python 实验环境的搭建

刚开始在windows环境下尝试过komodo ,eclispse pydev,swing,spyder甚至limodou的编辑器,之后ipython,安装很多科学计算包 numpy scipy matplotlib skitlearn nltk等等,都出现各种各样的兼容问题和features缺憾,相对余linux环境,windows下python环境实在太多缺憾,耗费太多时间在重编译和搭配环境上。

一直想要自己来搭建一个适合自己的环境,不想用epd 和 anaconda 。现在迁移到了linux,问题少了许多,没想到,开源世界的包版本之间的冲突实在是一个令人头疼的问题,一个依赖另外一个,搭建一个科学计算的研究环境耗费了将2天时间。最终还因为多个目标所需要的包版本问题而放弃了几个好用的包。

现在想着换anaconda,可又割舍不下自己花了不少心血才弄好的环境, 无意中看到anaconda可以提供一个隔离的环境,并不会影响原有的环境,严重推荐,还自搭载了spyder 和 ipython ,简直就是神级装备,无可挑剔。

anaconda 提供以下科学计算包 和 常用包

Packages included in Anaconda 1.8.0

Python 2.7 (included in installer):

  • apptools 4.2.0
  • astropy 0.2.5
  • atom 0.3.4
  • beautiful-soup 4.3.1
  • binstar 0.3.1
  • biopython 1.62
  • bitarray 0.8.1
  • blaze 0.3
  • bokeh 0.2
  • boto 2.15.0
  • cairo 1.12.2 L
  • casuarius 1.1
  • chaco 4.3.0
  • colorama 0.2.7
  • configobj 4.7.2
  • cubes 0.10.2
  • curl 7.30.0 LM
  • cython 0.19.2
  • dateutil 2.1
  • disco 0.4.4 L
  • distribute 0.6.45
  • docutils 0.11
  • dynd-python 0.5.0
  • enable 4.3.0
  • enaml 0.8.3
  • envisage 4.3.0
  • erlang R15B01 L
  • flask 0.10.1
  • freetype 2.4.10
  • gevent 0.13.8
  • gevent-websocket 0.3.6
  • gevent_zeromq 0.2.5
  • greenlet 0.4.1
  • grin 1.2.1
  • h5py 2.2.0
  • hdf5 1.8.9
  • imaging 1.1.7
  • ipython 1.1.0
  • itsdangerous 0.23
  • jinja2 2.7.1
  • keyring 3.2
  • launcher 0.1.2
  • libevent 2.0.20
  • libnetcdf 4.2.1.1 LM
  • libpng 1.5.13 LM
  • libtiff 4.0.2 LM
  • libxml2 2.9.0 LM
  • libxslt 1.1.28 LM
  • llvm 3.3
  • llvmmath 0.1.1
  • llvmpy 0.12.0
  • lxml 3.2.3
  • markupsafe 0.18
  • matplotlib 1.3.1
  • mayavi 4.3.0
  • mdp 3.3
  • menuinst 1.0.3 W
  • meta 0.4.2.dev
  • mingw 4.7 W
  • mpi4py 1.3 L
  • mpich2 1.4.1p1 L
  • netcdf4 1.0.6 LM
  • networkx 1.8.1
  • nltk 2.0.4
  • nose 1.3.0
  • numba 0.11.0
  • numexpr 2.2.2
  • numpy 1.7.1
  • opencv 2.4.6 L
  • openpyxl 1.6.2
  • pandas 0.12.0
  • patsy 0.2.1
  • pep8 1.4.6
  • pip 1.4.1
  • ply 3.4
  • psutil 1.1.2
  • py 1.4.17
  • py2cairo 1.10.0 L
  • pyaudio 0.2.7 M
  • pycosat 0.6.0
  • pycparser 2.9.1
  • pycrypto 2.6.1
  • pycurl 7.19.0 LM
  • pyface 4.3.0
  • pyflakes 0.7.3
  • pygments 1.6
  • pykit 0.1.0
  • pyparsing 1.5.6
  • pyreadline 2.0.dev W
  • pysal 1.6.0
  • pysam 0.6 LM
  • pyside 1.2.1
  • pytables 3.0.0
  • pytest 2.4.2
  • python 2.7.5
  • pytz 2013b
  • pywin32 218.4 W
  • pyyaml 3.10
  • pyzmq 2.2.0.1
  • qt 4.8.5
  • redis 2.6.9 LM
  • redis-py 2.7.2 LM
  • requests 1.2.3
  • rope 0.9.4
  • scikit-image 0.9.3
  • scikit-learn 0.14.1
  • scipy 0.13.0
  • six 1.4.1
  • sphinx 1.1.3
  • spyder 2.2.5
  • sqlalchemy 0.8.3
  • statsmodels 0.5.0
  • sympy 0.7.3
  • theano 0.5.0 L
  • tornado 3.1.1
  • traits 4.3.0
  • traitsui 4.3.0
  • vtk 5.10.1
  • werkzeug 0.9.4
  • xlrd 0.9.2
  • xlwt 0.7.5
  • yaml 0.1.4 LM
  • zeromq 2.2.0 LM
  • zlib 1.2.7

Only available on: L (Linux) - M (MacOSX) - W (Windows)

参考:

 

python 实验环境的更多相关文章

  1. OVS + dpdk 安装与实验环境配置

    ***DPDK datapath的OVS的安装与实验环境配置 首先肯定是DPDK的安装       0:安装必要的工具            make            gcc           ...

  2. TensorFlow实验环境搭建

    初衷: 由于系统.平台的原因,网上有各种版本的tensorflow安装教程,基于linux的.mac的.windows的,各有不同,tensorflow的官网也给出了具体的安装命令.但实际上,即使te ...

  3. Python开发环境-Pyenv安装使用

    安装使用-Pyenv 简单的python版本管理:pyenv 管理python解释器 管理python版本 管理python的虚拟环境 官网:https://github.com/pyenv/pyen ...

  4. 常用增强学习实验环境 II (ViZDoom, Roboschool, TensorFlow Agents, ELF, Coach等) (转载)

    原文链接:http://blog.csdn.net/jinzhuojun/article/details/78508203 前段时间Nature上发表的升级版Alpha Go - AlphaGo Ze ...

  5. 常用增强学习实验环境 I (MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2) (转载)

    原文地址:http://blog.csdn.net/jinzhuojun/article/details/77144590 和其它的机器学习方向一样,强化学习(Reinforcement Learni ...

  6. 腾讯云-搭建 Python 开发环境

    搭建 Python 开发环境 准备工作 任务时间:5min ~ 10min Python是一种解释型.面向对象.动态数据类型的高级程序设计语言.首先我们来看看系统中是否已经存在 Python ,并安装 ...

  7. Ubuntu下常用强化学习实验环境搭建(MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2)

    http://lib.csdn.net/article/aimachinelearning/68113 原文地址:http://blog.csdn.net/jinzhuojun/article/det ...

  8. python实验报告(第五周)

    一.实验目的和要求 学会使用字符串的常用操作方法和正确应用正则表达式. 二.实验环境 软件版本:Python 3.10 64_bit 三.实验过程 1.实例1:使用字符串拼接输出一个关于程序员的笑话 ...

  9. Python实验报告(第四周

    一.实验目的和要求 学会应用列表.元组.字典等序列: 二.实验环境 软件版本:Python 3.10 64_bit 三.实验过程 1.实例1:输出每日一贴 (1)在IDLE中创建一个名称为tips.p ...

随机推荐

  1. junit mockito

    package com.zendaimoney.util; import static org.mockito.Mockito.*;import static org.junit.Assert.*;i ...

  2. JPA的配置文件

    一.引入包 <dependencies> <!-- https://mvnrepository.com/artifact/org.hibernate.javax.persistenc ...

  3. AngularJS实现三级Table列表

    angular.module('yo03App') .controller('MyrouteCtrl', function ($scope) { $scope.professors = [{ 'nam ...

  4. updateFilter

    $.fn.updateFilter = function(filterType, paramVal) { // filter="DATE|GREATERTHANEQUALS|LESSTHAN ...

  5. CyclicBarrier的用法

    CyclicBarrier是一个同步辅助类,它允许一组线程互相等待,直到到达某个公共屏障点 (common barrier point).在涉及一组固定大小的线程的程序中,这些线程必须不时地互相等待, ...

  6. 苹果电脑Macbook怎么编辑hosts文件的方法

        苹果电脑Macbook怎么编辑hosts文件的方法 https://jingyan.baidu.com/article/fec4bce2690417f2618d8b07.html     文章 ...

  7. word2013总是出现未响应卡一下如何解决?

    最近在记笔记,word很烦很烦,总是会卡一下,过一会卡一下.本来以为是自动保存后来发现跟自动保存没有关系. 解决方法:禁用硬件图形加速就好了,不行的话再在硬件加速下面有个"使用子像素定位平滑 ...

  8. ES6学习笔记九:修饰器

    一:修饰器(Decorator)是一个函数,用来修改类的行为. 1)定义与使用 function 修饰器名(target) { //target是被修饰对象,可用target.xxx进行调用修改 } ...

  9. unique_ptr与std::move的使用

    形参为unique_ptr u2,而后实参为std::move(unique_ptr u1),这样会将原本u1的内存传递给u2,避免了传递拷贝.例如: void fun(std::unique_ptr ...

  10. urlparse基本运用

    # -*- coding: cp936 -*- #python 27 #xiaodeng #urlparse基本运用 import urllib,urlparse def urlparse_test( ...