In letzter Zeit scheint Anaconda häufig verwendet zu werden, um schnell eine Python-Umgebung für die Datenanalyse zu erstellen.
Verwenden Sie für Anaconda und seine minimale Konfiguration Miniconda den mitgelieferten Paketmanager conda. Sie können damit die gesamte Umgebung einschließlich Python selbst verwalten. In der konventionellen Python-Entwicklung war es notwendig, eine Umgebung mit einzelnen Tools gemäß dem folgenden Zweck zu erstellen.
Mit Anaconda / Miniconda können diese nur mit Conda durchgeführt werden.
conda install hinzufügenIn Situationen wie der Teamentwicklung oder dem Ausführen von Ergebnissen auf einem Produktionsserver ist es hilfreich, die erstellte Umgebung auf einem anderen Computer schnell neu erstellen zu können. Bei Verwendung von pip und pyenv wurde die Version der Bibliothek und Python selbst verwaltet, indem Dateien wie "require.txt" bzw. ".python-version" vorbereitet wurden. Mit conda können Sie Ihre Umgebung von dort aus einfach neu erstellen, indem Sie Ihre Umgebungseinstellungen im YAML-Format exportieren.
Die detaillierte Methode wird unten erläutert.
Anaconda ist eine All-in-One-Plattform, die viele wichtige Pakete enthält. Wenn Sie jedoch für jedes Projekt wie dieses Mal die erforderliche Mindestumgebung erstellen möchten, ist die Verwendung von Miniconda intelligenter.
Starten Sie zum Installieren von Miniconda das heruntergeladene Installationsprogramm wie unter [hier] beschrieben (http://conda.pydata.org/docs/install/quick.html).
$ bash Miniconda2-latest-MacOSX-x86_64.sh
Für Mac können Sie auch mit Brühfass installieren.
$ brew install Caskroom/cask/miniconda
Im Folgenden wird davon ausgegangen, dass Miniconda bereits installiert ist und sich jeder Befehl einschließlich conda im PATH befindet.
Hier erstellen wir eine Python 3.5-Umgebung mit dem Namen myenv. Da conda Python selbst und Pakete gleichermaßen als Komponenten der Umgebung behandelt, können Pakete gleichzeitig installiert werden.
$ conda create --name myenv python=3.5 numpy=1.11.1
Aktivieren Sie die von Ihnen erstellte Umgebung.
$ source activate myenv
Sie können auch zusätzliche Pakete installieren.
$ conda install scipy
Nicht alle bei PyPI registrierten Pakete können mit conda installiert werden. Pakete, die nicht mit conda installiert werden können, können wie zuvor mit pip installiert werden. pip ist von Anfang an in der von conda erstellten Umgebung enthalten.
$ pip install peewee
Sie können Ihre Umgebungseinstellungen im YAML-Format exportieren, indem Sie "conda env export" mit aktivierter Umgebung ausführen.
$ conda env export > myenv.yaml
Die exportierte Datei sieht folgendermaßen aus: Mit pip installierte Pakete werden ebenfalls korrekt exportiert.
myenv.yaml
name: myenv
dependencies:
- mkl=11.3.3=0
- numpy=1.11.1=py35_0
- openssl=1.0.2h=1
- pip=8.1.2=py35_0
- python=3.5.1=5
- readline=6.2=2
- scipy=0.17.1=np111py35_1
- setuptools=23.0.0=py35_0
- sqlite=3.13.0=0
- tk=8.5.18=0
- wheel=0.29.0=py35_0
- xz=5.2.2=0
- zlib=1.2.8=3
- pip:
- peewee==2.8.1
Mit dieser Datei können Sie dieselbe Umgebung problemlos auf einem anderen Computer neu erstellen.
$ conda env create --file myenv.yaml
Die durch Export exportierte Konfigurationsdatei enthält auch Pakete, die aufgrund der Abhängigkeiten der absichtlich installierten Pakete installiert wurden. Wenn Sie nur die Bibliotheken angeben möchten, die direkt als Struktur des Projekts verwendet werden, müssen Sie die Konfigurationsdatei selbst schreiben.
myenv.yaml
name: myenv
dependencies:
- python=3.5.1
- numpy=1.11.1
- scipy=0.17.1
- pip:
- peewee==2.8.1
Es wird empfohlen, "Gemfile", "Gemfile.lock" in Ruby's Bundler zu folgen, nur die Bibliothek zu beschreiben, die direkt in "myenv.yaml" verwendet werden soll, und die damit erstellte Umgebung zu exportieren. Die Methode besteht darin, es unter einem Namen wie "myenv.frozen.yaml" zu speichern. Auf diese Weise können Sie in "myenv.yaml" nachsehen, welche Pakete direkt in Ihrem Projekt verwendet werden, und in "myenv.frozen.yaml" dieselbe Umgebung einschließlich abhängiger Pakete neu erstellen.
Recommended Posts