【10月更文挑战第5天】「Mac上学Python 6」入门篇6 - 安装与使用Anaconda

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 本篇将详细介绍如何在Mac系统上安装和配置Anaconda,如何创建虚拟环境,并学习如何使用 `pip` 和 `conda` 管理Python包,直到成功运行第一个Python程序。通过本篇,您将学会如何高效地使用Anaconda创建和管理虚拟环境,并使用Python开发。

本篇将详细介绍如何在Mac系统上安装和配置Anaconda,如何创建虚拟环境,并学习如何使用 pipconda 管理Python包,直到成功运行第一个Python程序。通过本篇,您将学会如何高效地使用Anaconda创建和管理虚拟环境,并使用Python开发。


一、Anaconda的安装

1.1 下载与安装 Anaconda

Anaconda 是一个包含 Python 和多个常用库的打包工具,适合数据科学、机器学习等应用。安装后,您可以轻松地使用Python进行开发。

  1. 访问 Anaconda官网
  2. 下载适合Mac系统的安装包。
  3. 打开下载的 .pkg 文件,按照提示进行安装。
  4. 安装完成后,打开终端,输入以下命令,验证Anaconda是否成功安装:
    conda --version
    
    如果显示 conda x.x.x 版本号,说明Anaconda安装成功。
1.2 更新 Anaconda

为确保您使用的是最新版本的Anaconda和Conda,建议在安装后进行更新操作:

conda update conda
conda update anaconda

二、创建并管理Conda虚拟环境

虚拟环境可以帮助您在多个项目中保持独立的依赖关系,避免版本冲突。Anaconda的 conda 工具使得环境管理非常方便。

2.1 创建虚拟环境

使用以下命令创建一个新的虚拟环境,并指定Python版本(例如3.12):

conda create --name myenv python=3.12
2.2 激活和停用虚拟环境

激活刚创建的虚拟环境:

conda activate myenv

停用虚拟环境:

conda deactivate
2.3 安装Python包

在虚拟环境中,您可以通过 condapip 安装所需的Python包。

  • 使用 conda 安装包:

     conda install numpy
    
  • 使用 pip 安装包:

     pip install requests
    

三、使用pip管理Python包

除了 conda,您还可以使用 pip 来管理Python包,执行安装、更新、查询和删除操作。

3.1 查询已安装的包
  • 查询已安装的Python包:

     pip list
    
  • 查询可更新的包:

     pip list --outdated
    
3.2 安装与更新包
  • 安装指定包,例如 pytube

     pip install pytube
    
  • 安装指定版本的包:

     pip install pytube==15.0.0
    
  • 更新包,例如更新 numpy

     pip install -U numpy
    
3.3 移除包
  • 移除已安装的包,例如 pytube
     pip uninstall pytube
    
3.4 查看包的详细信息
  • 查询某个包的详细信息,例如 numpy
     pip show numpy
    

四、编写并运行第一个Python程序

现在,我们通过Anaconda环境来创建并运行一个简单的 "Hello World" 程序。

4.1 编写Hello World程序

在虚拟环境激活的情况下,使用以下命令创建一个Python脚本:

nano hello.py

hello.py 文件中,输入以下代码:

print("Hello, World!")

保存并退出编辑器。

4.2 运行Hello World程序

在虚拟环境中运行刚才创建的脚本:

python hello.py

您应该会看到以下输出:

Hello, World!

这说明您已经成功使用Anaconda环境运行了第一个Python程序。


五、总结

本篇详细介绍了如何在Mac上安装Anaconda、创建并管理虚拟环境,以及如何使用 pipconda 管理Python包,编写并运行一个简单的Python程序。通过这些步骤,您可以高效地使用Anaconda进行Python开发,并为未来的项目打下基础。


上一篇: 「Mac上学Python 5」入门篇5 - Jupyter 环境配置与高效使用技巧

下一篇: 「Mac上学Python 7」基础篇1 - Python基础与编码规范


目录
相关文章
|
27天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
4天前
|
人工智能 Rust Java
10月更文挑战赛火热启动,坚持热爱坚持创作!
开发者社区10月更文挑战,寻找热爱技术内容创作的你,欢迎来创作!
390 16
|
7天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
19天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
7天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
350 2
|
22天前
|
人工智能 IDE 程序员
期盼已久!通义灵码 AI 程序员开启邀测,全流程开发仅用几分钟
在云栖大会上,阿里云云原生应用平台负责人丁宇宣布,「通义灵码」完成全面升级,并正式发布 AI 程序员。
|
24天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2597 22
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
6天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
261 2
|
4天前
|
编译器 C#
C#多态概述:通过继承实现的不同对象调用相同的方法,表现出不同的行为
C#多态概述:通过继承实现的不同对象调用相同的方法,表现出不同的行为
106 65
|
23天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1581 17
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码