Anaconda安装与Python虚拟环境配置保姆级图文教程(附速查字典)

简介: Anaconda安装与Python虚拟环境配置保姆级图文教程(附速查字典)

目录

1 混乱的Python库

你有没有遇到过这样的问题


在项目A中需要用到某个Python库PkgA,且项目A的其他库要求PkgA的版本必须为v3.0以上,你按要求安装了PkgA v3.0;过了一段时间,老板交给你一个项目B,又用到了PkgA,但这次其他库要求PkgA的版本必须为v2.0及以上,这时候你怎么办?


安装PkgA v3.0则新项目B无法运行,安装PkgA v2.0则旧项目A无法运行,要想同时在一个环境里使用两个项目,必须不停地重装PkgA来更换版本。


上面的例子只涉及两个项目的一个依赖库冲突,如果多个项目呢?如果多个依赖冲突呢?


image.png

上面的例子说明了什么呢?其实就是Python语言的痛点:


依赖网复杂


Python的包非常丰富,轮子相当多,开发者在工作时难免会调用这样或那样的包,久而久之,一个功能依赖另一个功能,形成复杂的依赖网络


包管理混乱


通过报错信息不断安装依赖包终于解决了依赖库的问题,但随之而来的就是版本问题,也就是上面例子所体现的依赖冲突,本质上是某个包开发时的不向下兼容导致的


为了解决上面的问题,更好地管理Python库,让其扬长避短,就必须使用环境管理工具,例如本文介绍的Anaconda。

2 什么是Anaconda

Anaconda是一个开源的跨平台Python发行版本,支持


Windows

macOS

Linux

操作系统。Anaconda中包含了conda等180多个科学包及其依赖项。其中conda则是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。


image.png

3 Anaconda的安装

Anaconda下载界面选择相应的操作系统,本文主要介绍在Windows与Linux下的安装流程。


image.png

3.1 Windows系统

Windows有图形化的安装向导,按下面的步骤一步步安装即可

  • 运行安装向导


image.png

  • 选择I Agree

image.png

  • 选择All Users,其实选Just Me也可以,但这台主机的其他用户就无法使用Anaconda

image.png

  • 选择安装路径

image.png

  • 保持默认选项

image.png

  • 等待安装结束

image.png

  • 配置环境变量

image.png

3.2 Linux系统

对于Linux系统,没有图形化的安装界面,按下面输入终端命令即可

  • 进入Anaconda安装目录并运行官方安装程序
bash ./Anaconda3-2021.11-Linux-x86_64.sh

添加环境变量,其中~/Project/anaconda3/bin替换成自己的安装目录

echo 'export PATH="~/Project/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

3.3 测试

打开cmd(Windows)或Terminal(Linux),输入

conda --version

如果输出版本号则说明安装成功,如下所示。

image.png

注意,若运行python脚本时仍然是原环境而非Anaconda环境,则需要注意配置编辑器的python解释器路径。VSCode中,在tasks.json中的args参数中配置

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "catkin_make:debug",
            "type": "shell",
            "command": "catkin_make",
            "args": ["-DPYTHON_EXECUTABLE=/home/winter/Project/anaconda3/envs/server/bin/python "],
            "group": {"kind":"build","isDefault":true},
            "presentation": {
                "reveal": "always"
            },
            "problemMatcher": "$msCompile"
        }
    ]
}

4 虚拟环境管理(速查字典)

Anaconda可以创建虚拟环境,虚拟环境间彼此隔离,可以解决依赖混乱的情况。虚拟环境管理主要涉及以下的命令,可以作为速查字典以备不时之需

  • 创建虚拟环境
conda create -n test python=3.8
  • 创建了一个名为test的采用3.8版本Python解释器的虚拟环境
  • 切换虚拟环境
conda activate test
  • 切换到名为test的虚拟环境。默认地,用户会进入Anaconda自带的base环境,注意base环境已经与安装Anaconda前的环境不同,因此第一次使用Anaconda可能会产生依赖冲突和缺失。
  • 查看虚拟环境
conda env list

依赖安装与卸载

# 安装
conda install pkg
pip install pkg
# 卸载
conda remove pkg
pip uninstall pkg

这里推荐使用清华源加快安装速度,使用方法是

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pkg==version 

即安装了名为pkg,版本为version的包

如果依赖很多,建议使用requirements.txt批量配置,命令为

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

查看环境依赖

conda list

复制虚拟环境

conda env export > test_env.yaml
conda env create -f test_env.yaml
  • 常用于导出当前虚拟环境的信息或复制虚拟环境
  • 删除虚拟环境
conda remove -n test --all
  • 删除名为test的虚拟环境

🔥 更多精彩专栏

目录
打赏
0
0
0
0
25
分享
相关文章
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
Python语法糖详解教程
《Python语法糖详解教程》介绍了编程语言中的“语法糖”,即通过特殊语法形式简化代码,使代码更简洁、易读和高效。文章详细解析了列表推导式、字典推导式、元组解包、条件表达式、with语句和装饰器等核心语法糖,并提供了具体示例和最佳实践指南。通过这些技巧,开发者可以在保持底层功能不变的前提下,显著提升开发效率和代码质量。
18 8
使用 pipx 安装并执行 Python 应用程序 (1)
使用 pipx 安装并执行 Python 应用程序 (1)
60 17
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
PyCharm是由JetBrains开发的Python集成开发环境(IDE),专为Python开发者设计,支持Web开发、调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试和版本控制等功能。它有专业版、教育版和社区版三个版本,其中社区版免费且适合个人和小型团队使用,包含基本的Python开发功能。安装PyCharm前需先安装Python解释器,并配置环境变量。通过简单的步骤即可在PyCharm中创建并运行Python项目,如输出“Hello World”。
291 13
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
Python学习:内建属性、内建函数的教程
本文介绍了Python中的内建属性和内建函数。内建属性包括`__init__`、`__new__`、`__class__`等,通过`dir()`函数可以查看类的所有内建属性。内建函数如`range`、`map`、`filter`、`reduce`和`sorted`等,分别用于生成序列、映射操作、过滤操作、累积计算和排序。其中,`reduce`在Python 3中需从`functools`模块导入。示例代码展示了这些特性和函数的具体用法及注意事项。
Python3虚拟环境venv
`venv` 是 Python 的虚拟环境工具,用于为不同项目创建独立的运行环境,避免依赖冲突。通过 `python3 -m venv` 命令创建虚拟环境,并使用 `source bin/activate` 激活。激活后,所有 Python 包将安装在该环境中,不影响系统全局环境。退出环境使用 `deactivate` 命令。每个虚拟环境拥有独立的包集合,确保项目间的隔离性。删除虚拟环境只需删除其目录即可。
93 34
|
2月前
|
探索Python虚拟环境:virtualenv、venv与pipenv比较
在Python开发中,有效的环境管理至关重要。virtualenv、venv和pipenv是常用的虚拟环境管理工具。virtualenv支持Python 2.7+和3.3+,可创建独立环境;venv为Python 3.3+内置库,简单轻量但功能有限;pipenv则结合了包管理和虚拟环境管理,生成Pipfile.lock确保依赖确定性和安全性,推荐作为首选工具。
110 2
【chat-gpt问答记录】python虚拟环境venv的简介及使用
【chat-gpt问答记录】python虚拟环境venv的简介及使用
80 2
[Python]搭建虚拟环境与Django项目的创建[virtualenv virtualenvwrapper venv](Windows)(上)
[Python]搭建虚拟环境与Django项目的创建[virtualenv virtualenvwrapper venv](Windows)(上)
一键打包,随时运行,Python3项目虚拟环境一键整合包的制作(Venv)
之前我们介绍了[如何使用嵌入式 Python3 环境给项目制作一键整合包](https://v3u.cn/a_id_328),在使用嵌入式 Python 环境时,通常是作为另一个应用程序的一部分,而Python3虚拟环境是为了在开发过程中隔离项目所需的 Python 环境。虚拟环境允许我们在同一台计算机上的不同项目中使用不同的 Python 版本和软件包,而不会相互干扰。 本次我们利用Python3自带的虚拟环境(venv)功能来给项目制作一键整合包。
一键打包,随时运行,Python3项目虚拟环境一键整合包的制作(Venv)

热门文章

最新文章