个环境。

删除名为 env_name 的环境：

conda env remove -n env_name

显示所有的环境：

conda env list

当分享代码的时候，同时也需要将运行环境分享给大家，执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。

conda env export > environment.yaml

을 입력하세요. 터미널에서 다음 업그레이드 버전을 설치할지 묻는 메시지가 나타나면 y를 입력하세요.
어떤 경우에는 conda 명령을 찾을 수 없다는 오류 메시지가 나타날 수 있습니다. 이는 환경 경로 설정에 문제가 있을 가능성이 높습니다: 내보내기 PATH=xxx/anaconda. /bin:$PATH , 여기서 xxx는 아나콘다의 설치 경로로 대체됩니다.
이제 설치가 완료되었으므로 Anaconda를 사용하여 도구 패키지 및 환경을 관리하는 방법을 살펴보겠습니다. 🎜

3. Python 패키지 관리 방법 에 >?

🎜패키지 설치: 🎜🎜conda install package_name🎜🎜여기서 package_name은 설치해야 하는 패키지의 이름입니다. numpy, scipy, pandas를 동시에 설치하는 등 여러 패키지를 동시에 설치할 수도 있으며, 다음 명령을 실행합니다. 🎜🎜conda install numpy scipy pandas🎜🎜설치 등 설치할 버전을 지정할 수도 있습니다. numpy 버전 1.1: 🎜🎜conda install numpy=1.10🎜🎜패키지 제거: 🎜🎜conda delete package_name🎜🎜패키지 버전 업그레이드: 🎜🎜conda 업데이트 package_name🎜🎜 모든 패키지 보기: 🎜🎜conda 목록🎜🎜패키지의 특정 이름이 기억나지 않는 경우 쿼리: 🎜🎜conda search search_term🎜

4. Python 환경은 어떻게 관리하나요?

🎜기본 환경은 루트이며 새 환경을 만들 수도 있습니다. 🎜🎜conda create -n env_name 패키지 목록🎜🎜여기서 -n은 이름을 나타내고 env_name은 필요한 환경입니다. 이름, 패키지 목록에는 새 환경에 설치해야 하는 도구 패키지가 나열됩니다. 🎜🎜예를 들어 Python3 버전의 Anaconda를 설치한 후 기본 루트 환경은 당연히 Python3이지만 이전 버전의 Python 코드를 실행하려면 Python 2 환경도 만들어야 합니다. pandas 패키지도 설치하는 것이 가장 좋습니다. , 그래서 다음 명령을 실행하여 생성합니다: 🎜🎜conda create -n py2 python=2.7 pandas🎜🎜조심하면 pandas가 py2 환경에 설치될 뿐만 아니라 또한 numpy와 같은 일련의 패키지가 설치됩니다. 이는 conda를 사용하면 편리하므로 수동으로 하나씩 설치할 필요 없이 해당 종속성 패키지가 자동으로 설치됩니다. 🎜🎜env_name이라는 환경을 입력하세요: 🎜🎜source activate env_name🎜🎜 종료 현재 환경: 🎜🎜source deactivate🎜🎜또한 Windows 시스템에서는 activate env_name 및 deactivate를 사용하여 환경에 들어가고 종료합니다. 🎜🎜env_name이라는 환경 제거: 🎜🎜conda env Remove -n env_name🎜🎜모든 환경 표시: 🎜🎜conda env list🎜🎜코드를 공유할 때, 또한 필요 실행 중인 환경을 모든 사람과 공유하려면 다음 명령을 실행하여 현재 환경의 패키지 정보를 Environment라는 YAML 파일에 저장합니다. 🎜🎜conda env 내보내기 > Environment.yaml🎜

마찬가지로 다른 사람의 코드를 실행할 때도 해당 환경을 구성해야 합니다. 이때, 상대방이 공유한 YAML 파일을 이용하여 동일한 실행 환경을 만들 수 있습니다.

conda env create -f environment.yaml

이쯤 되면 아나콘다의 문에 들어섰고, 파이썬의 바다를 헤매게 됩니다.

즐거운 학습이 되세요!

참고: 이 문서의 코드 예제는 Udacity 데이터 분석 과정의 Anaconda 장을 참조합니다.

이 기사의 사례를 읽은 후 방법을 마스터했다고 생각합니다. 더 흥미로운 정보를 보려면 PHP 중국어 웹사이트의 다른 관련 기사를 주목하세요!