Anaconda的简要介绍
- 那就先查查Anaconda到底是什么
致Python初学者：Anaconda入门使用指南
啥是Anaconda呢？
Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。
这里面包括了conda这个管理系统
conda 是开源包（packages）和虚拟环境（environment）的管理系统。
packages 管理： 可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
虚拟环境管理： 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。
这可是个好东西啊，各种乱七八糟的工具包和python版本不正是我们最头疼的事情吗，这个一下子就解决了！
- Anaconda怎么用
在Anaconda官网下载Anaconda的mac版本，安装
然后在启动台多出来了一个图标：Anaconda Navigtor
他们还做了个用户界面，真是贴心
打开一看，home页长成这个样子
在这里插入图片描述
上面的四个程序已经安装好了，看起来还是互相依赖的
那就先一个一个打开看看是干啥的
第一个打开后进入了web页面，在里面我找到了使用说明
我还找到了这个：译介：JupyterLab 已为用户准备就绪
通过简单的浏览，发现JupyterLab就是Jupyter Notebook的进阶版本，小到我现在编写的Markdown文本，大到交互式探索性计算，它都搞得定
最值得吹嘘的是它的个性化扩展以及对之前版本的支持
JupyterLab是一个交互式的开发环境，其用于应对包含着notebook、代码以及数据的工作场景。最为重要的是，JupyterLab对于Jupyter Notebook有着完全的支持。除此之外，JupyterLab让您能够使用文本编辑器、终端、数据文件查看器以及其他自定义的内容。他们都将以标签的形式肩并肩地和notebook一起排列在工作区中。
（估计要学会使用这东西需要漫长的时间）
第二个略
第三个点开发现是类似终端的程序
看到Qt两个字母和它简要的介绍我就能蒙出来它是干啥的了
它既有IPython的特性，具有强大的交互功能，又能显示图形
最后那个就是个集成开发环境
看了上面的四个软件，发现Anaconda功能真的很强大（尽管那四个和它没啥关系）
- Anaconda是怎么管理Python包的？
先把命令列个表
| 命令 | 解释 |
|---|---|
| conda install package_name | 安装 |
| conda remove package_name | 移除 |
| conda update package_name | 升级 |
| conda upgrade --all | 将所有工具包升级 |
| conda list | 查看所有下载的包 |
这些都是老生常谈了
实际上，在安装Anaconda的时候，它自动为您安装了许多常用的包，您可以conda list查看一下
- Anaconda是怎么管理Python环境的？
所谓环境，在我看来其实就是将这个程序用到的工具包和python的解释器打个包
让我们再看一些命令
| 命令 | 解释 |
|---|---|
| conda create -n xx python=xx xx | 创建一个新的环境，xx分别代表环境名，python版本，包含的工具包 |
有这个选定python版本的功能，妈妈再也不用担心我电脑python和工具包版本不兼容啦
同时conda有一个很人性化的功能，就是当您的环境包含了某个后，它会自动为您将这个包的依赖包也添加到环境中
| 命令 | 解释 |
|---|---|
| source activate env_name | 进入名为env_name的环境 |
| source deactivate | 退出环境 |
| conda env remove -n env_name | 删除环境 |
| conda env list | 查看所有的环境 |
同时，还存在一个很现实的问题，就是如何保证您电脑上的python代码能在别人电脑上运行
这就是环境的作用了，我们为某个特定的程序创建一个新的环境，这个环境仅包含该程序用到的工具包，而不是您电脑上所有的包，这样即方便打包又缩小了整个程序的体积
同时它还可以做到环境的共享，具体的命令是这样的
| 命令 | 解释 |
|---|---|
| conda env export > name.yaml | 当前环境信息存入YAML 文件中 |
| conda env create -f name.yaml | 通过YAML文件创建一个环境 |
这样，当您和您的朋友电脑上都安装了Anaconda时，就可以使用这种方法复制环境了
以上，我们就简单的介绍了Anaconda的使用
等等，似乎跑题了，我本来是想研究一下python模块路径的（吓的我立刻去改了标题）
那我接着补坑
python工具包路径设置
既然Anaconda就是用来管理安装包的，让我们先来看一看它放置在哪里
这里有一份windows下的Aanaconda的介绍：Anaconda完全入门指南
然而mac和Windows的差别还是挺大的，只能自己摸索了
其实我有一个很偷懒的办法，就是用Anaconda自带的集成开发环境，我想那样import就不会出现任何问题
但我要是还想用我的pycharm呢？
mac下的pycharm界面和windows的不太一样
我们依次点击File->Preferences of New Projects->Project Interpreter
在这里插入图片描述
也就是这样的界面
然后我们点击右上角的小齿轮，点击add，点击新出现的Conda Environment
给环境取个名字，再在右下角点击ok，这样接下来我们创建的python程序就都由Anaconda解释了
然而，我还是高兴的太早了，当我
from PIL import Image时，pycharm依旧显示找不到PIL原来，我们刚才创建了一个conda下的环境，却没有将工具包导进去
我们打开Aanaconda Navigtor ，在首页打开Environments，在这里就能看到我们新建的环境
我给我新建的环境取名为python37，打开之后发现里面缺省安装17个工具包，将选择栏中的installed改为all，就可以看到所有的工具包了，搜索需要的工具包点击apply，就可以完成在对应的环境下载工具包
最后别忘了回到pycharm去apply我们的设置
还有一个问题，如果我们不想单独建立一个环境而是想随便用Aanaconda的全部工具包呢？
我们还是进入Project Interpreter界面，点击右上角的小齿轮
但这次我们不进入Conda Environment，而是System Interpreter
设置路径如下，再点击ok和apply就好了
image
还有一个小问题，是最后apply的时候可能显示“Cannot Save Setting”
那是因为您之前设置的环境名和新的环境名重名了，这时只要查看Project Interpreter然后点击show all把不用的环境都删除就可以了
更新：
我悲剧的发现pycharm新建的python项目会默认新建一个环境，这个环境里啥有用的都没有，这个时候我们可以在Project Interpreter界面把新建的环境删掉
然后pycharm会显示没有Interpreter，然后让我们重新选择一个，这时候我们选上之前add的环境就OK了
网友评论