Python科学计算环境推荐——Anaconda
anaconda是一个和canopy类似的科学计算环境,但用起来更加方便。自带的包管理器conda也很强大。
首先是下载安装。anaconda提供了python2.7和python3.4两个版本,同时如果需要其他版本,还可以通过conda来创建。安装完成后可以看到,anaconda提供了spyder,ipython和一个命令行。下面来看一下conda。
输入 conda list 来看一下所有安装时自带的python扩展。粗略看了一下,其中包括了常用的 numpy , scipy , matplotlib 和 networkx 等,以及 beautiful-soup , requests , flask , tornado 等网络相关的扩展。
奇怪的是,里边竟然没有 sklearn ,所以首先装一下它。
conda install scikit-learn
如果需要指定版本,也可以直接用 [package-name]=x.x 来指定。
conda的repo中的扩展不算太新,如果想要更新的,可能要用pypi或者自己下载源码。而conda和pip关联的很好。使用pip安装的东西可以使用conda来管理,这点要比canopy好。下图是我用pip安装的 nltk , jieba 和 gensim 。
我对这个科学计算环境的另一个要求就是能够多个python版本并存,尤其是2.x和3.x的并存。这个通过 virtualenv 可以做到。anaconda也正是通过其实现的。
下面用conda创建一个名叫python2的版本为python2.7的环境。
conda create -n python2 python=2.7
这样就会在anaconda安装目录下的envs目录下创建python2这个目录。
向其中安装扩展可以:
直接用 conda install 并用 -n 指明安装到的环境,这里自然就是 python2 。
像 virtualenv 那样,先activate,然后在虚拟环境中安装。
这里突然有一个问题,怎样在ide中使用创建出来的环境?如果是pycharm等ide,直接设置python安装目录就可以了。那spyder呢?其实spyder就是一个python的扩展,你需要在虚拟环境中也装一个spyder。
最后就是spyder的主界面。变量查看窗口很好用。
推荐阅读
-
Python科学计算环境推荐——Anaconda
-
Python3.0科学计算学习之绘图(一)
-
ubuntu 18.04搭建python环境(pycharm+anaconda)
-
由Python运算π的值深入Python中科学计算的实现
-
anaconda 环境新建/删除/拷贝 jupyter notebook上使用python虚拟环境 TensorFlow
-
MacOS配置Anaconda3(Miniconda3)下Python3.6、Python3.7和Python2.7环境和基础机器学习、神经网络相关包详解(版本号对应)
-
如何安装python运行环境Anaconda
-
Jupyter notebook 创建、切换Anaconda(Python)虚拟环境
-
Python科学测量与计算库Pymeasure: 控制你的仪器进行自动测试和科学计算
-
基于python批量处理dat文件及科学计算方法详解