03、使用 Anaconda
使用 Anaconda
Anaconda是一个很好用的Python IDE,它集成了很多科学计算需要使用的python第三方工具包。
conda 的使用
根据自己的操作系统安装好Anaconda后,在命令行下输入:
conda list
可以看已经安装好的python第三方工具包,这里我们使用 magic
命令 %%cmd
在 ipython cell
中来执行这个命令:
!conda list
# packages in environment at C:\Anaconda:
#
_license 1.1 py27_0
alabaster 0.7.3 py27_0
anaconda 2.3.0 np19py27_0
argcomplete 0.8.9 py27_0
astropy 1.0.3 np19py27_0
babel 1.3 py27_0
backports.ssl-match-hostname 3.4.0.2 <pip>
basemap 1.0.7 np19py27_0
bcolz 0.9.0 np19py27_0
beautiful-soup 4.3.2 py27_1
beautifulsoup4 4.3.2 <pip>
binstar 0.11.0 py27_0
bitarray 0.8.1 py27_1
blaze 0.8.0 <pip>
blaze-core 0.8.0 np19py27_0
blz 0.6.2 np19py27_1
bokeh 0.9.0 np19py27_0
boto 2.38.0 py27_0
bottleneck 1.0.0 np19py27_0
cartopy 0.13.0 np19py27_0
cdecimal 2.3 py27_1
certifi 14.05.14 py27_0
cffi 1.1.0 py27_0
clyent 0.3.4 py27_0
colorama 0.3.3 py27_0
conda 3.17.0 py27_0
conda-build 1.14.1 py27_0
conda-env 2.4.2 py27_0
configobj 5.0.6 py27_0
cryptography 0.9.1 py27_0
cython 0.22.1 py27_0
cytoolz 0.7.3 py27_0
datashape 0.4.5 np19py27_0
decorator 3.4.2 py27_0
docutils 0.12 py27_1
dynd-python 0.6.5 np19py27_0
enum34 1.0.4 py27_0
fastcache 1.0.2 py27_0
flask 0.10.1 py27_1
funcsigs 0.4 py27_0
geopy 1.11.0 <pip>
geos 3.4.2 3
gevent 1.0.1 py27_0
gevent-websocket 0.9.3 py27_0
greenlet 0.4.7 py27_0
grin 1.2.1 py27_2
h5py 2.5.0 np19py27_1
hdf5 1.8.15.1 2
idna 2.0 py27_0
ipaddress 1.0.7 py27_0
ipython 3.2.0 py27_0
ipython-notebook 3.2.0 py27_0
ipython-qtconsole 3.2.0 py27_0
itsdangerous 0.24 py27_0
jdcal 1.0 py27_0
jedi 0.8.1 py27_0
jinja2 2.7.3 py27_2
jsonschema 2.4.0 py27_0
launcher 1.0.0 1
libpython 1.0 py27_1
llvmlite 0.5.0 py27_0
lxml 3.4.4 py27_0
markupsafe 0.23 py27_0
matplotlib 1.4.3 np19py27_1
menuinst 1.0.4 py27_0
mingw 4.7 1
mistune 0.5.1 py27_1
mock 1.3.0 py27_0
multipledispatch 0.4.7 py27_0
networkx 1.9.1 py27_0
nltk 3.0.3 np19py27_0
node-webkit 0.10.1 0
nose 1.3.7 py27_0
numba 0.19.1 np19py27_0
numexpr 2.4.3 np19py27_0
numpy 1.9.2 py27_0
odo 0.3.2 np19py27_0
openpyxl 1.8.5 py27_0
owslib 0.9.0 py27_0
pandas 0.16.2 np19py27_0
patsy 0.3.0 np19py27_0
pbr 1.3.0 py27_0
pep8 1.6.2 py27_0
pillow 2.9.0 py27_0
pip 7.1.2 py27_0
ply 3.6 py27_0
proj4 4.9.1 py27_1
psutil 2.2.1 py27_0
py 1.4.27 py27_0
pyasn1 0.1.7 py27_0
pycosat 0.6.1 py27_0
pycparser 2.14 py27_0
pycrypto 2.6.1 py27_3
pyepsg 0.2.0 py27_0
pyflakes 0.9.2 py27_0
pygments 2.0.2 py27_0
pyopenssl 0.15.1 py27_1
pyparsing 2.0.3 py27_0
pyqt 4.10.4 py27_1
pyreadline 2.0 py27_0
pyshp 1.2.1 py27_0
pytables 3.2.0 np19py27_0
pytest 2.7.1 py27_0
python 2.7.10 0
python-dateutil 2.4.2 py27_0
pytz 2015.4 py27_0
pywin32 219 py27_0
pyyaml 3.11 py27_2
pyzmq 14.7.0 py27_0
requests 2.7.0 py27_0
rope 0.9.4 py27_1
runipy 0.1.3 py27_0
scikit-image 0.11.3 np19py27_0
scikit-learn 0.16.1 np19py27_0
scipy 0.16.0 np19py27_0
setuptools 18.1 py27_0
shapely 1.5.11 nppy27_0
six 1.9.0 py27_0
snowballstemmer 1.2.0 py27_0
sockjs-tornado 1.0.1 py27_0
sphinx 1.3.1 py27_0
sphinx-rtd-theme 0.1.7 <pip>
sphinx_rtd_theme 0.1.7 py27_0
spyder 2.3.5.2 py27_0
spyder-app 2.3.5.2 py27_0
sqlalchemy 1.0.5 py27_0
ssl_match_hostname 3.4.0.2 py27_0
statsmodels 0.6.1 np19py27_0
sympy 0.7.6 py27_0
tables 3.2.0 <pip>
theano 0.7.0 <pip>
toolz 0.7.2 py27_0
tornado 4.2 py27_0
ujson 1.33 py27_0
unicodecsv 0.9.4 py27_0
werkzeug 0.10.4 py27_0
wheel 0.24.0 py27_0
xlrd 0.9.3 py27_0
xlsxwriter 0.7.3 py27_0
xlwings 0.3.5 py27_0
xlwt 1.0.0 py27_0
zlib 1.2.8 0
第一次安装好 Anaconda 以后,可以在命令行输入以下命令使 Anaconda 保持最新:
conda update conda
conda update anaconda
conda 是一种很强大的工具,具体用法可以参照它的文档。
也可以参考它的 cheat sheet 来快速查看它的用法。
可以使用它来安装,更新,卸载第三方的 python 工具包:
conda install <some package>
conda update <some package>
conda remove <some package>
在安装或更新时可以指定安装的版本号,例如需要使用 numpy 1.8.1
:
conda install numpy=1.8.1
conda update numpy=1.8.1
查看 conda
的信息:
conda info
!conda info
Current conda install:platform : win-64conda version : 3.17.0conda-build version : 1.14.1python version : 2.7.10.final.0requests version : 2.7.0root environment : C:\Anaconda (writable)default environment : C:\Anacondaenvs directories : C:\Anaconda\envspackage cache : C:\Anaconda\pkgschannel URLs : https://repo.continuum.io/pkgs/free/win-64/https://repo.continuum.io/pkgs/free/noarch/https://repo.continuum.io/pkgs/pro/win-64/https://repo.continuum.io/pkgs/pro/noarch/config file : Noneis foreign system : False
一个很棒的功能是 conda
可以产生一个自定义的环境,假设在安装的是 Python 2.7 的情况下,想使用 Python 3.4,只需要在命令行下使用 conda
产生一个新的环境:
conda create -n py34 python=3.4
这里这个环境被命名为 py34
,可以根据喜好将 py34
改成其他的名字。
使用这个环境时,只需要命令行下输入:
activate py34 #(windows)
source activate py34 #(linux, mac)
此时,我们的 Python 版本便是 **python 3.4
**了。
spyder 编辑器
Anaconda
默认使用的编辑器是 spyder
,可以在命令行下输入:
spyder
来进入这个编辑器,具体使用方法不做介绍。
Ipython notebook
在命令行下输入命令:
ipython notebook
会打开一个notebook本地服务器,一般地址是 http://localhost:8888
ipython notebook
支持两种模式的cell:
- Markdown
- Code
这里不做过多介绍。
03、使用 Anaconda相关推荐
- Anaconda 安装及配置
2022.03.21 Anaconda 是一个用于科学计算的 Python 发行版,支持 Linux, Mac, Windows, 包含了众多流行的科学计算.数据分析的 Python 包. Ana ...
- Python安装教程之anaconda篇
[导读]我们知道,Python的功能非常强大.那么对于迫切想学习Python的新手同学来说,第一件事情可能需要了解python是什么?能用来做什么?语法结构是怎样的?这些我们几句话很难介绍清楚,后续会 ...
- python用于数据分析的案例_Python数据分析经典案例
从事机器学习,数据分析,数据挖掘的同学们以及python使用者 选择经典案例基于真实数据集,从数据预处理开始到建立机器学习模型以及效果评估,完整的讲解如何使用python及其常用库进行数据的分析和模型 ...
- 记一次云服务器重装CentOS7系统
章节目录 参考链接 1. 选择 CentOS Stream8 还是 CentOS Linux 7 2. 远程连接 3. 确认网络正常 4. 检查 yum 存储库 4.1. 查看已开启的存储库 4.2. ...
- Python编译环境合集
Python是数学建模和数据分析的重要工具之一.在运用Python前,构建一个完备的环境是非常重要的步骤.今天,我们就为大家介绍一下Python的常用环境~ [Python常用环境合集] 01.自带的 ...
- 最新Python数据分析(机器学习)共47课时
超强大的Python数据分析课程-偏机器学习方向 Python数据分析经典案例课程 ===============课程目录=============== ├─Tensorflow课程.zip ├─机 ...
- cent7卸载linux桌面,CentOS7卸载KDE桌面
最初安装centos时选择了安装KDE桌面,打开很卡,没有用到,想卸载,可是试了网上的方法什么yum groupremove kde-desktop 都不奏效,于是只能自己找出KDE的包,然后yum卸 ...
- 基于python的数据建模与分析案例_基于案例详解Python数据分析与机器学习
课程概述: 使用数据领域最主流语言Python及其分析与建模库作为核心武器.对于机器学习经典算法给出完整的原理推导并基于实例进行讲解,基于案例演示如何应用机器学习算法解决实际问题. 课程特色: 通俗易 ...
- Anaconda 2019.03 发布,Python 跨平台科学计算软件
Python 科学计算包 Anaconda 发布 2019.03 版本,详细更新日志如下: 面向用户更改 conda与Windows Powershell完美集成. Windows Python包中包 ...
- 第03课:Anaconda 与 Jupyter Notebook
本文将为大家介绍深度学习实战非常重要的两个工具:Anaconda 和 Jupyter Notebook. Anaconda 为什么选择 Anaconda 我们知道 Python 是人工智能的首选语言. ...
最新文章
- 数据结构[单链表]操作大全(初始化,创建,插入,查询,删除,长度,输出)c++代码实现
- 小微商户申请php,微信小微商户申请入驻 - osc_r8q2esik的个人空间 - OSCHINA - 中文开源技术交流社区...
- 【CyberSecurityLearning 2】IP地址与DOS命令
- gitblit.cmd运行自动关闭
- pyspark读取json文件中的内容
- SK海力士宣布业界首次提供24Gb DDR5样品
- angular4自定义组件非input元素实现ngModel双向数据绑定(转载)
- innobackupex 恢复到mysql目录_innobackupex备份mysql恢复后迁移到新的mysql实例
- 不要问我有多懒,写个脚本跑django
- 植物大战僵尸Scratch
- 11:c# oop思想面向对象编程(by-朝夕)
- python解析excel公式_读取Excel单元格值,而不是计算它的公式-openpyx
- 使用Inno Setup 制作软件安装包详细教程(与开发语言无关)
- 单线程与多线程使用场景
- Thread.interrupted()
- 算法导论 — 思考题8-6 合并有序列表的下界
- 温度传感器温度数据LED屏幕展示--物联网服务器搭建
- 编辑Visio2016的自动对齐与粘附功能
- iPhone/iOS开启个人热点的相关位置调整小结
- js禁止 鼠标滚轮事件
热门文章
- 初级ai思维导图,基础人工智能设计图
- 程序员如何优雅的挣零花钱?
- JavaScript 实用脚本
- 解析ViewPager(二)——ViewPager源码解析
- otrs安装mysql_OTRS安装与配置
- 每个人都想学的Java
- springboot+考研教室管理系统 毕业设计-附源码221757
- [Android NDK]修复/lib/ld-linux.so.2: bad ELF interpreter: No such file or directory 问题
- 计算机系社会实践大一,计算机系社会实践主题PPT模板
- seven habits of highly effective people 高效能人士的七个习惯