上期描述了如何在Windows下安装官方的Python3.8,本期描述如何安装Anaconda。建立Python环境这个话题,为何要大费周章、不厌其烦的叙述呢,主要的原因是:

  • 所有的语言在设计时,都假定运行在一个纯净的环境下,但现实往往不是如此。经常在Windows下会安装多个版本的Python;

  • Python在设计之初,也只设定自己运行在一个纯净的环境下。后期虽然又推出多种混合环境的解决方案,但带来的混乱比解决的问题更多,不用也罢;

  • 环境问题导致的各种怪异现象,对于初学者掌握Python的信心打击巨大;

  • 坚持在一个环境下,只有一个版本的Python是王道,真正符合人生苦短,我用Python的理念。如果混合安装多个版本的Python,会浪费时间与脑力,非常不合算。

综合所述,在安装Anaconda前,记得删除所有的Python版本。除了在控制面板中通过应用管理删除外,还可以使用前文介绍的listary或者everything这个工具,搜索整个操作系统下与Python相关的文件、目录并且删除之,保证尽可能干净的初始环境。

Anaconda是专为数据科学家准备的套餐性质的Python集成开发环境。也就是说,通过安装Anaconda,可以:

  • 获得符合标准的Python3.8解释器;
  • 与大数据分析、可视化、数学相关的一整套的第三方模块的自动安装;
  • 提供了相对称手的IDE环境。

由于Python的历史原因,部分第三方模块在安装时,需要很复杂的前提条件,例如正确版本的C编译器、头文件、依赖库等,把这些搞明白需要花费大量的时间。而科学家们没有时间甚至没有能力折腾软件的事情,所以Anaconda应运而生,直接提供开箱即用的面向数据科学分析的Python开发能力。当然也带来了一些问题:

  • 安装后,占据的空间较大,约要占2G左右的空间。当然,现在计算机存储资源很丰富,也不算太大的问题。如果安装到笔记本上,还是有些显得臃肿;

  • 使用者通过conda以及pip命令均可以安装包,容易造成混乱。虽然可以通过路径的设置来解决,但对于初学者来说,仍然是非常混乱的存在。因此,如果使用Anaconda,就坚持使用自带的conda安装包。

虽然有以上缺点,但瑕不掩瑜,Anaconda仍然是快速入手的热门选择。下面开始安装过程:

  • 上官网下载。对于开发人员来说,直接从官网下载:https://www.anaconda.com/,仍然是最安全最有效的选择;

  • 在官网上选择Individual Edition,这个是免费的;

  • 由于界面上提供是最新版本,与我们要安装的版本不一致,因此点击此处:https://repo.anaconda.com/archive/Anaconda3-5.2.0-Windows-x86_64.exe可以下载与Python3.8匹配的64位版本。推荐使用Internet Download Manager(简称IDM,是下载神器,也是工具箱的成员之一);

  • 下载完成后,直接运行安装,一路“next”,直到下面的界面:

  • 建议选择“Just Me”这个选项。因为不需要管理员这个最高权限,并且安装路径是明确的。随后继续“next”;

  • 接下来出现下面的界面。要求选择是否加入Windows搜索路径:

  • 虽然安装软件本身不推荐,但是笔者推荐,解决搜索路径的问题,方便后续的使用。选择后按“install”开始一段相对漫长的安装过程,随时几个简单的提示就可以完成安装了。

完成安装后,win10中创建了一组相关的软件如下图所示:

其中:

  • Anaconda Navigator,这是最重要的入口,点击进入后就可以开始即开即用;

  • Anaconda Powershell Prompt,点进后进入Windows Powershell界面。这是一个命令行界面,与普通的命令行不一样,从这里进入,能够自动导入Anaconda相关命令;

  • Anaconda Prompt,与上面的类似,只是没有启动Powershell,一样可以使用Anaconda相关命令;

  • Jupyter Notebook,这是数据科学家最喜欢的神器;

  • Spyder,一个完善的Python开发集成工具,非常好用。

至此,Anaconda的安装介绍完成,下一期介绍Minconda的安装。

Python工具箱系列(四)的更多相关文章

  1. 扩展Python模块系列(四)----引用计数问题的处理

    承接上文,发现在使用Python C/C++ API扩展Python模块时,总要在各种各样的地方考虑到引用计数问题,稍不留神可能会导致扩展的模块存在内存泄漏.引用计数问题是C语言扩展Python模块最 ...

  2. Python工具箱系列(五)

    上一期介绍了Anaconda的安装,本期介绍Miniconda的安装,它们共同的部分是Conda,确实如此.Conda是一个开源的包管理系统,本身的志向非常宏大,要为Python. R. Ruby. ...

  3. Python学习系列(四)(列表及其函数)

    Python学习系列(四)(列表及其函数) Python学习系列(一)(基础入门) Python学习系列(二)(基础知识) Python学习系列(三)(字符串) 一.基本概念 1,列表是什么?     ...

  4. Python学习系列(四)Python 入门语法规则2

    Python学习系列(四)Python 入门语法规则2 2017-4-3 09:18:04 编码和解码 Unicode.gbk,utf8之间的关系 2.对于py2.7, 如果utf8>gbk, ...

  5. VSTO之旅系列(四):创建Word解决方案

    原文:VSTO之旅系列(四):创建Word解决方案 本专题概要 引言 Word对象模型 创建Word外接程序 小结 一.引言 在上一个专题中主要为大家介绍如何自定义我们的Excel 界面的,然而在这个 ...

  6. Python爬虫实战四之抓取淘宝MM照片

    原文:Python爬虫实战四之抓取淘宝MM照片其实还有好多,大家可以看 Python爬虫学习系列教程 福利啊福利,本次为大家带来的项目是抓取淘宝MM照片并保存起来,大家有没有很激动呢? 本篇目标 1. ...

  7. python基础系列教程——Python中的编码问题,中文乱码问题

    python基础系列教程——Python中的编码问题,中文乱码问题 如果不声明编码,则中文会报错,即使是注释也会报错. # -*- coding: UTF-8 -*- 或者 #coding=utf-8 ...

  8. python基础系列教程——Python的安装与测试:python的IDE工具PyDev和pycharm,anaconda

    ---恢复内容开始--- python基础系列教程——Python的安装与测试:python的IDE工具PyDev和pycharm,anaconda 从头开启python的开发环境搭建.安装比较简单, ...

  9. 人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型

    人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型 经过前面稍显罗嗦的准备工作,现在,我们终于可以尝试训练我们自己的卷积神经网络模型了.CNN擅长图像处理,keras库的te ...

随机推荐

  1. Python爬虫+数据可视化教学:分析猫咪交易数据

    猫猫这么可爱 不会有人不喜欢吧: 猫猫真的很可爱,和我女朋友一样可爱~你们可以和女朋友一起养一只可爱猫猫女朋友都有的吧?啊没有的话当我没说-咳咳网上的数据太多.太杂,而且我也不知道哪个网站的数据比较好 ...

  2. Quick Pow: 如何快速求幂

    今天讲个有趣的算法:如何快速求 \(n^m\),其中 n 和 m 都是整数. 为方便起见,此处假设 m >= 0,对于 m < 0 的情况,求出 \(n^{|m|}\) 后再取倒数即可. ...

  3. NC16430 [NOIP2016]蚯蚓

    NC16430 [NOIP2016]蚯蚓 题目 题目描述 本题中,我们将用符号 \(\lfloor c \rfloor\) 表示对 c 向下取整,例如:\(\lfloor 3.0 \rfloor = ...

  4. NC235250 牛可乐的翻转游戏

    NC235250 牛可乐的翻转游戏 题目 题目描述 牛可乐发明了一种新型的翻转游戏! 在一个有 \(n\) 行 \(m\) 列的棋盘上,每个格子摆放有一枚棋子,每一枚棋子的颜色要么是黑色,要么是白色. ...

  5. scrapy框架入门

    scrapy迄今为止依然是世界上最好用,最稳定的爬虫框架,相比于其他直接由函数定义的程序, scrapy使用了面向对象并对网页请求的过程分成了很多个模块和阶段,实现跨模块和包的使用,大大提升了代码的稳 ...

  6. 160_技巧_Power BI 新函数-计算工作日天数

    160_技巧_Power BI 新函数-计算工作日天数 一.背景 Power BI 2022 年 7 月 14 日更新了最新版本的,版本号为:2.107.683.0 . 更多更新内容可以查看官方博客: ...

  7. 【Python3】列表字典集合元组

    1 列表 1.1 定义与索引 在Python中,第一个列表元素的下标为 0通过将索引指定为 -1 可以让Python返回最后一个列表元素 inventory = ['sword', 'armor', ...

  8. 教你使用CANN将照片一键转换成卡通风格

    摘要:这次是将AnimeGAN部署到Ascend 310,从而实现对自己想要图片的一键转换为我们想看到的卡通风格. 本文分享自华为云社区<[CANN训练营]CANN训练营_昇腾AI趣味应用实现A ...

  9. 科学计算库Numpy基础&提升(理解+重要函数讲解)

    Intro 对于同样的数值计算任务,使用numpy比直接编写python代码实现 优点: 代码更简洁: numpy直接以数组.矩阵为粒度计算并且支持大量的数学函数,而python需要用for循环从底层 ...

  10. Android多版本flavor配置之资源文件和清单文件合并介绍

    知识背景 Android studio升级到3.0之后,gradle增加了多维度管理配置,便于同一个项目中创建应用的不同版本,分别管理依赖项并签署配置.创建产品风味与创建构建类型类似:只需将它们添加到 ...