Anaconda安装+使用

悠悠 2023-07-20 08:16 24阅读 0赞

>    Anaconda是python的包管理工具
> 
>    一个python环境中需要有一个**解释器**, 和一个**包集合**.
> 
>    如果我在本地只有一个python环境那我所有程序用到的各种包都只能放到同一个环境中, 导致环境混乱, 另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包, 需要自己手动一个个下载的情况, 实在是烦人, 要是能每个程序开发都选用不同的环境, 而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了.
> 
>

**目录**

管理虚拟环境

activate

创建自己的虚拟环境

切换环境

查看所有环境

安装第三方包

卸载第三方包

查看环境包信息

导入导出环境

深入一下

与pycharm连接

--------------------

# #

## 管理虚拟环境 ##

接下来我们就可以用anaconda来创建我们一个个独立的python环境了.

### activate ###

activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境,

你可以输入python试试, 这样会进入base环境的python解释器, *如果你把原来环境中的python环境去除掉会更能体会到*, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个`(base)` 说明当前我们处于的是base环境下.

### 创建自己的虚拟环境 ###

我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境.

创建一个名称为learn的虚拟环境并指定python版本为3(这里conda会自动找3中最新的版本下载)

conda create -n learn python=3

### 切换环境 ###

activate learn

### 查看所有环境 ###

conda env list

在当前环境输入python进入python解释器

### 安装第三方包 ###

输入

conda install requests

或者

pip install requests

### 卸载第三方包 ###

conda remove requests

或者

pip uninstall requests

### 查看环境包信息 ###

要查看当前环境中所有安装了的包可以用

conda list

### 导入导出环境 ###

如果想要导出当前环境的包信息可以用

conda env export > environment.yaml

将包信息存入yaml文件中.

当需要重新创建一个相同的虚拟环境时可以用

conda env create -f environment.yaml

activate // 切换到base环境
    
    activate learn // 切换到learn环境
    
    conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)
    
    conda env list // 列出conda管理的所有环境
    
    conda list // 列出当前环境的所有包
    
    conda install requests 安装requests包
    
    conda remove requests 卸载requets包
    
    conda remove -n learn --all // 删除learn环境及下属所有包
    
    conda update requests 更新requests包
    
    conda env export > environment.yaml // 导出当前环境的包信息
    
    conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

## 深入一下 ##

或许你会觉得奇怪为啥anaconda能做这些事, 他的原理到底是什么, 我们来看看anaconda的安装目录

## ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70][] ##

这里只截取了一部分, 但是我们和本文章最开头的python环境目录比较一下, 可以发现其实十分的相似, 其实这里就是base环境. 里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

那我们自己创建的环境去哪了呢, 我们可以看见一个envs, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 1][]

可以发现我们之前创建的learn目录就在下面, 再点进去

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 2][]

这不就是一个标准的python环境目录吗?

--------------------

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本

## 与pycharm连接 ##

在工作环境中我们会集成开发环境去编码, 这里推荐JB公司的pycharm, 而pycharm也能很方便的和anaconda的虚拟环境结合

在`Setting => Project => Project Interpreter` 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 3][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70]: /images/20230528/06757f744846468d842ec13dee7a991e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 1]: /images/20230528/046d4d39e61f4902bda480e2f4461f8e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 2]: /images/20230528/88bdbc87e4bb444aa42465771b1b07e8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 3]: /images/20230528/edd504c6fe1448a088548a528662c7d2.png