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
相关文章
|
2月前
|
IDE 开发工具 索引
在Python中安装第三方库
在Python中安装第三方库
814 30
|
4天前
|
Shell 程序员 开发者
轻松搞定在Python中构建虚拟环境
本教程教你如何使用业界公认的最佳实践,创建一个完全工作的Python开发环境。虚拟环境通过隔离依赖项,避免项目间的冲突,并允许你轻松管理包版本。我们将使用Python 3的内置`venv`模块来创建和激活虚拟环境,确保不同项目能独立运行,不会相互干扰。此外,还将介绍如何检查Python版本、激活和停用虚拟环境,以及使用`requirements.txt`文件共享依赖项。 通过本教程,你将学会: - 创建和管理虚拟环境 - 避免依赖性冲突 - 部署Python应用到服务器 适合新手和希望提升开发环境管理能力的开发者。
|
24天前
|
Linux Python
Linux 安装python3.7.6
本教程介绍在Linux系统上安装Python 3.7.6的步骤。首先使用`yum`安装依赖环境,包括zlib、openssl等开发库。接着通过`wget`下载Python 3.7.6源码包并解压。创建目标文件夹`/usr/local/python3`后,进入解压目录执行配置、编译和安装命令。最后设置软链接,使`python3`和`pip3`命令生效。
|
11天前
|
Python
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。
|
11天前
|
JSON 监控 安全
深入理解 Python 的 eval() 函数与空全局字典 {}
`eval()` 函数在 Python 中能将字符串解析为代码并执行,但伴随安全风险,尤其在处理不受信任的输入时。传递空全局字典 {} 可限制其访问内置对象,但仍存隐患。建议通过限制函数和变量、使用沙箱环境、避免复杂表达式、验证输入等提高安全性。更推荐使用 `ast.literal_eval()`、自定义解析器或 JSON 解析等替代方案,以确保代码安全性和可靠性。
24 2
|
10天前
|
人工智能 编译器 Python
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
|
2月前
|
XML JSON API
如何使用Python将字典转换为XML
本文介绍了如何使用Python中的`xml.etree.ElementTree`库将字典数据结构转换为XML格式。通过定义递归函数处理字典到XML元素的转换,生成符合标准的XML文档,适用于与旧系统交互或需支持复杂文档结构的场景。示例代码展示了将一个简单字典转换为XML的具体实现过程。
23 1
|
2月前
|
存储 JSON 网络安全
使用 EFS 在 AWS Lambda 上安装 Python 依赖项
使用 aws lambda 时,开发人员面临的常见挑战之一是管理大型 python 依赖项。
35 1
|
2月前
|
Ubuntu Linux iOS开发
安装Python
安装 Python 是相对简单的过程,但需要根据不同的操作系统选择合适的方法。同时,合理使用虚拟环境可以更好地管理项目的依赖和环境,提高开发效率。希望这些步骤和注意事项能帮助你顺利安装 Python。
|
2月前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
153 3