Anaconda

发表于 更新于 分类于

Python语言简洁，学习起来非常快，使用Python的科研工作者越来越多。Python拥有丰富的扩展包，这使得它可以轻松处理各种问题。

Python用于科学计算的包括但不限于如下：

  • Numpy：提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库等。
  • Scipy：提供许多科学计算函数库，包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等。
  • Pandas：基于Numpy，提供了大量库和一些标准的数据模型，比如二维数组。
  • Matplotlib：绘图包，旨在替代MATLAB。

Anaconda是一个集合，包括conda，Python解释器，一些第三方库。conda用于包管理和环境管理。包管理与pip类似，管理Python第三方库。conda将一切都看成包，包括conda本身和Python解释器。环境管理类似于virtualenv，能够允许用户使用不同版本的Python和不同的第三方库环境，并灵活切换。

用Anaconda来管理环境和第三方库将是非常方便的，而且自己安装这些库对新手来说是一个不小的挑战。

Anaconda包括了科学、数学、工程、数据分析中最受欢迎的300多个Python包，支持Python2/3, Windows/Linux/Mac，而且还是非常有好的安装包（.exe/.sh/.pkg)。一键安装科学计算中常用的包，爽！

安装Anaconda

在Linux上安装Anaconda非常简单。Anaconda带了很多包，体积非常大，为了节省空间也可以先装Miniconda，再装自己需要的包。

1
sh Anaconda3-5.1.0-Linux-x86_64.sh

安装过程中会提示安装的路径PREFIX=/home/chenwen/anaconda3，默认在用户的home目录，可以安装到其他地方。还会提示是否将此路径添加到用户的环境变量（/home/chenwen/.bashrc）。

安装Anaconda之后，输入如下命令验证Anaconda是否安装成功，并查看它的版本。 

1
conda --version

修改源镜像

Anaconda安装成功之后，我们首先将软件源修改为清华大学的镜像，官方的帮助说明如下https://mirror.tuna.tsinghua.edu.cn/help/anaconda/。

各系统都可以通过修改用户目录下的.condarc文件。Windows 用户无法直接创建名为 .condarc的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。修改.condarc文件为如下内容后，即可添加 Anaconda Python 免费仓库。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

运行conda clean -i清除索引缓存，保证用的是镜像站提供的索引。

管理虚拟环境

有些包依赖特定版本的Python，或者依赖其他特定版本的包，与我们已有的Python环境不同。如果我们因此重装Python，或者重装一些软件包，就把已有的Python环境搞乱了，这时候虚拟环境就派上用场了。如果只是简单的学习Python，直接用基础环境就可以了，没有必要创建虚拟环境。

我们可以通过create命令来创建虚拟环境。

1
conda create --name tensorflow python=3.5

这样我就创建了一个名叫tensorflow的虚拟环境，当然你可以用任何你喜欢的名字代替。我还指定了Python版本是3.5。环境创建完毕后，我们可以使用info命令查看所有环境。

1
conda info --envs

我看到这条命令的输出有tensorflow /home/chenwen/anaconda3/envs/tensorflow，告诉我们tensorflow这个虚拟环境的路径。虚拟环境的实质就是创建了一个文件夹，把相关的包放在这里，并且把一些环境变量指向这里。如果需要切换到该虚拟环境，可以使用activate命令。

1
conda activate tensorflow

如果想取消激活，使用deactivate命令即可。

1
conda deactivate

如果想删除虚拟环境，使用remove命令。

1
conda remove --name tensorflow --all

当我们切换到某个虚拟环境后，就可以进行这个环境的包管理了。

管理包

查看安装的包，可以使用list命令。

1
conda list

如果你发现某个包默认没有装，比如scikit-learn，可以使用conda install 命令安装。

1
conda install scikit-learn

更新包，可以使用conda update命令

1
conda update scikit-learn

后记

Anaconda的功能非常强大，熟悉R的朋友可能知道Bioconductor，与此对应的有Bioconda。Bioconda不仅是装Python包，还能装很多其他生信软件。

此外，我还非常喜欢Anaconda带的IDE工具spyder，比起Python官方自带的IDLE强很多，但是又不复杂。