面向数据科学的 Anaconda Python 入门

像很多人一样，我一直努力加入到快速发展的数据科学领域。我上过 Udemy 的 R 及 Python 语言编程课，那时我分别下载并安装了应用程序。当我试图解决各种依赖关系，安装类似 Numpy 和 Matplotlib 这样的数据科学扩展包时，我了解了 Anaconda Python 发行版。

Anaconda 是一个完备、开源的数据科学包，拥有超过 600 万社区用户。下载和安装 Anaconda 都很容易，支持的操作系统包括 Linux, MacOS 及 Windows。

我感谢 Anaconda 降低了初学者的学习门槛。发行版自带 1000 多个数据科学包以及 Conda 包和虚拟环境管理器，让你无需单独学习每个库的安装方法。就像 Anaconda 官网上提到的，“Anaconda 库中的 Python 和 R 语言的conda 包是我们在安全环境中修订并编译得到的优化二进制程序，可以在你系统上工作”。

我推荐使用 Anaconda Navigator，它是一个桌面 GUI (graphical user interface) 系统，包含发行版自带应用的链接，包括RStudio, iPython, Jupyter Notebook, JupyterLab, Spyder, Glue 和 Orange。默认环境采用 Python 3.6，但你可以轻松安装 Python 3.5, Python 2.7 或 R。文档十分详尽，而且用户社区极好，可以提供额外的支持。

安装 Anaconda

为在我的 Linux 笔记本 (I3 CPU，4GB 内存) 上安装 Anaconda，我下载了 Anaconda 5.1 Linux 版安装器并运行 md5sum 进行文件校验：

$ md5sum Anaconda3-5.1.0-Linux-x86_64.sh

接着按照安装文档的说明，无论是否在 Bash shell 环境下，执行如下 shell 命令：

$ bash Anaconda3-5.1.0-Linux-x86_64.sh

我完全按照安装指南操作，运行这个精心编写的脚本，大约花费 5 分钟可以完成安装。安装过程中会提示：“是否希望安装器将 Anaconda 的安装路径加入到你的 /home/<user>/.bashrc？我选择允许并重启了 shell，这会让 .bashrc 中的环境变量生效。

安装完成后，我启动了 Anaconda Navigator，具体操作是在 shell 中执行如下命令：

$ anaconda-navigator

Anaconda Navigator 每次启动时会检查是否有可更新的软件包，如果有，会提醒你进行更新。

按照提醒进行更新即可，无需使用命令行。Anaconda 初次启动会有些慢，如果涉及更新会额外花费几分钟。

当然，你也可以通过执行如下命令手动更新：

$ conda update anaconda-navigator

浏览和安装应用

Navigator 启动后，可以很容易地浏览 Anaconda 发行版包含的应用。按照文档所述，64 位 Python 3.6 版本的 Anaconda 支持 499 个软件包。我浏览的第一个应用是 Jupyter QtConsole，这个简单易用的 GUI 支持内联数据 (inline figures) 和语法高亮。

发行版中包含 Jupyter Notebook，故（不像我用的其它 Python 环境那样）无需在发行版外安装。

我习惯使用的 RStudio 并没有默认安装，但安装它也仅需点击一下鼠标。其它应用的启动或安装也仅需点击一下鼠标，包括 JupyterLab, Orange, Glue 和 Spyder 等。

Anaconda 发行版的一个强大功能是创建多套环境。假如我需要创建一套与默认 Python 3.6 不同的 Python 2.7 的环境，可以在 shell 中执行如下命令：

$ conda create -n py27 python=2.7 anaconda

Conda 负责整个安装流程，如需启动它，仅需在 shell 中执行如下命令：

$ anaconda-navigator

在 Anaconda GUI 的 "Applications on" 下拉菜单中选取 py27 即可。

6.0 KiB Raw Blame History Unescape Escape

面向数据科学的 Anaconda Python 入门

安装 Anaconda

浏览和安装应用

更多内容

6.0 KiB

Raw Blame History