Python 环境管理和包管理

Anaconda

是什么？
- Python发行版本，里面包含了conda，Python等190多个科学包及其依赖项。
优点：
- 方便地安装、更新、卸载工具包，而且时能自动安装相应的依赖包，同时支持不同的虚拟环境隔离不同要求的项目。
- 在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包
下载地址：https://www.anaconda.com/distribution/

Conda与pip的对比

conda是什么？
- Conda是一个开源的包、虚拟环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换，它的包管理类似PIP。
用途
- packages 管理
  - 可以使用 conda 来安装、更新、卸载工具包，并且它更关注于数据科学相关的工具包
  - conda 并不仅仅管理Python的工具包，它也能安装非python的包。新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
- 虚拟环境管理
  - 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突
pip的缺点
- pip只是一个包管理器，所以它不能为你管理环境。
- pip甚至不能升级python，因为它不像conda一样把python当做包来处理
- 可以安装一些conda安装不了的包

安装和使用

1. 添加国内镜像

# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

# 设置搜索时显示通道地址，这个可以不加，只是为了看一下是否从镜像站下载
conda config --set show_channel_urls yes

这个时候会在电脑中创建一个.condarc文件，这个是conda的配置文件。我的文件中的内容是：

ssl_verify: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

上面设置的源除了提供Anaconda库此外还可以设置第三方源：

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/free
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
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

以上内容来源于：Anaconda 镜像使用帮助

2. 环境配置

环境位置：~/anacondaX/envs

可以在命令中运行conda info -e查看已安装的环境

C:\Users\wangj\Desktop>conda info -e
# conda environments:
#
base                  *  C:\Users\wangj\Anaconda3

3. Conda常用命令：

# 更新anaconda
conda update conda

# 更新anaconda元数据包
conda update anaconda

# 卸载Anaconda
# 编辑 ~/.bash_profile 这个文件删除环境变量
# 删除 .condarc 文件这个文件默认没有，只有你执行过 conda config 命令以后才会自动建立。该文件是conda的配置文件
# 是YAML格式。比如你可以设置安装包的渠道，是否自动更新conda，是否允许其他渠道等设置。

4. Conda环境管理

创建环境

# 建立一个环境并安装其他版本的Python，安装其他版本为啥还要建立环境呢？因为多版本支持就是靠不同环境实现的，所以你安装其他版本
# 一定要和某个环境关联才可以。
# python27 是环境名称
# python=2.7 是要安装的包和版本
# anaconda 是创建环境时同时要安装的包，这个可以不写
conda create -n python27 python=2.7 anaconda
conda create -n python36 python=3.6
conda create -n python37 python=3.7

# 更新Python，进入某个环境运行下面的命令，将更新当前环境的Python到最新分支版本。比如当前是3.5，更新后将会到最新的3.X
conda update python

环境切换

# 列出当前环境，环境名称前有 * 号的表示当前环境
conda list --evns
conda env list

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4

# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac

# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 不加环境则返回默认环境
source deactivate # for Linux & Mac
deactivate # for Windows

# 导出环境，它会把当前环境中安装的包以及版本号都导出去，这样你就可以拿到另外的机器上来重新构建一个相同的环境
# 导出的内容包括环境名称，安装渠道，该环境安装的包以及版本号。
source activate python36  # 首先进入名称叫做python36环境
conda env export > environment.yml  # 导出当前环境到指定文件
conda env create -f environment.yml # 通过环境文件建立环境，不需要指定环境名称，因为文件中包含名称字段

# 移除一个名称python36叫做环境
conda env remove --name python36

5. 包管理

# 查找包
conda search 包名
# 安装包
conda install --name myenv scipy # 安装包到指定环境中
conda install scipy # 安装包到当前环境中
conda install scipy=0.15.0  # 安装指定版本的包，到当前环境
conda install scipy curl # 安装多个包
conda install -c anaconda django # -c是指定渠道名称，也就是用哪个渠道安装django。

# 卸载包
conda remove 包名  # 删除当前环境中的指定包
conda remove -n python34 numpy # 删除指定环境中的指定包

# 安装不在conda或者acaconda的包，当你安装的包不在conda管理范围的时候可以使用pip来安装
conda install pip  # 首先在当前环境中安装pip
pip install 包名   # 其次在通过PIP命令在当前环境中安装包

# 更新包
conda update 包名  # 更新当前环境指定的包
conda update -n python36 numpy # 更新指定环境中的指定包

# 查看当前已经安装的packages
conda list
conda list -n python36 # 查看指定环境中安装的所有包

注：对于那些无法通过conda安装或者从Anaconda.org获得的包，我们通常可以用pip来安装包

如何查找已经安装Python包的位置

# 方法一：直接在cmd中 输入pip show 包名
C:\Users\wangj\Desktop>pip show numpy
Name: numpy
Version: 1.15.1
Summary: NumPy: array processing for numbers, strings, records, and objects.
Home-page: http://www.numpy.org
Author: Travis E. Oliphant et al.
Author-email: None
License: BSD
Location: c:\users\wangj\anaconda3\lib\site-packages
Requires:
Required-by: tables, seaborn, scikit-learn, PyWavelets, pytest-doctestplus, pytest-arraydiff, patsy, pandas, odo, numexpr, numba, mkl-random, mkl-fft, matplotlib, h5py, datashape, Bottleneck, bokeh, bkcharts, astropy

# 方法二：通过import后查看包的内置属性 包.__file__
C:\Users\wangj\Desktop>ipython
In [1]: import numpy
In [2]: numpy.__doc__
Out[2]: '\nNumPy\n=====\n\nProvides\n  1. An array object of arbitrary homogeneous items\n  2. Fast mathematical operations over arrays\n  3. Linear Algebra, Fourier Transforms, Random Number Generation\n\nHow to use the documentation\n---------------..............

In [3]: numpy.__file__
Out[3]: 'C:\\Users\\wangj\\Anaconda3\\lib\\site-packages\\numpy\\__init__.py'

参考

https://www.cnblogs.com/rexcheny/p/9484309.html