Python数据分析与挖掘好帮手—Anaconda

Posted 2022-06-10 程序员朱鹏

用Python进行数据分析的时候，你会不会烦恼要安装那么多的模块？比如Pandas、Numpy、matplotlib、scipy等等，而当你接手的项目是由不同的Python版本编写的时候你又得下载那个Python版本，然后安装所需要的依赖，非常麻烦。

而使用Anaconda则能减少许多这样的烦恼，因为Anaconda具有以下特点：

• 1.自带180多个科学包，包括conda、numpy、scipy、pandas等。

• 2.极其方便的环境管理工具，可以创建 任意 版本的Python虚拟环境

为什么第2点的任意要加粗呢？其他的虚拟环境管理工具，如virtualenv是无法随意选择Python版本构建虚拟环境的，它们只能使用目前电脑上已有的Python版本构建虚拟环境。而Anaconda的环境管理工具则可以任意选择Python版本，它会自动下载相应的Python版本到虚拟环境中，免去用户自己手动下载安装Python的麻烦。

1.安装Anaconda

首先，前往Anaconda官方下载地址：添加链接描述

选择最新版本的Anaconda进行下载，要注意选择 64-Bit Graphical Installer. 当然这里指的只是Anaconda的默认Python版本，安装成功后，你可以创建任意版本的Python虚拟环境。

安装的过程中一路默认即可，不过如果是Windows用户，建议不要将Anaconda装在C盘，否则随着安装的包越来越多，会出现C盘空间不足的情况。

Windows用户注意：如果在 “Advanced Installation Options”中没有勾选“Add Anaconda to my PATH environment variable.”（添加Anaconda至我的环境变量），则无法在CMD或者powershell中使用conda命令，需要打开菜单中的 Anaconda Prompt 才能使用conda命令，因此请各位根据自己的情况选择勾不勾选。如果没勾选，但是后来又反悔了，可以通过配置环境变量来解决这个问题：

此处借用了别人的图，请注意路径要换成自己的路径。

相比之下，macOS系统就没有这么多繁琐的操作了，在终端（Terminal）中即可使用conda命令。

2.修改镜像源

这点很关键，由于conda默认镜像源是国外的，因此你 pip install 或者 conda install 安装模块的时候可能会等待非常久，如果你不想装个包比敲代码花费的时间还长，请一定要修改镜像源。

首先，在CMD(Windows)或Terminal(macOS)中，输入：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --set show_channel_urls yes

Windows用户前往目录 C:\\Users<你的用户名> 下显示隐藏文件会看到配置文件.condarc .

macOS用户则是在 ~/.condarc 中，可以在终端中用 sudo open ~/.condarc 打开。

然后会看到文件内容类似：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

• defaults 就是原来的源，我们可以直接把它去掉（建议去掉），只用清华源。然后保存，重启终端即可。

3.使用及切换环境

到这里，我们就可以开始使用conda环境了，默认情况下，现在Python命令都是基于conda的，因此你的终端或CMD前都会带有(base)的字样：

如果没有的话，可能是你在安装的时候把 “Register Anaconda as my default Python 3.7”去掉了。没关系，我们也可以用以下命令切换环境，Windows下在CMD中使用:

activate base

可切换到Anaconda默认环境, macOS和Linux则是：

conda activate base

其实两者是一样的原理，均通过conda来控制环境的使用。因为Windows中，输入完activate base后，它会自动补全一句conda.bat activate base, 如下图所示：

在base环境下，默认自带pandas等180+个科学工具包，因此如果没有特别的需求，在这个环境下进行数据分析的开发即可。

4.创建虚拟环境

理想情况下，一直在base环境下开发是美滋滋的，但有时候我们会遇到开发的项目需要特别的版本，甚至是上古时期的2.x版本，这个时候anaconda强大之处也体现出来了，比如我的项目是 old_git, 需要Python2.7版本：

conda create --name old_git python=2.7

这时候便创建了一个python2.7的环境，叫做old_git，通过调用

activate old_git 
# macOS/Linux则输入: conda activate old_git

即可切换到这个环境，不过注意，这个新的环境是没有自带180+个科学工具包的，你需要自行安装所需模块。

5.其他命令

最常用的是显示已创建环境：

conda info --envs

其次是删除环境：

conda remove --name 环境名 --all

(这个就不演示了)

最后是安装包：

conda install xxx

其实conda install 和 pip install 都能达到安装包的效果，区别在于，前者使用conda的镜像源，后者使用pip镜像源。一般而言，推荐pip install，因为包更全一点。

如果你喜欢我们今天的Python 数据分析教程，请三连，如果对你有帮助，可扫下方领取Python全套学习资料