Зачем нужна anaconda python

Учебное пособие по Anaconda: что это такое, как его установить и как использовать

В этой статье я оставляю Руководство по установке Anaconda и использование диспетчера пакетов Conda. Благодаря этому мы можем создавать среды разработки для Python и R с нужными нам библиотеками. Очень интересно начать возиться с машинным обучением, анализом данных и программированием на Python.

Anaconda — это бесплатный дистрибутив с открытым исходным кодом языков программирования Python и R, широко используемых в научные вычисления (Data Science, Data Science, Machine Learning, Science, Engineering, предиктивная аналитика, Big Data и т. д.).

Он устанавливает сразу большое количество приложений, широко используемых в этих дисциплинах, вместо того, чтобы устанавливать их по одному. . Более 1400, и это наиболее часто используемые в этих дисциплинах. Некоторые примеры

• Numpy
• Панды
• Tensorflow
• H20.ai.
• Сципи
• Юпитер
• Даск
• OpenCV
• matplotLib

Некоторое время назад я установил Керас и TensorFlow без седла, но решение Anaconda кажется намного проще и полезнее

Это также великолепный вариант для установки Python в нашей операционной системе с нужными нам библиотеками и изолировали проекты в разных виртуальных средах.

Я специально тестирую его для некоторых скриптов для управления большими CSV для работы, и для которых мне нужны NumPy и Pandas. А сейчас попробую Tensorflow и еще кое-что 😉

Что я вижу по количеству наблюдаемых пакетов, так это то, что они не ограничиваются анализом данных, потому что мы можем установить сотни плагинов (библиотек), предназначенных для веб-разработки или утилизации, таких как Scrappy. Итак, мы переходим к общему руководству по установке и созданию сред, и мы исследуем приложения, которые мы можем установить.

Анаконда против Конды

Подраздел. Не путайте Anaconda — это пакет, который позволяет нам использовать множество библиотек и программное обеспечение для анализа данных, научных данных и машинного обучения с Conda, которая является менеджером пакетов Anaconda. и виртуальные среды.

Как установить Anaconda на Ubuntu

Anaconda можно установить на Microsoft, MacOs и Linux.. Я расскажу вам о своем опыте работы в Ubuntu.

Есть разные способы установить Anaconda в Ubuntu, но мне больше всего нравится зайти на официальный сайт и скачать файл .sh. Найдите свою операционную систему и интересующую вас версию

Если вы начнете, я рекомендую вам выбрать версию 3.7, которая через несколько лет устареет.

Если вы загружаете .sh для Linux, как я, вам нужно открыть консоль или терминал и перейти в каталог, где он находится, в моем случае загрузок

Помните, что самая распространенная ошибка, с которой возникают проблемы, — это неправильная папка или каталог.

cd Descargas ls sh nombre_del_archivo_que_has_descargado.sh

В первой строке мы переходим в каталог Downloads, во второй «ls» он перечисляет файлы, которые есть, и поэтому мы можем видеть имя .sh, а в третьей мы выполняем .sh, который, как мы говорим, похож на Windows .exe.

И он запустится. Примите условия лицензии на программное обеспечение, и затем вас спросят, хотите ли вы установить Visual Code Studio. Я сказал да.

Действия после установки Anaconda

Вам нужно отказаться от продажи терминала, чтобы изменения заработали. Итак, мы закрываем терминал, снова открываем и вводим

Это откроет графический интерфейс с форматом браузера, который позволит нам устанавливать и активировать различные пакеты, хотя мы также можем делать все с консоли.

После установки мы проверим, что все правильно. для этого мы увидим, какую версию мы установили

Если все будет хорошо, он вернет нас высоко как conda 4.6.4 Если появится ошибка, нам нужно будет посмотреть, что она говорит нам, чтобы решить ее, переустановить и т. Д.

Если вы только что установили, вы должны увидеть, есть ли какие-либо обновления в conda

conda update conda conda update anaconda

Это сравнивает версию, которая у нас есть, с доступной, и, если есть что-то новое, он спросит нас

Создавайте виртуальные рабочие среды с Conda

Каждый проект, который мы делаем, мы можем разместить в отдельной среде, таким образом мы избегаем проблем с зависимостями пакетов и т. Д.

Чтобы создать виртуальную среду, мы будем называть ее компаратор пишем в терминале:

conda create --name comparador python=3.7

где компаратор — это имя виртуальной среды, а python = 3.7 — это пакет, который мы хотим установить.

conda activate comparador

Проверяем виртуальные среды на

Это покажет нам окружение, которое у нас есть, и вернет что-то вроде

# conda environments: # base * /home/nacho/anaconda3 comparador /home/nacho/anaconda3/envs/comparador

base — это root, а звездочка показывает нам активированный.

Также следует отметить одну вещь. При активации среды в консоли имя добавляется в скобки перед приглашением, чтобы мы всегда знали, где мы находимся.

мы можем искать приложения для установки. Представьте, что я хочу установить Keras, потому что сначала смотрю, доступно ли приложение и какие есть версии

Как я вижу, это уже шаг к установке

И чтобы увидеть все, что мы установили в нашей среде разработки, мы будем использовать

Обработка пакетов pkgs с помощью conda

Вот несколько интересных вариантов. Это поможет нам настроить нашу виртуальную среду с приложениями, которые нам нужны для работы.

Установить пакеты

Есть очень специфические команды. Чтобы установить пакет в определенной среде. Например, Керас в моей недавно созданной среде компаратор

conda install --name comparador keras

Если мы не добавим компаратор –name, он установит его в среде, которая у нас активна в данный момент.

Мы можем установить несколько пакетов одновременно (keras и scrappy) с

conda install keras scrappy

Но не рекомендуется избегать проблем с зависимостями.

Наконец, мы можем выбрать конкретную версию, которую хотим установить, если нам это интересно по какой-либо причине.

Установите пакеты, отличные от Conda

В этом случае мы будем использовать pip

Пакеты обновлений

Есть разные варианты. Обновите конкретный пакет с помощью

И чтобы обновить весь мета-пакет Anaconda

conda update conda conda update anaconda

Удалить пакеты

Удалить пакеты в данной среде. Например Керас из окружения компаратор

conda remove -n comparador keras

Если мы хотим стереть среду, в которой мы находимся

Одновременно можно удалить несколько пакетов

conda remove keras scrappy

И рекомендуется проверить пакеты, чтобы убедиться, что они были правильно удалены с помощью

Для меня это основы, если вы хотите углубиться здесь, у вас есть официальный справочник conda (на английском языке)

Мы оставили шпаргалка по Конде официальный, с основными командами для быстрого использования раздачи.

Прогулка по графической среде Anaconda

Все это мы делаем с помощью терминала, и мы можем делать это графически с помощью интерфейса Anaconda.

Чтобы начать распространение, нам сначала нужно активировать conda для базовой среды (root).

И с этим мы можем вызвать Анаконду. Если нет, не запустится

Видите ли, здесь мы находим базовый проект, который является корневым, а затем среды, которые вы создаете и которые в моем случае были компаратор.

Лучше всего это посмотреть на видео

Источник

Frequently Asked Questions

Python is a popular programming language that is widely used for numerical computing and data analysis across many industries, hardwares, and production pipelines. Anaconda is a one-stop-shop for Python and R packages, solving many problems associated with using and managing open-source software.

Most projects in the Python open-source software (OSS) ecosystem depend on other projects to function, and this forms a chain of prerequisites and requirements otherwise known as “dependencies.” Open-source projects are managed independently by maintainers around the world who release updates asynchronously. Thus, a tool that manages packages, recognizes your hardware architecture, and keeps projects separate is necessary in order to ensure proper functionality.

Conda is Anaconda’s package, environment, and dependency manager. It is cross-platform (Windows, macOS, Linux [x86/AARCH64/PPC64LE/s390x]), cross-language (supports Python, R, C/C++, Rust, Go, and more), and ensures package compatibility and environment correctness. Without a package and environment manager like Conda, the chain of dependencies can become unmanageable; packages may depend on incompatible versions of other packages, and obtaining different versions of those other packages may break other dependencies and push the problem downstream. In other words, chaos ensues.

Anaconda was built to cut through—and prevent—the chaos associated with package and environment management. Our paid plans offer additional capabilities and allow open-source software to be safely and securely utilized, even in the most stringent and regulated industries.

Anaconda Distribution is a free Python/R data science distribution. An Anaconda Distribution install includes Conda and Anaconda Navigator, a desktop GUI that is preloaded with the most widely used data science and machine learning packages.

Anaconda’s ease of use makes it an attractive option for data practitioners of all abilities—particularly those who wish to build and test models together, and those who value business impact and data-driven decision making. IT and InfoSec teams also benefit from using Anaconda, leveraging its security and governance features to manage their infrastructure with confidence and reduce their organization’s exposure to vulnerabilities. And of course students, researchers, and academics can use Anaconda to streamline workflows and deliver value—no matter their field.

Organizations across many industries including finance, manufacturing, healthcare, and more are using Anaconda to harness open-source innovation and build custom models and applications. From neural networks to data visualization to robotics, the use cases are limitless.

Does Anaconda make it easier for enterprises to perform open-source data science, AI, and machine learning?

Yes! Our plans for organizations make it easy for enterprise users to access the open-source software they need while adhering to advanced security standards.

Anaconda Embedded allows organizations to partner with us to leverage the world’s most popular open-source package distribution in their technology-enabled products. Organizations can build and distribute with Anaconda to deliver a seamless customer experience.

Python is a widely used, multi-purpose programming language. Anaconda pioneered the use of Python for data science, champions its vibrant community, and continues to steward open-source projects that make tomorrow’s innovation possible.

Anaconda pricing is detailed on our Pricing page.

Anaconda’s paid plans offer a variety of features and tools that support open-source security and compliance, from Conda Signature Verification to CVE curation to SBOMs and more.

Conda, Anaconda’s package, environment, and dependency manager, was built to support cross-platforms (Windows, macOS, Linux [x86/AARCH64/PPC64LE/s390x]) and cross-languages (supports Python, R, C/C++, Rust, Go, and more). Conda is particularly helpful when it comes to reproducibility and deployment of applications into multiple environments. Models and applications written on one computer can easily be ported to another, regardless of platform. This type of interoperability continues to steward our core values of widespread adoption, sharing, and collaboration.

Head to our Support Center to access helpful documentation.

Anaconda Cloud is our cloud platform that features a wealth of data science content ranging from articles to webinars to on-demand courses, a notebook service with a fully loaded and ready-to-code interactive development environment, and more. It’s a space where millions of Anaconda users, data practitioners, and makers of all experience levels are sharing ideas, troubleshooting issues, and connecting with others. The platform is constantly growing and evolving with the goal of becoming increasingly interactive over time. To create your free Anaconda Cloud account, visit anaconda.cloud.

Anaconda’s mission is multifaceted:

• Create a platform where data science users, open-source contributors, AI researchers, and technology providers can discover, share, and sell their innovations.
• Drive widespread adoption of modern data analysis by creating an excellent user experience and helping customers integrate tools and techniques throughout their organizations.
• Steward open-source innovation by fostering communities and championing open standards for data and computation.
• Create a place where people do meaningful work that embodies our core values.

Yes! Head to our Careers page for more information and to view our open positions.

Источник