在Python IDLE 下调用anaconda中的库教程

大家都知道，Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。下载了anaconda我们可以很方便的随时调用这里面的库。

原先我自己在Python官网下载了python 3.7开发环境，anaconda的后面下载的，平时比较喜欢使用 IDLE 作简单的程序或学习的时候，发现调用不了anaconda中的库，就算是在cmd程序中使用pip 下载相应的库时，最终的库路径也是存于anaconda的库路径中。

当然，通过相关命令实现pip下载路径更改也是可以的，但是既然已经下载了anaconda，为何还需要重新下载呢，岂不是很麻烦！！接下来有两个方法可以实现 IDLE 调用第三方库：

首先我们要知道，Python和anaconda的库路径都是在该文件夹下的 Lib\site-packages 下

方法一：动态调用，此方法需要每次启动idle是对其进行设置

1、打开IDLE

2、通过sys.path.append(r'库路径')动态导入库路径。这里以导入numpy为例：

图中可以明显看到，在动态导入库路径前无法导入numpy库，在导入库路径后就成功啦！

需要注意的是，每次启动 IDLE 时都要进行此操作

方法二：

1、找到anaconda下的库路径，并复制，如我的anaconda库路径为： F:\anaconda_3.0\Lib\site-packages

2、找到Python下的库所在位置，如我的Python下的库位置为： F:\Python\Lib\site-packages，进入site-packages

3、在此目录下创建一个记事本文件，点开进去，粘贴刚刚复制的anaconda的库路径到记事本中，如下图：

保存并退出

4、更改刚刚的文件后缀名，由 .txt 改成 .pth 完成

再次打开IDLE试验一下：

此方法不需要进行动态导入库路径，相比第一种方法会方便很多，希望可以带给大家帮助！！

以上这篇在Python IDLE 下调用anaconda中的库教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

时间： 2020-03-07

因为有时直接使用pip install在线安装 Python 库下载速度非常慢,所以这里介绍使用 Anaconda 离线安装 Python 库的方法. 这里以安装 pyspark 这个库为例,因为这个库大约有180M,我这里测试的在线安装大约需要用二十多个小时,之后使用离线安装的方法,全程大约用时10分钟. 查看所需的 Python 包 如果不知道具体使用什么版本的 Python 库,可以先尝试在 Aanconda Prompt 中直接使用 pip install pyspark 我这里根据提示

下载Anaconda安装包 官网下载或是在清华大学镜像站下载,我安装的是下面这个版本: 安装过程 配置环境 将anaconda的scripts文件夹路径添加到环境变量中. 如果命令行输入输出如图所示则安装成功: 为了避免可能发生的错误, 我们在命令行输入conda upgrade --all 先把所有工具包进行升级.(也可以不安装升级) 打开pycharm,如图点击add local 点击第三个选项,system interpreter,选择python.exe路径,点击ok,就可以了. 总结

Anaconda是Python的一个开源发行版本,主要面向科学计算,预装了丰富强大的库. 使用Anaconda可以轻松管理多个版本的Python环境. Download:https://www.anaconda.com/download/ Anaconda默认有两个版本,可以选择64位还是32位安装,当你安装了其中一个版本时,系统默认为该版本. 同时你可以在已安装的Anaconda版本中添加另一个版本的Python,实现多版本共存. Anaconda可以使用命令行进行操作 conda的环境管理

在学习推荐系统.机器学习.数据挖掘时,python是非常强大的工具,也有很多很强大的模块,但是模块的安装却是一件令人头疼的事情. 现在有个工具--anaconda,他已经帮我们集成好了很多工具了!anaconda里面集成了很多关于python科学计算的第三方库,主要是安装方便,而python是一个编译器,如果不使用anaconda,那么安装起来会比较痛苦,各个库之间的依赖性就很难连接的很好. 在windows中,pycharm是一个比较好python编辑器,所以如果能把pycharm 和 ana

Python的安装并不难,但是要正确安装它的库以及配置环境变量则有些麻烦.对于刚刚开始想要学习Python的小伙伴来说,用Anaconda这个工具往往是很好的选择,它帮助我们下载了很多python的库以及python本身. 下面我就来说说如何安装好一个python环境. 1.首先,第一步是在网上搜索Anaconda官网,然后进入Download下载好,这个很简单,不过记得安装时第一个框框的勾不要选,你选了之后也会有红色的警告,建议不选. 2.配置Anaconda的环境变量,这个只需要到计算机的环

前言: 什么是anaconda?? Anaconda指的是一个开源的Python发行版本,其包含了conda.Python等180多个科学包及其依赖项. [1] 因为包含了大量的科学包,Anaconda 的下载文件比较大(约 531 MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python) 什么是jupyter notebook?? Jupyter Notebook 是一款开放源代码的 Web 应用程序,可让我们创建并

前言 现在Python3 被越来越多的开发者所接受,同时让人尴尬的是很多遗留的老系统依旧运行在 Python2 的环境中,因此有时你不得不同时在两个版本中进行开发,调试. 如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题,一个利好的消息是,Anaconda 能完美解决Python2 和 Python3 的共存问题,而且在 Windows 平台经常出现安装依赖包(比如 MySQL-python)失败的情况也得以解决. Anaconda 是什么? Anaconda

python自带的pip管理依赖库太麻烦,pip很多库不存在,或者一些库并不支持window系统.而且每次用pip下载库经常不成功,结果还是要手动下载跟自己python对应的whl包安装库. 遇到了很多坑之后,发现神奇anaconda,便查阅资料,整理好记录到这里 1.下载anaconda anaconda可以提供了python的很多库管理,支持多个系统 下载地址:https://www.anaconda.com/download/ 这里我下载了python3.6,64位window系统,ana

Mac安装python3环境 首先我先给说明一下:我也是初次接触python,有一定的Java基础,对编程语法有一定基础,当然小菜在这里 全当小白来介绍操作,亲身经历整个搭建环境到开发的过程. 注意:我是以每一个新项目,单独新建一个环境开发,项目自己互不影响,项目所用到的库都是每一个环境中单独拥有的. 首先你需要准备软件工具: 电脑系统:Windows-64位系统 1.Anaconda 我的版本是3-4.2.0, 2.pycharm-professional-2017.1.2-Win开发工具 一

ubuntu 系统自带的 python 有多个版本,使用时难免会遇到环境变量出错,特别是当自动化运行脚本的时候.特别是近一个月来,实验室的小伙伴们的都倾心于 python.为了帮助小伙伴们快速搭建自己的 python 环境,笔者写下了这篇教程.当然,如果 ubuntu 自带的 python 自己使用没有问题,可以略去 anaconda 的安装. Anaconda Anaconda指的是一个开源的 Python 发行版本,其包含了 conda.Python 等180多个科学包及其依赖项.因为包含了

经常在数据开发中需要搞udf,最近发现transform更加方便易用,但是经常会涉及到集群python版本不一.包不全或者部分机器上没有安装python. 所以咱们需要快速的进行环境配置. 因为mac自带安装好的python,所以就不讲怎么安装了.可以去官网下个: https://www.python.org/downloads/source/ 1.安装虚拟环境工具: 执行:pip install virtualenv,如果没有pip的话可以google一把,自行安装 2.创建虚拟环境: 新建一

引言:使用pip install 来安装scrapy需要安装大量的依赖库,这里我使用了Anaconda来安装scrapy,安装时只需要一条语句:conda install scrapy即可 步骤1:安装Anaconda,在cmd窗口输入:conda install scrapy ,输入y回车表示允许安装依赖库 步骤2:测试scrapy是否安装成功,在dos窗口输入scrapy回车 步骤3:在Pycharm-->file-->settings-->搜索project interpreter

这篇文章主要介绍了windows环境中利用celery实现简单任务队列过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 一.背景 最近因项目需要,学习任务队列Celery的用法; 二.测试使用环境: 1.Windows7 x64 2.Python == 3.7.5 3.celery == 4.3.0 4.redis =3.3.11 5.eventlet==0.25.1 ==> pip install eventlet (windows环境

由于不同的项目需要用不同的python版本,于是使用Anaconda来进行版本管理,现记录一下经验: 在官网下载并安装好Anaconda以后(非常简单,此处不赘述): 1. 查看Python环境 conda info --env可以看到所有python环境,前面有个'*'的代表当前环境: 2.创建Python环境 conda create --name python35 python=3.5 代表创建一个python3.5的环境,我们把它命名为python35 安装成功后的消息: 现在我们再用c