Anaconda-Nutzungsanleitung (Bild und Text)

Anaconda ist eine Plattform für Datenwissenschaft und maschinelles Lernen für die Programmiersprachen Python und R. Es soll den Prozess der Erstellung und Verteilung von Projekten einfach, stabil und systemübergreifend replizierbar machen und ist für Linux, Windows und OSX verfügbar.

Anaconda ist eine Python-basierte Plattform, die wichtige Data-Science-Pakete verwaltet, darunter Panda, Scikit-Learn, SciPy, NumPy und Googles Plattform für maschinelles Lernen TensorFlow. Es ist mit Conda (einem Pip-ähnlichen Installationstool), Anaconda Navigator (für GUI-Erfahrung) und Spyder (für IDE) ausgestattet.

Dieses Tutorial führt Sie in einige Grundlagen von Anaconda, Conda und Spyder der Programmiersprache Python ein und führt Sie in die Konzepte ein, die Sie benötigen, um mit der Erstellung Ihrer eigenen Projekte zu beginnen. (Empfohlen: Python-Tutorial)

Grundkenntnisse von Conda

Conda ist ein Anaconda-Paketverwaltungs- und Umgebungstool und der Kern von Anaconda. Es ist pip sehr ähnlich, außer dass es für die Paketverwaltung in Python, C und R konzipiert ist. Conda verwaltet auch virtuelle Umgebungen auf ähnliche Weise wie virtualenv, das ich hier behandelt habe.

Installation bestätigen

Der erste Schritt besteht darin, die Installation und Version auf Ihrem System zu bestätigen. Der folgende Befehl prüft, ob Anaconda installiert ist und gibt die Version auf dem Terminal aus.

$ conda --version

Sie sollten Ergebnisse sehen, die den folgenden ähneln. Ich habe derzeit Version 4.4.7 installiert.

$ conda --version
conda 4.4.7

Version aktualisieren

Conda kann mit dem Update-Parameter von Conda aktualisiert werden, wie unten gezeigt.

$ conda update conda

Dieser Befehl aktualisiert auf die neueste Version von Conda.

Proceed ([y]/n)? y

Downloading and Extracting Packages
conda 4.4.8: ########################################################### | 100%
openssl 1.0.2n: ######################################################## | 100%
certifi 2018.1.18: ##################################################### | 100%
ca-certificates 2017.08.26: ############################################ | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

Wenn wir den Versionsparameter erneut ausführen, sehen wir, dass meine Version auf 4.4.8 aktualisiert wurde, was die neueste Version des Tools ist.

$ conda --version
conda 4.4.8

Erstellen Sie eine neue Umgebung

Um eine neue virtuelle Umgebung zu erstellen, führen Sie die folgende Befehlsreihe aus.

$ conda create -n tutorialConda python=3
$ Proceed ([y]/n)? y

Unten sehen Sie die in der neuen Umgebung installierten Pakete.

Downloading and Extracting Packages
certifi 2018.1.18: ##################################################### | 100%
sqlite 3.22.0: ######################################################### | 100%
wheel 0.30.0: ########################################################## | 100%
tk 8.6.7: ############################################################## | 100%
readline 7.0: ########################################################## | 100%
ncurses 6.0: ########################################################### | 100%
libcxxabi 4.0.1: ####################################################### | 100%
python 3.6.4: ########################################################## | 100%
libffi 3.2.1: ########################################################## | 100%
setuptools 38.4.0: ##################################################### | 100%
libedit 3.1: ########################################################### | 100%
xz 5.2.3: ############################################################## | 100%
zlib 1.2.11: ########################################################### | 100%
pip 9.0.1: ############################################################# | 100%
libcxx 4.0.1: ########################################################## | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use:
# > source activate tutorialConda
#
# To deactivate an active environment, use:
# > source deactivate
#

Aktivierung

ist Virtualenv sehr ähnlich, Sie müssen die neu erstellte Umgebung aktivieren. Der folgende Befehl aktiviert die Umgebung unter Linux.

source activate tutorialConda

rrree

Installationspakete

Der Befehl conda list listet die aktuell im Projekt installierten Pakete auf. Mit dem Befehl install können Sie zusätzliche Pakete und deren Abhängigkeiten hinzufügen.

Bradleys-Mini:~ BradleyPatton$ source activate tutorialConda
(tutorialConda) Bradleys-Mini:~ BradleyPatton$

$ conda list

Um Panda in der aktuellen Umgebung zu installieren, müssen Sie den folgenden Shell-Befehl ausführen.

# packages in environment at /Users/BradleyPatton/anaconda/envs/tutorialConda:
#
# Name Version Build Channel
ca-certificates 2017.08.26 ha1e5d58_0
certifi 2018.1.18 py36_0
libcxx 4.0.1 h579ed51_0
libcxxabi 4.0.1 hebd6815_0
libedit 3.1 hb4e282d_0
libffi 3.2.1 h475c297_4
ncurses 6.0 hd04f020_2
openssl 1.0.2n hdbc3d79_0
pip 9.0.1 py36h1555ced_4
python 3.6.4 hc167b69_1
readline 7.0 hc1231fa_4
setuptools 38.4.0 py36_0
sqlite 3.22.0 h3efe00b_0
tk 8.6.7 h35a86e2_3
wheel 0.30.0 py36h5eb2c71_1
xz 5.2.3 h0278029_2
zlib 1.2.11 hf3cbc9b_2

Es werden relevante Pakete und Abhängigkeiten heruntergeladen und installiert.

$ conda install pandas

Durch erneutes Ausführen des Listenbefehls können wir sehen, dass das neue Paket in der virtuellen Umgebung installiert ist.

The following packages will be downloaded:

package | build
---------------------------|-----------------
libgfortran-3.0.1 | h93005f0_2 495 KB
pandas-0.22.0 | py36h0a44026_0 10.0 MB
numpy-1.14.0 | py36h8a80b8c_1 3.9 MB
python-dateutil-2.6.1 | py36h86d2abb_1 238 KB
mkl-2018.0.1 | hfbd8650_4 155.1 MB
pytz-2017.3 | py36hf0bf824_0 210 KB
six-1.11.0 | py36h0e22d5e_1 21 KB
intel-openmp-2018.0.0 | h8158457_8 493 KB
------------------------------------------------------------
Total: 170.3 MB

The following NEW packages will be INSTALLED:

intel-openmp: 2018.0.0-h8158457_8
libgfortran: 3.0.1-h93005f0_2
mkl: 2018.0.1-hfbd8650_4
numpy: 1.14.0-py36h8a80b8c_1
pandas: 0.22.0-py36h0a44026_0
python-dateutil: 2.6.1-py36h86d2abb_1
pytz: 2017.3-py36hf0bf824_0
six: 1.11.0-py36h0e22d5e_1

Für Pakete, die nicht Teil des Anaconda-Repositorys sind, können Sie den typischen pip-Befehl verwenden. Da die meisten Python-Benutzer mit diesen Befehlen vertraut sind, werde ich sie hier nicht besprechen.

Anaconda Navigator

Anaconda enthält eine GUI-basierte Navigationsanwendung, die die Entwicklung vereinfacht. Es enthält Spyder IDE und Jupyter Notebook als vorinstallierte Projekte. Dadurch können Sie ein Projekt schnell über die GUI-Desktopumgebung starten.

Um mit der Arbeit in der neu erstellten Umgebung im Navigator zu beginnen, müssen wir unsere Umgebung in der linken Symbolleiste auswählen.

Dann müssen wir die Tools installieren, die wir verwenden möchten. Für mich ist das die Spyder-IDE. Hier erledige ich den Großteil meiner datenwissenschaftlichen Arbeit und für mich ist es eine produktive Python-IDE. Klicken Sie einfach auf die Schaltfläche „Installieren“ auf der Dock-Kachel von Spyder. Den Rest erledigt der Navigator.

Nach der Installation können Sie die IDE über dieselbe Dock-Kachel öffnen. Dadurch wird Spyder von Ihrer Desktop-Umgebung aus gestartet.

Spyder

Spyder ist Anacondas Standard-IDE für Standard- und Data-Science-Projekte mächtig. Die Spyder-IDE verfügt über ein integriertes IPython-Notebook, ein Code-Editor-Fenster und ein Konsolenfenster.

Spyder enthält außerdem Standard-Debugging-Funktionen und einen Variablen-Explorer, der Ihnen hilft, wenn die Dinge nicht genau wie geplant laufen.

Fazit

Anaconda ist eine großartige Umgebung für Datenwissenschaft und maschinelles Lernen in Python. Es wird mit einer sorgfältig zusammengestellten Reihe von Softwarepaketen geliefert, die so konzipiert sind, dass sie zusammen eine leistungsstarke, stabile und reproduzierbare Data-Science-Plattform bilden. Dies ermöglicht es Entwicklern, ihre Inhalte zu verteilen und die gleichen Ergebnisse auf verschiedenen Maschinen und Betriebssystemen sicherzustellen. Es verfügt über integrierte Tools, die Ihnen das Leben erleichtern, beispielsweise einen Navigator, mit dem Sie problemlos Projekte erstellen und Umgebungen wechseln können. Es ist meine erste Wahl für die Entwicklung von Algorithmen und die Erstellung von Finanzanalyseprojekten. Ich verwende es sogar bei den meisten Python-Projekten, weil ich mit der Umgebung vertraut bin. Wenn Sie mit dem Erlernen von Python und Data Science beginnen möchten, ist Anaconda eine gute Wahl.

Das obige ist der detaillierte Inhalt vonAnaconda-Nutzungsanleitung (Bild und Text). Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!