ubuntu16.04使用anaconda创建python虚拟环境

摘要:
无论如何,打开终端并输入Python。输入默认的基本环境:这是默认的Python环境。此时,如果要将默认python切换为原始的独立python:sudogedit~/。bashrc,add-aliaspython='/usr/bin/python2.7'source~/。bashrc,然后切换回Anaconda,更改python的位置。

经过上一篇文章,我安装anaconda3,下面开始来使用anaconda,看看它给我们带来了怎么样的便捷。

1.管理虚拟环境

安装了anaconda以后,我们可以用它来创建我们一个个独立的python环境。
接下来的例子都是在命令行操作的,请打开你的命令行吧.

activate命令

activate 能将我们引入anaconda设定的虚拟环境中, 不带参数就默认进入anaconda自带的base环境。

你在终端下输入python, 这样会进入base环境的python解释器, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python,而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。

注:这里需要说明,一般linux系统下是默认不显示这个base标识的。windows下的shell可以显示。

反正就是打开终端输入python,进入的是默认的base环境:

在这里插入图片描述

这是默认的python环境。

那么我们在开发某个项目的时候,指定python版本了,比如使用python3.5,那怎么办呢?

2.创建独立的虚拟环境

我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境。

2.1 创建独立的python3.5环境

比如:
我们就可以创建一个名称为learn的虚拟环境,并指定使用python3.5 版本(conda会自动找版本下载)。

打开终端输入:conda create -n learn python=3.5

图示:
在这里插入图片描述
输入y开始下载。下载完成以后。环境就创建成功。
于是我们就有了一个learn的虚拟环境,

接下来我们需要切换到learn环境: source+activae+环境名称。

2.2切换环境

source activate learn
  • 1

如果忘记了当初创建的环境名称,可以先用:

conda env list
  • 1

去查看所有的环境
图示:
在这里插入图片描述
(*表示当前选择的环境)

最后选了我们刚才创建的learn环境。
在这里插入图片描述

现在的learn环境除了python自带的一些官方包之外是没有其他包的, 一个比较干净的环境我们可以试试。

先输入python打开python解释器,然后输入 import requests。
在这里插入图片描述

会报错找不到requests包, 很正常,接下来我们就要演示如何在这个独立的新环境中安装第三方包,比如requests包。

输入exit()或者ctrl+D,退出python解释器。回到终端页面。

2.3给独立环境安装第三方包.

回到终端页面,我们的终端是这样的:
在这里插入图片描述
然后需要进入到learn环境下去。

输入:source activate learn
  • 1

然后可以发现,我们终端的前面出现了一个标识:learn。

这就表示我们已经进入了learn虚拟环境中,使用到的python是3.5版本的了。(不信,你可以输入python,看看)
在这里插入图片描述

在这个终端下,继续输入:

conda install requests
  • 1

或者

pip install requests
  • 1

就会开始来安装requests包了。

图示:
在这里插入图片描述

安装完成之后,我们再输入:python,进入解释器并输入:import requests包, 这次一定就是成功的了。

图示:
在这里插入图片描述

2.4卸载第三方包:

当然有安装,必然有卸载,如果某个时候,不需要这个第三方包了,或者是需要更改第三方包了。可以把它卸载了。

也是进入learn的环境下去,它的终端下输入:

pip uninstall requests
  • 1

即可卸载requests包。

2.5查看环境下包信息:

要查看当前环境中所有安装了的包可以用:

conda list
  • 1

在这里插入图片描述
会列出所有的第三方包的安装的信息。就是你已经安装了哪些第三方包。

2.6导入导出环境

在anaconda里面使用了独立的环境来开发项目,项目开发完成以后,需要把项目所需的环境导出,以便于迁移。所有,当然也可以导入别人的环境,然后自己的机器里面就有了项目所需要的环境。

也是进入learn的环境下去,它的终端下输入(导出):

conda env export > environment.yaml
  • 1

如果想要导出当前环境的包信息可以用,将包信息存入yaml文件中,也可以是xxx.properites文件。(使用过spring boot开发web项目的同学应该不是很陌生)

当需要重新创建一个相同的虚拟环境时可以用(导入):

conda env create -f environment.yaml
  • 1

切换到默认环境去:source activate 后面不跟指定环境即可,
也可以直接关闭当前终端,就会回到默认环境。或关闭当前虚拟环境:
(即从当前环境退出返回使用PATH环境中的默认python版本)

Linux: source deactivate
Windows: deactivate
  • 1
  • 2

图示:
在这里插入图片描述

2.6删除整个虚拟环境:

conda remove -n your_env_name(虚拟环境名称) --all
  • 1

2.7创建的环境保存在本地哪儿呢?

Anaconda文件夹:
其实这里就是base环境. 里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

而自己创建的环境去哪了呢, 我们可以看见一个envs文件夹, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看:

在这里插入图片描述

可以发现我们之前创建的learn目录就在下面, 再点进去,就是一个标准的python环境目录。
在这里插入图片描述

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本。

3.与pycharm关联

在工作环境中我们会集成开发环境去编码, 这里推荐JB公司的pycharm, 而pycharm也能很方便的和anaconda的虚拟环境结合
在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local,选择你的某个环境python.exe解释器就行了。

比如你要在learn环境中编写程序, 那么就修改为/home/xxy/anaconda3/envs/learn,
可以看到这时候下面的依赖包也变成了learn环境中的包了.
图示:
在这里插入图片描述
接下来我们就可以在pycharm中愉快的编码了。

4.回到原来的python2环境:

如果你想要回到原来的python2环境,不再使用anaconda。

这时如果想切换默认python为原始独立python:

  1. sudo gedit ~/.bashrc
  2. 添加 alias python=’/usr/bin/python2.7’
  3. source ~/.bashrc

同理 切换回Anaconda下,就改变python的位置。

使用原始python 的pip安装模块到其环境下可以使用

sudo /usr/bin/pip install **

(usr/bin/python2.7是ubuntu系统下自带的py2的安装位置)

常用命令:

source activate // 切换到base环境(默认环境)
conda env list // 列出conda管理的所有环境
conda create -n learn python=3.5 // 创建一个名为learn的环境并指定python版本
source activate learn //激活当前环境
activate learn // 切换到learn环境
conda list // 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

以上就是整个ubuntu16.04使用anaconda创建python虚拟环境,有了anaconda,我们就可以创建很多不同python版本的环境,去针对于我们所需要的项目完成开发。不仅如此,我们还可以进行深度学习开发。 下一篇文章,我们搭建tensorflow深度学习环境。

免责声明:文章转载自《ubuntu16.04使用anaconda创建python虚拟环境》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇IDispatch接口介绍对于富文本编辑器中使用lazyload图片懒加载下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

python-PyCharm几个设置小技巧

1、设置默认建python的模板 如下图所示: 代码如下:记得引用变量是大写 ##!/usr/bin/python3#-*- coding:utf-8 -*-#@Time :${DATE} ${TIME}#@Author :叮当#@File : ${NAME}.py 2、怎样获取当前文件路径 ctrl+shift+C 3、重命名一个文件 右键-ref...

解决python中import时无法识别自己写的包和模块的方法

我们用pycharm打开自己写的代码,当多个文件之间有相互依赖的关系的时候,import无法识别自己写的文件,但是我们写的文件又确实在同一个文件夹中, 这种问题可以用下面的方法解决: 1)打开File--》Setting—》打开 Console下的Python Console,把选项(Add source roots to PYTHONPAT)点击勾选上...

用Python实现多核心并行计算

平常写的程序,无论是单线程还是多线程,大多只有一个进程,而且只能在一个核心里工作。所以很多应用程序即使正在满载运行,在任务管理器中CPU使用量还是只有50%(双核CPU)或25%(四核CPU) 如果能让一个程序自己建立出多个进程,并且让它们并行运行,那么就可以在不同cpu核心上同时运行,进而实现并行计算啦。 Python的并行计算就是这么做的。 之前的理解...

python——模块(Module)的概念、使用以及安装第三方模块

一、模块定义 python中,一个.py文件就是一个模块(Module)。使用模块的好处:1、提高了代码的可维护性。我们把函数进行分组,分别放在不同的模块中。2、编写代码不必要从0开始,当一个模块编写完毕,就可以被其他的模块引用。python有很多内置的模块和第三方模块供引用。3、可以避免函数名和变量名重复。相同的函数名和变量名可以同时存在于不同的模块中。...

Python之telnetlib模块

telnetlib是python标准库中的一员,我们可以使用该模块以telnet的方式与服务器交互。请观察下面示例了解它的用法: import telnetlib def run_telnet(host, username, password, commands): """ 连接并登录服务器后,执行命令串 """ # 连...

Python中的函数参数有冒号 声明后有-> 箭头

在python3.7 环境下 函数声明时能在参数后加冒号,如图: def f(ham: str, eggs: str = 'eggs') -> str : print("Annotations:", f.__annotations__) print("Arguments:", ham, eggs) return ham...