目录

  • 1 混乱的Python库
  • 2 什么是Anaconda？
  • 3 Anaconda的安装
    • 3.1 Windows系统
    • 3.2 Linux系统
    • 3.3 测试
  • 4 虚拟环境管理(速查字典)

1 混乱的Python库

你有没有遇到过这样的问题

在项目A中需要用到某个Python库PkgA，且项目A的其他库要求PkgA的版本必须为v3.0以上，你按要求安装了PkgA v3.0；过了一段时间，老板交给你一个项目B，又用到了PkgA，但这次其他库要求PkgA的版本必须为v2.0及以上，这时候你怎么办？

安装PkgA v3.0则新项目B无法运行，安装PkgA v2.0则旧项目A无法运行，要想同时在一个环境里使用两个项目，必须不停地重装PkgA来更换版本。

上面的例子只涉及两个项目的一个依赖库冲突，如果多个项目呢？如果多个依赖冲突呢？


上面的例子说明了什么呢？其实就是Python语言的痛点：

  • 依赖网复杂

    Python的包非常丰富，轮子相当多，开发者在工作时难免会调用这样或那样的包，久而久之，一个功能依赖另一个功能，形成复杂的依赖网络

  • 包管理混乱

    通过报错信息不断安装依赖包终于解决了依赖库的问题，但随之而来的就是版本问题，也就是上面例子所体现的依赖冲突，本质上是某个包开发时的不向下兼容导致的

为了解决上面的问题，更好地管理Python库，让其扬长避短，就必须使用环境管理工具，例如本文介绍的Anaconda。

2 什么是Anaconda？

Anaconda是一个开源的跨平台Python发行版本，支持

  • Windows
  • macOS
  • Linux

操作系统。Anaconda中包含了conda等180多个科学包及其依赖项。其中conda则是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

3 Anaconda的安装

进入Anaconda下载界面选择相应的操作系统，本文主要介绍在Windows与Linux下的安装流程。

3.1 Windows系统

Windows有图形化的安装向导，按下面的步骤一步步安装即可

  • 运行安装向导

  • 选择I Agree

  • 选择All Users，其实选Just Me也可以，但这台主机的其他用户就无法使用Anaconda了

  • 选择安装路径

  • 保持默认选项

  • 等待安装结束

  • 配置环境变量
    依次点击我的电脑->右键属性->点击高级系统设置->点击环境变量，之后按下图所示配置用户变量

3.2 Linux系统

对于Linux系统，没有图形化的安装界面，按下面输入终端命令即可

  • 进入Anaconda安装目录并运行官方安装程序
    bash ./Anaconda3-2021.11-Linux-x86_64.sh
  • 添加环境变量，其中~/Project/anaconda3/bin替换成自己的安装目录
    echo 'export PATH="~/Project/anaconda3/bin:$PATH"' >> ~/.bashrcsource ~/.bashrc

3.3 测试

打开cmd(Windows)或Terminal(Linux)，输入

conda --version

如果输出版本号则说明安装成功，如下所示。


注意，若运行python脚本时仍然是原环境而非Anaconda环境，则需要注意配置编辑器的python解释器路径。VSCode中，在tasks.json中的args参数中配置

{"version": "2.0.0","tasks": [{"label": "catkin_make:debug","type": "shell","command": "catkin_make","args": ["-DPYTHON_EXECUTABLE=/home/winter/Project/anaconda3/envs/server/bin/python "],"group": {"kind":"build","isDefault":true},"presentation": {"reveal": "always"},"problemMatcher": "$msCompile"}]}

4 虚拟环境管理(速查字典)

用Anaconda可以创建虚拟环境，虚拟环境间彼此隔离，可以解决依赖混乱的情况。虚拟环境管理主要涉及以下的命令，可以作为速查字典以备不时之需

  • 创建虚拟环境

    conda create -n test python=3.8

    创建了一个名为test的采用3.8版本Python解释器的虚拟环境

  • 切换虚拟环境

    conda activate test

    切换到名为test的虚拟环境。默认地，用户会进入Anaconda自带的base环境，注意base环境已经与安装Anaconda前的环境不同，因此第一次使用Anaconda可能会产生依赖冲突和缺失。

  • 查看虚拟环境

    conda env list

  • 依赖安装与卸载

    # 安装conda install pkgpip install pkg# 卸载conda remove pkgpip uninstall pkg

    这里推荐使用清华源加快安装速度，使用方法是

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pkg==version

    即安装了名为pkg，版本为version的包
    如果依赖很多，建议使用requirements.txt批量配置，命令为

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

  • 查看环境依赖

    conda list

  • 复制虚拟环境

    conda env export > test_env.yamlconda env create -f test_env.yaml

    常用于导出当前虚拟环境的信息或复制虚拟环境

  • 删除虚拟环境

    conda remove -n test --all

    删除名为test的虚拟环境

更多精彩专栏：

  • 《ROS从入门到精通》
  • 《机器人原理与技术》
  • 《机器学习强基计划》
  • 《计算机视觉教程》
  • …

源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系