本博客基于Windows系统,以下命令建议在Anaconda Prompt命令行窗口中执行:
1.创建虚拟环境使用 conda create -n your_env_name python=X.X(2.7、3.6等),anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。 指定python版本为2.7,注意至少需要指定python版本或者要安装的包, 在不指定python版本时,自动安装最新python版本
conda create -n env_name python=2.7
# 同时安装必要的包(如numpy和matplotlib)
conda create -n env_name numpy matplotlib python=2.7
2.激活虚拟环境
使用如下命令即可激活创建的虚拟环境
activate your_env_name(虚拟环境名称)
激活完当前环境后再使用python --version可以检查当前python版本是否为想要的(即虚拟环境的python版本)。
3.退出虚拟环境直接使用如下命令退回到默认虚拟环境(视具体情况而定,如果Anaconda安装时没有自己命名虚拟环境,那么默认环境应该是称为base)
conda deactivate
4.删除虚拟环境(--all不能少)
conda remove -n your_env_name(虚拟环境名称) --all
5.管理虚拟环境
要查询、增加、删除虚拟环境中的包,需要先按照上述命令激活你想要进行 *** 作的环境
(1)查询当前虚拟环境中安装了哪些包当前环境激活后在命令行窗口中输入conda list或者pip list,但是推荐conda list,能够给出各个包的Build Channel
conda list
(2)向当前虚拟环境中安装(添加)新的包(制定版本的包)
conda install -n 虚拟环境名称 包名==包版本
不强调虚拟环境也可:
conda install 包名==包版本
也可以用pip命令,直接将上面的conda命令中的conda换成pip就行
(3)从虚拟环境中删除包conda remove package_name
或者·:
pip uninstall package_name
(4)其它常见命令
查看所有环境: conda env list或 conda info -e
在当前环境更新包: pip/conda update 包名
搜索特定包:conda search package_name
导出与还原:
a.导出当前虚拟环境的命令格式为conda env export --file 路径/文件名.yaml
注意!文件名与环境名无关。当前路径情况下为:conda env export --file ./文件名.yaml
b.还原导出的虚拟环境的命令格式为:conda env create -f 路径/文件名.yaml
(还原时,不能存在与原环境重复的环境)
(5)一键安装所有依赖包requirements.txt
用来记录项目所有的依赖包和版本号,只需要一个简单的 pip 命令就能完成:
pip freeze > requirements.txt
或者:
conda list -e > requirement.txt
生成的文件会像这个样子:
xgboost==0.90
pandas==1.1.5
geatpy==2.2.2
statsmodels==0.10.1
scipy==1.3.1
tensorflow==1.12.0
minepy==1.2.4
再用如下命令来一次性安装 requirements.txt 里面所有的依赖包:
pip install -r requirements.txt
(6)包下载方式
a.直接使用网站上给出的conda命令安装:(适合大部分常见包):: Anaconda.orghttps://anaconda.org/,直接在搜索框搜索制定包,找到符合你的版本和系统要求的那个进入详情页,直接复制详情页的conda命令去命令行粘贴,一般都是可行的
b.从国内镜像源仓库中找到该Python版本对应的.whl格式或者tar.gz的包,下载到本地,然后在已经激活的环境中使用如下命令安装:
pip install whl文件存放路径\whl文件名
例如:pip install D:\Python依赖包\xgboost-0.90-py2.py3-none-win_amd64.whl
也可以直接切换为whl文件所在文件夹后pip install 文件名
PS:python依赖包的下载网站有:
Python Extension Packages for Windows - Christoph Gohlke (uci.edu)https://www.lfd.uci.edu/~gohlke/pythonlibs/#pandas Simple Index (aliyun.com)http://mirrors.aliyun.com/pypi/simple/
PyPI · The Python Package Indexhttps://pypi.org/ Simple Index (doubanio.com)http://pypi.doubanio.com/simple/
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)