Python第三方库管理Pip和Conda

在本机开发完程序后，需要把程序移植到服务器之类的目标机上运行，或者分发给其余同事，经常会遇到第三方库管理，或者是不同项目之间用到的第三方库版本不一致，例如有时候需要tensorflow 1版本，有的时候希望用最新的2.3版本，这样导致了运行环境的管理复杂度，对于第三方库管理推荐通过Anaconda来解决这个痛点，通过不同的env解决环境配置问题。

1、Anaconda安装

Windows下傻瓜式安装，exe一步一步执行即可，在Linux下安装首先进入到anaconda官网下载linux版本：​​https://www.anaconda.com/download/#linux​​

进入到下载目录，然后bash命令，如：

bash Anaconda3-2020.07-Linux-x86_64.sh

然后一直按提示操作即可。 

打开.bashrc文件：

vi ~/.bashrc

在.bashrc文件里面输入anconda的bin目录路径，如：

 export PATH="/home/xxx/anaconda3/bin:$PATH"

配置了环境变量并不会生效，需要刷新才会生效。

source ~/.bashrc

查看anconda版本，验证是否安装成功。

conda --version

结果如下图所示： 

2、conda的常用命令操作

# 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 pythnotallow=3.4
# 安装好后，使用activate激活某个环境activate python34 # for Windowssource activate python34 # for Linux & Mac# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH
# 此时，再次输入python --version# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境，运行deactivate python34 # for Windowssource deactivate python34 # for Linux & Mac
# 删除一个已有的环境conda remove --name python34 --all

3、使用conda管理包

# 安装scipyconda install scipy# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）# 查看已经安装的packagesconda list# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包# 查看当前环境下已安装的包conda list# 查看某个指定环境的已安装包conda list -n python34# 查找package信息conda search numpy# 安装packageconda install -n python34 numpy# 如果不用-n指定环境名称，则被安装在当前活跃环境# 也可以通过-c指定通过某个channel安装# 更新packageconda update -n python34 numpy# 删除packageconda remove -n python34 numpy# 更新conda，保持conda最新conda update conda# 更新anacondaconda update anaconda# 更新pythonconda update python# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本

注意：在以上的使用过程中你会发现使用conda下载包的速度非常的慢，因为使用的是国外的服务器，所以这里要设置为国内的镜像。使用下面的配置命令即可：

4、配置第三方库下载源

windows下
在清华源和中科大源之间自行选择

1 添加清华源
命令行中直接使用以下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
# 设置搜索时显示通道地址conda config --set show_channel_urls yes

2 添加中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/conda config --set show_channel_urls yes

Linux下
将以上配置文件写在~/.condarc中 

vim ~/.condarc
channels:  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  - defaultsshow_channel_urls: true

5、pycharm中使用anaconda这里讲下在pycharm上anaconda的配置：

在Pycharm的Files>>settings>>Project Interpreter>>Add local 里面添加Anaconda python.exe. 应用之后就可以调用各种Anaconda的库啦，如果下载了其他版本的python，将envs中的python.exe也添加到Project Interpreter 中，在需要的时候进行切换就可以了
如下面的图片所示：

6、pip和conda批量导出、安装第三方依赖库(requirements.txt)

pip批量导出包含环境中所有组件的requirements.txt文件

pip freeze > requirements.txt

pip批量安装requirements.txt文件中包含的组件依赖

pip install -r requirements.txt

conda批量导出包含环境中所有组件的requirements.txt文件

conda list -e > requirements.txt

conda批量安装requirements.txt文件中包含的组件依赖

conda install --yes --file requirements.txt