我常用的6个conda命令,提升工作效率

数据科学与人工智能

共 1859字,需浏览 4分钟

 ·

2021-03-02 15:31

 是新朋友吗?记得先点数据科学与人工智能关注我哦~


《Python实践》专栏·第1篇

 | Pyer

1058字 | 3分钟阅读

【数据科学与人工智能】开通了Python,大家可以相互学习和交流。请扫描下方二维码,备注:Python,添加我为好友,诚邀你入群,一起进步

朋友们,我是用Anaconda数据科学套件构建Python和数据科学与人工智能的工作环境,不知大家也是否这样。本文总结我常用的6个conda命令,这6个命令给我带来这些好处,一是,帮助我更好地管理和使用Anaconda这个软件和平台;二是,利用这些命令,可以提升我的工作效率。比方说,采用命令方式,可以在base环境的基础上,创建以目的为导向的新的工作环境,我就创建了一个专门用于做数据科学学习和实践的环境,把与数据科学相关问题和任务,全部切换到这个工作环境下解答和完成。


我常用的6个conda命令,总结如下:

第一:用来了解工作环境的命令

conda env list或者conda info --env


有*标记的那个环境表示为当前的工作环境,看到这个结果,我们会有两个问题需要解决,一是,如何创建新的工作环境;二是,如何切换和退出到新的工作环境。这就是,我需要继续说的命令。


第二:用户定制自己工作环境

我通常会在base的基础上拷贝一份工作环境,可以理解为做一个副本,并重命名,例如:用于做数据科学的data_science。

conda create --name data_science --clone base

若是不想克隆,也可以按着下面操作,按需选择合适的命令操作。

# 1)用于创建指定Python版本的环境conda create --name env_name python=3.6# 2) 用于创建指定某些包的环境conda create --name env_name numpy scipy# 3) 1)与2)结合conda create --name env_name python=3.7 numpy scipy


第三:进入和退出定制工作环境

# 进入data_science工作环境或者切换到activate data_science# 退出data_science工作环境conda deactivate


第四:协同工作,分享自己的工作环境

我们进入到自己定制的工作环境后,需要与其他合作伙伴协同工作,也需要他们配置和我们一样的工作环境,我们可以采用命令把工作环境保存为yml文件,然后传给合作伙伴,他们可以根据yml文件,搭建一个和我们一样的工作环境。

activate data_science# 第一步:进入到你要保存yml文件的路径下D:cd Env# 第二步:生成yml文件conda env export > data_science.yml# 第三步:查看dir# 第四步:把yml文件分享给合作者# 第五步:合作者根据yml文件创建工作环境# 注意切换到yml所对应的文件路径下,然后执行下面命令conda env create -f data_science.yml

第五:查看工作环境下面,已经安装了那些Python库

conda list


第六:Python库的管理(安装、删除和更新)

# 1)安装conda install tensorflow# 或者pip install tensorflow
# 2) 删除conda remove lib_name
# 3) 更新conda update lib_name

以上这些命令,是我经常使用的conda命令,通过它们,我可以高效地利用Anaconda基于Python语言做数据科学与人工智能的工作。

你常用那些conda命令,欢迎留言。


每周一书

1利用Python进行数据分析

2深度学习


公众号推荐
浏览 21
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报