|
Python包管理 概述 介绍 Python有丰富的开源的第三方库和包，可以帮助完成各种任务，扩展Python的功能，例如NumPy用于科学计算，Pandas用于数据处理，Matplotlib用于绘图等。在开始编写Pytlhon程序之前，可能需要安装一些常用的Python库，以便在编程过程中能够轻松地使用它们。 为了方便地管理第三方库和包，需要安装一个Python包管理工具，例如pip、conda等。这些工具可以帮助安装、升级和删除Python包，能够轻松地管理Python的依赖关系。 Anaconda、conda、pip、virtualenv的区别 Anaconda Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda，numpy，scipy，ipythonnotebook等。 condaconda是包及其依赖项和环境的管理工具。适用语言：Python，R，Ruby，Lua，Scala，Java，JavaScript，C/C++，FORTRAN适用平台：Windows，macOS，Linux用途： 快速安装、运行和升级包及其依赖项。 在计算机中便捷地创建、保存、加载和切换环境。 如果需要的包要求不同版本的Python，无需切换到不同的环境，因为conda同样是一个环境管理器。仅需要几条命令，就可以创建一个完全独立的环境来运行不同的Python版本，同时可以继续在常规的环境中使用常用的Python版本。—— conda为Python项目而创造，但可适用于上述的多种语言。 conda包和环境管理器包含于Anaconda的所有版本当中。 pippip是用于安装和管理软件包的包管理器。pip适用语言：PythonPython中默认安装的版本： Python2.7.9及后续版本：默认安装，命令为pip Python3.4及后续版本：默认安装，命令为pip、pip3 pip名称的由来：pip采用的是递归缩写进行命名的。其名字被普遍认为来源于2处： “PipinstallsPackages”（“pip安装包”） “PipinstallsPython”（“pip安装Python”） virtualenvvirtualenv是用于创建一个独立的Python环境的工具。解决问题： 当一个程序需要使用Python2.7版本，而另一个程序需要使用Python3.6版本，如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。 安装程序或在程序运行时对其库或库的版本进行修改，都会导致程序的中断。 在共享主机时，无法在全局site-packages目录中安装包。 virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。 pip与conda比较 依赖项检查 pip： 不一定会展示所需其他依赖包。 安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。 conda： 列出所需其他依赖包。 安装包时自动安装其依赖项。 可以便捷地在包的不同版本中自由切换。 环境管理 pip：维护多个环境难度较大 conda：比较方便地在不同环境之间进行切换，环境管理较为简单 对系统自带Python的影响 pip：在系统自带Python中包的更新/回退版本/卸载将影响其他程序。 conda：不会影响系统自带Python。 适用语言 pip：仅适用于Python conda：适用于Python（主要），R，Ruby，Lua，Scala，Java，JavaScript，C/C++，FORTRAN。 conda与pip、virtualenv的关系 conda结合了pip和virtualenv的功能。 conda使用了一个新的包格式，pip不能安装和解析conda的包格式。可以使用两个工具，但是它们是不能交互的，比如使用pip本地安装conda的离线包。 pip（Python包管理器） 介绍 pip是Python的官方包管理器，它随Python的版本一起发布。当安装Python时，pip也会被安装。 通过pip可以轻松地安装和管理Python的不属于Python标准库的各种第三方库（包），以便可以在项目中可以直接在代码中引入并使用它们。 pip是一个命令行工具，可以直接在终端或命令提示符中使用。 基本使用命令 python包管理 #查看已安装的包piplist#查看需要升级的库piplist-o#安装一个python包pipinstallpackage_name#package_name：具体地包名#安装特定版本的包pipinstallpackage_name==version_number#安装本地包pipinstall/path/to/package#/path/to/package：本地包路径#pip的超时时间默认为15秒，如果下载速度过慢，可以使用以下命令设置超时时间为60秒#方式1：添加参数--default-timeout=60。#方式：在配置里面[global]下添加timeout=60pipinstall--default-timeout=60package_name#指定国内的源（阿里云）来安装某个包pipinstall-ihttps://pypi.tuna./simple 下载源管理 #新增全局下载源。国内最好更换pip的源，以便更快地下载包pipconfigsetnamevalue#示例：清华源pipconfigsetglobal.index-urlhttps://pypi.tuna./simple#删除全局下载源pipconfigunsetname#查看pip下载的安装包的默认路径python-msite#显示pip的配置列表pipconfiglist#显示pip文件的所有存储位置pip-vconfiglist#输出的不同的目录对应不同的参数--global（全局）、--user（用户）、--site 其他命令 #清理缓存。pip安装包的时候，会下载并缓存一些包以便后续使用，不会自动删除，这可能会占用磁盘空间，需要手动删除pipcachepurge#查看pip版本pip--versionpip-V pip的常规参数选项 -r，--requirement -c，--constraint 约束文件相对于需求文件更加的智能，约束文件与需求文件在一个关键方面不同：将包放入约束文件不会导致安装包，而需求文件将安装列出的所有包。常用来放某个包的依赖项。 --no-deps：不要安装程序包依赖项 --pre，pip：查找包括预发布和开发版本。默认情况下，pip只查找稳定版本。 -e，--editable -t，--target --platform -U，--update：将所有指定的软件包升级到最新的可用版本。依赖项的处理取决于所使用的升级策略。 --upgrade-strategy “eager”：无论当前安装的依赖项版本是否满足升级包的要求，都会升级依赖项 “only-if-needed”：仅在不满足升级包的要求时升级 --force-reinstall：重新安装所有软件包，即使它们已经是最新的 -I,--ignore-installed：忽略已安装的软件包，覆盖它们。 如果现有软件包的版本不同或安装了不同的软件包管理器，这可能会破坏你的系统。 --compile：将python源文件编译为字节码 --no-compile：不要将python源文件编译为字节码 --no-binary all：禁用所有二进制软件包 none：清空之前提供的软件包，或者使用指定的软件包，使用逗号分割 请注意，有些软件包很难编译，在使用此选项时可能无法安装。 --only-binary Conda（Anaconda） 参考：Anaconda介绍、安装及使用教程 介绍 Conda是一个开源的包管理系统和环境管理系统，可在Windows、macOS和Linux上运行。 Conda可快速安装、运行和更新包及其依赖项，因此可以轻松地在计算机上创建、保存、加载和切换环境。 它本是为Python程序而创造的，因为Python的版本比较多，并且它的库也非常广泛，同时库和库之间存在很多依赖关系，所以在库的安装和版本的管理上很麻烦，因此设计Conda作为一个管理版本和Python环境的工具，但它也可以打包和管理任何语言的软件。 conda是包含在Anaconda里的，因此安装了Anaconda就可以直接使用Conda，点击链接下载download，选择对应的系统和版本类型。 Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析）， Anaconda致力于简化软件包管理系统和部署，附带了Conda、python和150多个科学软件包及其相关的包。 Anaconda的包使用软件包管理系统Conda进行管理。 在项目开发和部署过程中，由于项目需要的虚拟环境不同，如python版本、模块版本等，即可通过Conda为每个项目创建环境，然后在对应环境进行管理和使用。 多种编程语言的包package和虚拟环境environment的管理 非常简单的完成package的安装、运行、更新、删除、依赖问题 可操作repo.anaconda.com上7,500+packages 非常简单的完成不同环境的构建、保存、加载及切换 支持语言：Python、R、Ruby、Lua、Scala、Java、JavaScript、C/C++、FORTRAN 但一般主要用于管理python包 支持操作系统：Windows，macOS和Linux Conda常用指令 虚拟环境管理 #查看所有环境。注：1.*号所在的行表示当前所在环境。2.系统默认虚拟环境为basecondaenvlistcondainfo-e#创建新的虚拟环境。注：1.遇到yes/no输入yes，即可完成创建。condacreate-nenvs_namepython=python_version#envs_name：指定环境名称#python_version：指定Python版本#进入虚拟环境condaactivateenvs_name#退出当前环境condadeactivate#删除虚拟环境condaenvremove-nenvs_name#复制虚拟环境condacreate-nnew_envs_name--cloneold_envs_name#更新pythoncondaupdatepython#更新conda版本。注：必须在base环境更新condaupdateconda 模块/包管理 #查看当前环境的包列表condalist#查看指定环境的包列表condalist-nenvs_name#在当前环境安装包。注：1.默认安装最新版本，2.同时安装多个包用空格分隔。condainstallpackage_name#在指定环境安装包condainstall--nameenv_namepackage_name#安装指定版本的包。注：使用conda安装指定包时，conda可以自动处理相关的依赖包condainstallnumpy=1.19#指定范围内中版本包安装（安装版本处于1.0.4到1.1.1之间的pandas）condainstall'pandas>1.0.4,<1.1.1'#指定list中版本包安装（安装pandas1.0.4版或者1.1.1版）condainstall'pandas[version='1.0.4|1.1.1']'#包安装跳过[y/n]。默认情况下为false，即安装过程中会请求是否继续安装，设置为yes则不再弹出请求。condaconfig--setalways_yesyes#卸载当前环境的包condaremovepackage_name#卸载指定环境的包condaremove--nameenv_namepackage_name#升级当前环境的包condaupdate/upgradepackage_name#升级指定环境的包condaupdate/upgrade-nenv_namepackage_name#升级全部包condaupgrade--all#精确查找包condasearchpackage_name#模糊查找包，模糊符号为*condasearch*<模糊词>*#查看某个范围内版本包condasearch'PKGNAME[version='>=1.0.0,<1.1']' conda下载源管理 #查看已配置下载源condaconfig--showchannels#查看已配置下载源优先级condaconfig--getchannels#新增下载源（清华大学源）condaconfig--addchannelschannels_Namecondaconfig--addchannelshttps://mirrors.tuna./anaconda/pkgs/free/#删除下载源condaconfig--removechannelschannels_Name#显示包的安装来源condaconfig--setshow_channel_urlsyes 注：Conda下载源实际是写入到了.condarc文件里： linux系统的路径为/home/xx/.condarc windows系统的路径为C:\Users\admin\.condarc windows默认无.condarc文件，需要condaconfig--setshow_channel_urlsyes先生成 其他命令 #检查conda版本conda--version#查看conda系统版本等信息condainfo#查看conda所有配置信息condaconfig--show IDEA配置Conda虚拟环境 IntelliJIDEA在安装并启用Python插件后支持使用Conda为Python创建虚拟环境。 创建Conda环境： 确保已将Anaconda或Miniconda下载并安装在计算机上。 导航到文件|项目结构 方式1：左上角File>>>ProjectStructure 方式2：快捷键：Ctrl+Shift+Alt+S  点击加载图片 在'项目结构（ProjectStructure）'对话框中，在“平台设置（PlatformSetting）”部分下选择“SDK”，然后添加一个新的SDK，然后从弹出菜单中选择“PythonSDK”  点击加载图片 在'添加Python解释器（AddPythonInterpreter）'对话框的左侧窗格中，选择“CondaEnvironment”。以下操作取决于以前是否存在Conda环境。如果选择“新环境（Newenvironment）”： 在Location字段中指定新的Conda环境的位置。注意，新的Conda环境应位于的目录必须为空！ 从Pythonversion列表中选择Python版本 在Condaexecutable字段中指定Conda可执行文件的位置 如果需要，请选中“使所有项目都可用（Makeavailabletoallprojects）”复选框。 如果选择“现有环境（Existingenvironment）”（推荐使用）： 展开“解释器（Interpreter）”列表，然后选择任何现有的解释器。或者，单击选择“…”并在文件系统中指定Conda可执行文件的路径，例如C:\Users\jetbrains\Anaconda3\python.exe 注：最好是Conda目录下的python.exe，否则可能会扫描不到安装好的第三方库 在Condaexecutable字段中指定Conda可执行文件的位置 如果需要，请选中“使所有项目都可用（Makeavailabletoallprojects）”复选框。 单击确定以完成任务。 |
|
|
