【人工智能】【Python】Anacond基础操作1

简介: 【人工智能】【Python】Anacond基础操作

001.在 Anaconda 中使用 Conda 管理 Python 环境


工具:Anaconda Prompt(Anaconda)| 请使用管理员权限运行

q1.png

更新Anaconda

conda update conda

q2.png

q3.png

创建环境

conda create -n env_name package_names

env_name:环境名称

package_names:包名称,可指定版本

案例1

要求:创建名字为evn_python2,Python版本为2的最新版本,同时安装Pandas0.24.0版本、Numpy包

conda create -n evn_python2 python=2 numpy pandas=0.24.0

q4.png

q5.png

切换环境

Windows:

conda activate my_env

Linux:

source activate my_evn

查询当前环境安装的包

conda list

离开环境

conda deactivate

环境共享

导出环境

conda env export > environment.yaml

可以指定保存的路径。

(python373) C:\Windows\system32>conda env export > d:\environment.yam

导入并更新环境

(1)先进入当前环境

conda activate 环境名称

q6.png

(2)更新环境

conda env update -f=/path/to/environment.yml

其中,-f 表示要使用的环境文件在本地的路径;将 /path/to/environment.yml 替换成本地的实际路径即可。

列出环境

conda env list

其中带星号的是当前所在环境

Anaconda 命令行默认的环境(即还没有选定环境时使用的环境)名为 base

q1.png

删除环境

conda env remove -n env_name

查看环境信息

conda info

q2.png

002.在 Anaconda 中使用 conda 管理 Python 包


安装包

搜索包

conda search requests

安装包

conda install requests

外,如果在 Anaconda 提供的库里面找不到想安装的包,或者想安装更新的版本,那么也可以通

过社区维护的 conda-forge 来安装。例如,如果想使用 conda-forge 来安装 Pandas,可以使用如

下命令。

conda install -c conda-forge pandas

如果在上面的库都无法找到想安装的包,也可以用标准的 Python 包管理命令 pip 来完成在当前环

境中第三方包的安装。例如,用来获取国内财经以及股票数据的 tushare 包,就可以通过在当前环

境下使用如下命令来完成安装:

pip install tushare

卸载包与升级包

卸载包

conda uninstall packages_name

如果想在当前环境中删除另一个环境中的包,可以通过如下命令完成。

conda uninstall my_env packages_name

升级包

升级当前环境的某一个包

conda update my_env packages_name

升级其他环境的某一个包

conda update my_env packages_name

升级当前环境全部包

conda update --all

为Anaconda添加新的库或移除库

添加

使用中国科学技术大学的镜像

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

显示当前有哪些镜像地址

conda config --show-sources

q3.png

conda的配置信息都存储在 .condarc文件中

  • windows系统,.condarc 位于 C:\Users\用户名\目录下
  • Linux系统,./condarc 位于 /home/用户名/ 目录下

设置搜索时显示通道地址(镜像源地址)

conda config --set show_channel_urls yes

q4.png

移除

conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

用 conda config --show 来确认该地址已经移除。

conda config --show
conda config --show-sources

q5.png


相关文章
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
【专栏】Python在人工智能领域的应用现状、优势及未来趋势
【4月更文挑战第27天】本文探讨了Python在人工智能领域的应用现状、优势及未来趋势。Python作为数据科学、机器学习、深度学习和自然语言处理的首选语言,拥有丰富的库如NumPy、Pandas、TensorFlow和NLTK等。其简洁易学、跨平台和活跃社区等特点促进了AI的普及和发展。未来,Python将在强化深度学习、融合新兴技术、提高可解释性和人才培养等方面持续发挥关键作用。
|
2天前
|
机器学习/深度学习 人工智能 自动驾驶
人工智能:原理、应用与Python代码实现
人工智能:原理、应用与Python代码实现
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能:原理、应用与Python代码示例
人工智能:原理、应用与Python代码示例
|
2天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
2天前
|
机器学习/深度学习 人工智能 算法
【Python 机器学习专栏】强化学习在游戏 AI 中的实践
【4月更文挑战第30天】强化学习在游戏AI中展现巨大潜力,通过与环境交互和奖励信号学习最优策略。适应性强,能自主探索,挖掘出惊人策略。应用包括策略、动作和竞速游戏,如AlphaGo。Python是实现强化学习的常用工具。尽管面临训练时间长和环境复杂性等挑战,但未来强化学习将与其他技术融合,推动游戏AI发展,创造更智能的游戏体验。
|
2天前
|
人工智能 Python
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
43 0
|
2天前
|
机器学习/深度学习 人工智能 算法
【AI大模型应用开发】【补充知识】文本向量化与向量相似度(含Python代码)
【AI大模型应用开发】【补充知识】文本向量化与向量相似度(含Python代码)
23 0
|
2天前
|
程序员 索引 Python
06-python数据容器-set(集合)入门基础操作
06-python数据容器-set(集合)入门基础操作
|
2天前
|
机器学习/深度学习 人工智能 算法框架/工具
Python人工智能与机器学习
【4月更文挑战第11天】Python在AI和ML领域占主导地位,得益于其简洁语法、强大库支持和活跃社区。关键应用包括数据预处理(Pandas, NumPy)、模型训练(scikit-learn, TensorFlow, PyTorch)、深度学习、NLP(NLTK, spaCy, Transformers)和计算机视觉(OpenCV, Pillow)。丰富的库如NumPy、Pandas、Matplotlib等,以及学习资源,使Python成为AI和ML的理想选择。
499 5
|
2天前
|
机器学习/深度学习 人工智能 算法

热门文章

最新文章