linux下安裝anaconda

1. df1.index與df.類別

1、查看數據類型：type(a)
2、查看已安裝的包：
在dos命令行界面：如果你使用的是pip來作為你的python包管理器的話，可以在命令行下直接運行$ pip freeze或者$ pip list來查看安裝包的信息，當然其它的包管理器也有類似的功能，同時，你也可以在python互動式解釋器中導入pip模塊來查看包信息。
在python提示符下，用help(『moles』)，可以顯示所有包名稱，用import sys as s >> s.moles.keys() ，可以顯示系統模塊；
3、在linux環境下安裝anaconda：https://blog.csdn.net/wyf2017/article/details/118676765?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-2.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-2.pc_relevant_default&utm_relevant_index=5
1）先找需要安裝版本的官網地址鏈接，如https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh；
2）在linux控制台輸入：wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh
3）先賦搜搭權在安裝程序：chmod +x Anaconda3-5.3.0-Linux-x86_64.sh
./Anaconda3-5.3.0-Linux-x86_64.sh
4）一直按ENTER，直到出現選擇yes or no，輸入yes；
5）繼續按ENTER，直到出現選擇yes，輸入yes，添加環境變數；
6）若上面這一步沒選擇yes，會默認選擇no，則需要自己到安裝anaconda的路徑下，設置環境變數：
export PATH=/home/anaconda3/bin:KaTeX parse error: Expected 'EOF', got '#' at position 36: …一句話注釋掉： #̲ export PATH=/u…PATH
export PATH=/root/anaconda3/bin:$PATH
8）然後，保存更改：source ~/.bashrc
9）吵漏鬧檢測是否安裝成功：
進入自己的文件夾目錄下輸入：anaconda -V conda -V
4、在linux環境下下載並安裝mysql：https://blog.csdn.net/daren/article/details/89874564?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164517585116780265466903%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=164517585116780265466903&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2blog_landing_v2~default-3-89874564.nonecase&utm_term=linux%E7%8E%AF%E5%A2%83%E4%B8%8B%E5%AE%89%E8%A3%85mysql&spm=1018.2226.3001.4450
1）先找安裝包網址鏈接：從升罩官網或者網盤下載
2）用linux命令將安裝包下載到指定文件夾下：wget https://dev.mysql.com/get/Downloads/MySQL-5.7/mysql-5.7.25-linux-glibc2.12-x86_64.tar.gz
3）再安裝到指定目錄下：
cd 路徑
解壓：tar -zxvf mysql-5.7.25-linux-glibc2.12-x86_64.tar.gz
修改文件夾名稱：mv mysql-5.7.25-linux-glibc2.12-x86_64 /mysql
2）新建data目錄
命令：mkdir /mysql/data
3）新建mysql用戶組及mysql用戶
命令：groupadd mysql //新建用戶組
命令：useradd mysql -g mysql //新建用戶
4）將/usr/local/mysql的所有者及所屬組改為mysql
chown -R mysql.mysql /usr/local/mysql
5）配置
命令：/usr/local/mysql/bin/mysql_install_db --user=mysql --basedir=/usr/local/mysql/ --datadir=/usr/local/mysql/data
6）配置/etc/my.cnf
vim /etc/my.cnf
7）開啟服務
命令：cp /usr/local/mysql/support-files/mysql.server /etc/init.d/mysql //將mysql加入服務
命令：chkconfig mysql on //開機自動啟動
命令：service mysql start //開啟mysql服務
開啟mysql服務報錯， 在這里插入圖片描述
8）設置密碼
命令：/usr/local/mysql/bin/mysql -u root -p //在my.cnf中配置了取消密碼驗證，此處密碼任意輸入
命令：use mysql; //操作mysql資料庫
命令：update user set authentication_string=password(『你的密碼』) where user=『root』; //修改密碼
命令：flush privileges;
命令：exit; //退出
9）將/etc/my.cnf中的skip-grant-tables刪除
10）如果是本機安裝則到此步驟已經安裝配置完成，如果是在虛擬機或者遠程伺服器上安裝，則需要以下步驟
允許遠程連接
命令：/usr/local/mysql/bin/mysql -u root -p //登錄
命令：use mysql;
命令：update user set host=』%』 where user = 『root』;
命令：flush privileges;
命令：exit;
Pandas
dataframe：
1、dataframe，如何查看一個DataFrame對象的所有索引，列名，以及DataFrame中具體的值？
有一個dataframe對象df1，查看索引使用使用df1.index，查看列名使用df1.columns，查看所有的值為df1.values。
2、創建dataframe：
df1=pd.DataFrame(np.arange(16).reshape(4,4),
index = pd.date_range(『20200101』, periods = 4),
columns=list(『ABCD』))
3、使用df1.index返回的是一個索引，如果獲取具體的值的話，需要使用df1.index.values轉化為列表。
4、根據列名取dataframe的數據
基本格式：dataframe[列名]
1）取多列
列名要用中括弧括起來，所以下述命令
dataframe[[『P4_profit_rate』,『P3PS』,『P3NS』]] 沒問題,返回pandas.core.frame.DataFrame類型的值
dataframe[『P4_profit_rate』,『P3PS』,『P3NS』]出錯
2）取一列
列名可以不用中括弧括起來，
dataframe[『P4_profit_rate』] 沒問題，返回pandas.core.series.Series類型的值
列名也可以用中括弧括起來，
dataframe[[『P4_profit_rate』]] 也能正常運行，但返回pandas.core.frame.DataFrame類型的值
1. 常用基本方法及屬性
df.info() 輸出總行數、各列的行數、類型、索引、佔用內存等信息；
df.index 輸出索引，為 pandas.core.indexes.range.RangeIndex 類型；
df.columns 輸出列名，為pandas.core.indexes.base.Index 類型，可使用df.columns.str ；
df.dtypes 各列的類型，輸出一個series，值是object類型；
df.values 值，輸出一個 array ；
df.describe() 輸出各數值列的統計值，如非空個數、均值、std、極值、分位數。
2. 索引
df.set_index() 設置索引，括弧內可以填入DataFrame中某列的列名，就能使用此列作為索引；
df.loc[ ] 以label索引，可實現花哨的混合索引，如：df.loc[ df.density>100, [『pop』, 『density』] ] ；
df.iloc[ ] 以絕對位置索引，即數字；
掩碼操作，如 df[ df [『density』] > 100 ] 。
3. 計算：
df.cov() 協方差，df.corr() 相關系數，df.mean(axis = 1)，df.median()，df.max()；
df[ 『Age』 ].value_counts(ascending = True, bins = 5) 非nan計數(升序排列，分箱)；
pd.cut()也能實現連續值離散化，pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False)。
4. 增刪改查、合並、排序
使用df.()防止誤修改df；
df.rename(index = {『a』 : 『A』}, inplace = True) 重命名索引，注意需要inplace為True才能真正修改；
df.append(df2) 增加；
df.drop([『a』, 『b』], inplace = True) 刪除；
data.drop_plicates()去重，subset參數可以選擇具體的列；
df3 = pd.concat([df1,df2], axis = 0) 實現兩個DataFrame的簡易合並；
pd.merge(on, left_on, right_on, left_index, right_index, how, suffixes) 數據表連接操作，on可以指定多個列作為鍵;
多列排序 data.sort_values(by=[『group』,『data』],ascending = [False,True],inplace=True)，即在by、ascending處傳入list，會先按』group』列再按』data』列排序。
5. groupby聚合 和數據透視表pivot_table（相當於多維的groupby操作）
df.pivot_table(index = 『Sex』, columns=『Pclass』, values=『Fare』，aggfunc = 『sum』) ，aggfunc默認是mean；
6. 時間序列
Pandas所有關於日期與時間的處理方法全部是通過Timestamp對象實現的；
pd.to_datetime(『2017-11-24』) 把str轉化為Timestamp對象（pd.Timestamp也可以）；
ts + pd.Timedelta(『5 days』) 用Timedelta加上時間間隔；
pd.read_csv()方法中參數parse_dates = True，可以直接將數據中的時間作為索引；
將時間戳作為索引值取出對應時間段內的數據：data[pd.Timestamp(『2012-01-01 09:00』):pd.Timestamp(『2012-01-01 19:00』)] ，
同時也可以使用 data[『2013』]，data[『2012-01』:『2012-03』] 等簡便方式；
僅取1月份的數據 data[data.index.month == 1] ；
時間重采樣，將原始數據轉化為均勻間隔的數據，
DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention=『start』,kind
=None, loffset=None, limit=None, base=0)，如df.resample(『3D』)方法，對3天的數據進行重采樣。
7. apply自定義函數 DataFrame.apply(func, axis=0, broadcast=False, raw=False, rece=None, args=(), kwds)，說明：
允許傳入0個或任意個參數，這些可變參數在函數調用時自動組裝為一個tuple，
關鍵字參數允許傳入0個或任意個含參數名的參數，這些關鍵字參數在函數內部自動組裝為一個dict。
8.缺失值：DataFrame.isnull().any()，.fillna() 等。
9.字元串Series.str.lower()，str是Series的一個屬性，s.str.upper()，s.str.len()，index.str.strip()，df.columns.str.replace(』 『,』『)，s.str.split(』『)，s.str.contains(『Ag』)，s.str.get_mmies(sep = 『|』) 。
10、notebook顯示設置：
pd.set_option()，pd.get_option()用於使用Notebook做展示；
pd.set_option(『display.max_columns』,30)，pd.set_option(『display.max_colwidth』,100)，
pd.set_option(『display.max_colwidth』,100)。
11、重復記錄處理
1）生成重復記錄
#生成重復數據
df=pd.DataFrame(np.ones([5,2]),columns=[『col1』,『col2』])
df[『col3』]=[『a』,『b』,『a』,『c』,『d』]
df[『col4』]=[3,2,3,2,2]
df=df.reindex(columns=[『col3』,『col4』,『col1』,『col2』]) #將新增的一列排在第一列
2）判斷重復記錄
isDplicated=df.plicated() #判斷重復數據記錄
3）刪除重復值
new_df1=df.drop_plicates() #刪除數據記錄中所有列值相同的記錄
new_df2=df.drop_plicates([『col3』]) #刪除數據記錄中col3列值相同的記錄
new_df3=df.drop_plicates([『col4』]) #刪除數據記錄中col4列值相同的記錄
new_df4=df.drop_plicates([『col3』,『col4』]) #刪除數據記錄中(col3和col4)列值相同的記錄
4）python去重drop_plicates後一定要reset_index()。
pandas.DataFrame.reset_index
函數作用：重置索引或其level。
重置數據幀的索引，並使用默認索引。如果數據幀具有多重索引，則此方法可以刪除一個或多個level。
函數主要有以下幾個參數：reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=』')
各個參數介紹：
level：可以是int, str, tuple, or list, default None等類型。作用是只從索引中刪除給定級別。默認情況下刪除所有級別。
drop：bool, default False。不要嘗試在數據幀列中插入索引。這會將索引重置為默認的整數索引。
inplace：bool, default False。修改數據幀（不要創建新對象）。
col_level：int or str, default=0。如果列有多個級別，則確定將標簽插入到哪個級別。默認情況下，它將插入到第一層。
col_fill：object, default。如果列有多個級別，則確定其他級別的命名方式。如果沒有，則復制索引名稱。
返回：
DataFrame or None。具有新索引的數據幀，如果inplace=True，則無索引。
python使用問題集錦
1、報錯：NameError: name 『scipy』 is not defined
使用!pip install packages scipy，重新安裝成功後，還報錯；在運行前先from scipy import optimize，再運行也報錯；
還有說是注釋或者換行等問題導致的，都無法解決，最後一個可能再試試：在安裝scipy前要先安裝numpy+mkl(非numpy)。
在如下地址下載安裝numpy： http://www.lfd.uci.e/~gohlke/pythonlibs/#numpy
Numpy+MKL is linked to the Intel® Math Kernel Library and includes required DLLs in the numpy.DLLs directory.
下載完成後，在cmd命令行中用pip install numpy-1.22.2+mkl-pp38-pypy38_pp73-win_amd64.whl進行安裝，報錯如下：
ERROR: numpy-1.22.2+mkl-pp38-pypy38_pp73-win_amd64.whl is not a supported wheel on this platform.
錯誤原因：安裝的不是對應python版本的庫，下載的庫名中cp27代表python2.7,其它同理。我的python是3.8版本，重新下載後，再安裝，進入正常流程中。但是又報如下錯誤： 在這里插入圖片描述

文章知識點與官方知識檔案匹配
Python入門技能樹首頁概覽
208764 人正在系統學習中
點擊閱讀全文
打開CSDN APP，看更多技術內容

Pandas的基本功能_笑 癮的博客_pandas作用
一、Pandas的常用32個方法和功能 DataFrame() 創建一個DataFrame對象 df.values 返回ndarray類型的對象 df.shape 返回行列數 df.index 獲取行索引 df.set_index 設置索引 df.reset_index 重製索引 df.columns 獲取列索引 df.rename 重...
繼續訪問
pandas教程:pandas主要功能詳解_hello-java-maker的博客_pand...
df =pd.read_csv("Counts.csv", header=0) df.head() 1 2 選擇/切片 df[『column_name』] ,df[row_start_index, row_end_index] 選取指定整列數據 df['name'] # 選取一列,成一個series df[['name']] # 選取一列...
繼續訪問
numpy‑1.21.4+mkl‑pp38‑pypy38_pp73‑win_amd64.whl
numpy‑1.21.4+mkl‑pp38‑pypy38_pp73‑win_amd64.whl
Python數據分析 | (17) pandas的基本功能
本篇博客中，我將介紹操作Series和DataFrame中的數據的基本手段。後續將更加深入地挖掘pandas在數據分析和處理方面的功能。這不是pandas庫 的詳盡文檔，主要關注的是最重要的功能，那些不大常用的內容(也就是那 些更深奧的內容)就交給你自己去摸索吧。 目錄 1. 重新索引 2. 丟棄指定軸上的項 3. 索引、選取和過濾 4. 整數索引 5. 算術運算和數據對齊 6. ...
繼續訪問
最新發布 python安裝ERROR: matplotlib-3.6.2-pp38-pypy38_pp73-win_amd64.whl is not a supported wheel on this plat
我把文件名稱改為matplotlib-3.6.2-py39-none-any.whl。2、看到支持的文件的名稱是py30-none-any。
繼續訪問

熱門推薦 使用python經常出現NameError: name 'xxx' is not defined
使用python經常出現NameError: name 『xxx』 is not defined感覺神之存在的Bug 用注釋居然解決了 之前k_means一直是沒定義後來加了注釋#abc就解決了from sklearn.cluster import k_means# abc如下圖所示：解決後感覺太特么奇妙了
繼續訪問

pandas中index索引功能是什麼
pandas的索引對象可以用來保存坐標軸標簽和其它元數據，是使用過程中必要的參與對象，那pandas中index索引功能是什麼呢？pandas中index索引可以輕松的讀取數據，更方便的數據查詢，使用index查詢的時候可以獲得性能提升。 一、index索引特點 更方便的數據查詢，使用index查詢的時候可以獲得性能提升； 自動的數據對齊功能； 更多更強大的數據結構支持。 二、index索引用途 1、使用index讀取數據 import pandas as pd df = pd.read_csv("./.
繼續訪問
pandas 基礎功能（二）
pandas 基礎功能（二） 1.新增 2.刪除 3.修改數據 1.新增 1)在最後新增一列(列S)： df["列S]=list ## 增加列的元素個數要跟原數據列的個數一樣 2)在指定位置新增一列(列Q): # 語法格式：列表.insert(index, obj) # index --->對象 obj 需要插入的索引位置。 # obj ---> 要插入列表中的對象（列名） col_name=df1.columns.tolist() # 將數據框的列...
繼續訪問
【報錯解決】復現Deep Supervised Cross-Modal Retrieval報錯mole scipy has no attribute spatial的解決
mole scipy has no attribute spatial報錯的解決。
繼續訪問

Python函數調用出現NameError: name 『xxx『 is not defined的解決辦法
原因： 函數里用的是局部變數，從而函數調用結束後會被銷毀。如果不聲明是全局變數，那麼就會報錯：（注意灰色字體注釋的地方） def load_data(): from keras.datasets import mnist # global train_image, train_lable , test_image, test_lable (train_image, train_lable), (test_image, test_lable) = mnist.load_data.
繼續訪問

Python使用pip安裝報錯：is not a supported wheel on this platform的解決方法
我的python是3.8 win64位 安裝cryptography報錯is not a supported wheel on this platform 首先我是在官網cryptography · PyPI下載的cryptography-37.0.2-pp38-pypy38_pp73-win_amd64.whl 官網如下，安裝的時候報錯cryptography · PyPI 解決版本：改安裝報的名字 步驟一，cmd裡面輸入pip debug --verbose，會列出支持包的名字，我把包的名字改
繼續訪問

Python-Pandas{數據結構與基本功能}
PandsSeries手動構建SeriesSeries的索引和切片按照字典的方式進行索引和切片   Pandas通常是用於數據分析過程中, 數據的清洗, 數據預處理, 數據的描述性分析等過程中。在整個Python數據分析的生態環境中, Pandas的地位非常重要, 利用Pandas可以快速便捷的對數據進行各種各樣的處理與操作.   在Pandas中, 最重要的兩種數據結構是1維的Series和2維的DataFrame. Series：一維數組，與Numpy中的一維array類似。二者與Python基本的數
繼續訪問

Pandas 10. 索引index的用途
更方便的數據查詢：df.loc[index, :]使用index會提升查詢性能自動的數據對齊功能;使用index.更多更強大的數據結構支持 很多強大的索引數據結構Categoricallndex,基於分類數據的Index,提升性能;Multilndex,多維索引，用於groupby多維聚合後結果等；Datetimelndex,時間類型索引，強大的日期和時間的方法支持：
繼續訪問

Pandas的索引index的用途（十一）
1、Pandas的索引index的用途 把數據存儲於普通的column列也能用於數據查詢，那使用index有什麼好處？ index的用途總結： 1、更方便的數據查詢； 2、使用index可以獲得性能提升； 3、自動的數據對齊功能； 4、更多更強大的數據結構支持； 2、實例用途 （1）讀取數據 import pandas as pd df = pd.read_csv...
繼續訪問
python語法基礎
1.import 和 from … import 模塊的變數、方法引用差異 from pandas import DataFrame from…import // 直接使用函數名使用就可以了 import pandas as pd import //模塊.函數 a.import…as import：導入一個模塊；註：相當於導入的是一個文件夾，是個相對路徑 import A as B：給予工具庫 A 一個簡單的別稱 B ，可以幫助記憶。例：import torc...
繼續訪問

python數據分析學習（3）
python數據分析·numpy的一些函數
繼續訪問

Pandas詳解三之Index對象
約定 import pandas as pd from pandas import DataFrame import numpy as np Index Index對象保存著索引標簽數據，它可以快速找到標簽對應的整數下標，其功能與Python的字典類似。 dict1={"Province":["Guangdong","Beijing","Qinghai","Fu...
繼續訪問
Pandas的索引index的用途
##Pandas的索引index的用途 '''把數據存儲於普通的column列也能用於數據查詢，那使用index有什麼好處?index的用途總結: 1.更方便的數據查詢; 2.使用index可以獲得性能提升; 3.自動的數據對齊功能; 4.更多更強大的數據結構支持;''' import pandas as pd df =pd.read_csv('F:\\python387\\pandas\\antlearnpandasmaster\\datas\\ml_latest_small\\ratings.csv'.
繼續訪問
python創建python.py時遇到的問題 name is not defined
創建py文件之後，運行文件時報錯： 是一個nameerror，說var為定義，所以執行不成功。這是因為將var定義在了函數裡面，即return後一行的代碼縮進了，導致var沒有定義成功，只需要去除縮進就可以了。 更改如下： ...
繼續訪問

pandas的Index對象
Index對象保存著索引標簽數據，它可以快速找到標簽對應的整數下標，其功能與Python的字典類似。 dict1={"Province":["Guangdong","Beijing","Qinghai","Fujiang"], "year":[2018]*4, "pop":[1.3,2.5,1.1,0.7]} df1=DataFrame(dict1) df1 1 2 3 4 5 代碼結果 Province pop year 0 Guangdong 1.3...
繼續訪問。

2. 如何在linux上安裝anacnda

第一步：下載ancaconda for linux 去官網下載就可以慧游純了。
第二磨悶步：在下載的anaconda 安裝包的目錄下進行安裝
安裝完成之前咐後要重啟終端，anaconda才能生效
第三步：驗證
輸入Python 進行python環境
輸入import scipy ,沒有報錯則安裝成功

3. day33 非root安裝conda

一、安裝miniconda
https://mirrors.tuna.tsinghua.e.cn/anaconda/miniconda/?C=M&O=A ，在這個網站里找鏈接。
wget --no-check-certificate https://mirrors.tuna.tsinghua.e.cn/anaconda/miniconda/Miniconda-3.0.4-Linux-x86_64.sh
這個版本比較早14年的。
但是發現之前用所里的conda建立的環境打衡正升不開了。而且create都不行。。。完全不能咐老用啊。

二、還是安裝升級版的anaconda吧。
在 https://mirrors.tuna.tsinghua.e.cn/anaconda/archive/ 查找版本
wget --no-check-certificate https://mirrors.tuna.tsinghua.e.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh

bash Anaconda3-2020.07-Linux-x86_64.sh
安裝到了/data/zds209/anaconda3這個文件夾下。

三、用自己的conda建立自己的虛擬環境
conda create -n R_4.0 python=3.8.3
注意的是一開始報了個錯：
Collecting package metadata (current_repodata.json): failed

在.condarc 文件里如下調整：添加了一些源，把之前的緣給#注釋掉。

四、升級conda
conda upgrade -n base -c defaults --override-channels conda
升級後為 conda4.13.0

五、用conda安裝R
輸入 conda install r-base=4.0 ，跑了十來分鍾，突然跳出一個可怕提示，然後就沒了。這是系統發現有個占內存太多的運行，給我滅了。。

折騰折騰清敏這么多天conda，學習虛擬環境，都是為了在linux裡面安裝R。。。。。快崩潰了。我去求助信息中心大神同事去吧。。真挫敗。

4. 我在Linux系統上安裝了Anaconda後怎麼運行spyder

在官網下載安裝包， 選擇 Python3.6 的安裝包進行下載，下載完成後安裝，安裝過程選擇默認配置即可。

5. 安裝conda後終端出現的(base)字樣去除方法

由於最近在學習機器學習，使用anaconda很方便。但是在mac或linux下安裝新版的anaconda後終端出現如下 (base) 字樣(終端顯示成這耐備樣是因為shell使用了 zsh 並使用oh-my-zsh樣式 af-magic )

讓強迫症十分不爽！於是從網上找去除方法，果然也有人遇到同樣困擾。 燃鵝都是復制過來復制過去的解決方法並沒有真正解決問題
每次終端輸入：

或者在 .bash_profile 文件中加入

當然 （base） 消失了，conda的python也用不了了,變成了默認的python2.7

如何只去除 （base） 字樣而不影響使用conda的python3.7呢
在網上找來找去最終在conda官方文檔梁逗中找到了答案
可以通過 .condarc 文件來控制顯示（此文件在 ~/.condarc 下）

vi ~/.condarc 在文件最後加入

如橡畝賣下（前3行是本來就有的，不用管它）

保存退出，重啟終端就會發現討厭的 (base) 欄位消失了

試一下，python正常

官方文檔: https://conda.io/projects/conda/en/latest/user-guide/configuration/use-condarc.html#change-command-prompt-changeps1

6. linux python環境安裝

本文主要介紹linux下用python做一些空間相關運算時，安裝環境的大體流程。

參考  anaconda安裝

參考  rtree安裝 ，主要的坑是孫擾裝完了spatialindex會遇到找不到libspatialindex_c.so.4的慶凱游問題，參考攻譽銷略中的解法。

安裝pymysql、MySQLdb

7. Linux非root用戶離線安裝anaconda

https://mirrors.tuna.tsinghua.e.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
若是伺服器沒網可用scp命令傳過去蔽穗散。

一直yes，不要按太多下，不然後面選擇配置默認環境會直接跳過

選擇yes，後面會讓你選擇是否安裝VScode，離線下就不裝了
到這一步就可以執行conda python命令了
但是如果用的是非bash還有一步

查看.zshrc配置文件，並將.bashrc復制到.zshrc裡面

此處宏氏遇到一個問題，伺服器用的zsh但是沒有.zshrc，有.bashrc。注釋掉.bashrc中的相關配置就行。我族陪是從自己機子上配好.zshrc然後用scp發過去的。

8. python anaconda 怎麼安裝

Anaconda的安裝
Anaconda的下載頁參見官網下載，Linux、Mac、Windows均支持。
安裝時，會發現有兩個不同版本的Anaconda，分別對應Python 2.7和Python 3.5，兩個版本其實除了這點區別外其他都一樣。後面我們會看到，安裝哪個版本並不本質，因為通過環境管理，我們可以很方便地切換運行時的Python版本。（由於我常用的Python是2.7和3.4，因此傾向於直接安裝Python 2.7對應的Anaconda）
下載後直接按照說明安裝即可。這里想提醒一點：盡量按照Anaconda默認的行為安裝——不使用root許可權，僅為個人安裝，安裝目錄設置在個人主目錄下（Windows就無所謂了）。這樣的好處是，同一台機器上的不同用戶完全可以安裝、配置自己的Anaconda，不會互相影響。
對於Mac、Linux系統，Anaconda安裝好後，實際上就是在主目錄下多了個文件夾（~/anaconda）而已，Windows會寫入注冊表。安裝時，安裝程序會把bin目錄加入PATH（Linux/Mac寫入~/.bashrc，Windows添加到系統變數PATH），這些操作也完全可以自己完成。以Linux/Mac為例，安裝完成後設置PATH的操作是

1
2
3
4

# 將anaconda的bin目錄加入PATH，根據版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

配置好PATH後，可以通過which conda或conda --version命令檢查是否正確。假如安裝的是Python 2.7對應的版本，運行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也說明該發行版默認的環境是Python 2.7。
Conda的環境管理
Conda的環境管理功能允許我們同時安裝若干不同版本的Python，並能自由切換。對於上述安裝過程，假設我們採用的是Python 2.7對應的安裝包，那麼Python 2.7就是默認的環境（默認名字是root，注意這個root不是超級管理員的意思）。
假設我們需要安裝Python 3.4，此時，我們需要做的操作如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# 創建一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create --name python34 python=3.4

# 安裝好後，使用activate激活某個環境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH

# 此時，再次輸入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境

# 如果想返回默認的python 2.7環境，運行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 刪除一個已有的環境
conda remove --name python34 --all

用戶安裝的不同python環境都會被放在目錄~/anaconda/envs下，可以在命令中運行conda info -e查看已安裝的環境，當前被激活的環境會顯示有一個星號或者括弧。
說明：有些用戶可能經常使用python 3.4環境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda對應的那個bin目錄。這個辦法，怎麼說呢，也是可以的，但總覺得不是那麼elegant……
如果直接按上面說的這么改PATH，你會發現conda命令又找不到了（當然找不到啦，因為conda在~/anaconda/bin里呢），這時候怎麼辦呢？方法有二：1. 顯式地給出conda的絕對地址 2. 在python34環境中也安裝conda工具（推薦）。
Conda的包管理
Conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：

1
2
3
4
5
6
7

# 安裝scipy
conda install scipy
# conda會從從遠程搜索scipy的相關信息和依賴項目，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）

# 查看已經安裝的packages
conda list
# 最新版的conda是從site-packages文件夾中搜索已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包

conda的一些常用操作如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 查看當前環境下已安裝的包
conda list

# 查看某個指定環境的已安裝包
conda list -n python34

# 查找package信息
conda search numpy

# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝

# 更新package
conda update -n python34 numpy

# 刪除package
conda remove -n python34 numpy

前面已經提到，conda將conda、python等都視為package，因此，完全可以使用conda來管理conda和python的版本，例如

1
2
3
4
5
6
7
8
9

# 更新conda，保持conda最新
conda update conda

# 更新anaconda
conda update anaconda

# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本

補充：如果創建新的python環境，比如3.4，運行conda create -n python34 python=3.4之後，conda僅安裝python 3.4相關的必須項，如python, pip等，如果希望該環境像默認環境那樣，安裝anaconda集合包，只需要：

1
2
3
4
5
6

# 在當前環境下安裝anaconda包集合
conda install anaconda

# 結合創建環境的命令，以上操作可以合並為
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安裝，根據需求安裝自己需要的package即可

設置國內鏡像
如果需要安裝很多packages，你會發現conda下載的速度經常很慢，因為Anaconda.org的伺服器在國外。所幸的是，清華TUNA鏡像源有Anaconda倉庫的鏡像，我們將其加入conda的配置即可：

1
2
3
4
5
6

# 添加Anaconda的TUNA鏡像
conda config --add channels
# TUNA的help中鏡像地址加有引號，需要去掉

# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes

執行完上述命令後，會生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，記錄著我們對conda的配置，直接手動創建、編輯該文件是相同的效果。
跋
Anaconda具有跨平台、包管理、環境管理的特點，因此很適合快速在新的機器上部署Python環境。總結而言，整套安裝、配置流程如下：
下載Anaconda、安裝
配置PATH（bashrc或環境變數），更改TUNA鏡像源
創建所需的不用版本的python環境
Just Try!

9. anaconda安裝教程

《Anaconda3軟體》網路網盤資源免費下載:

鏈接: https://pan..com/s/1pOzDpvL-l8y6zGvcOW2Ofg

Anaconda3-2020.02最新中文版是專門為了方便使用 Python 進行數據科學研究而建立的一組軟體包，涵蓋了數據科學領域常見的 Python 庫，並且自帶了專門用來解決軟體環境依賴問題的 conda 包管理系統。可以使用它創建虛擬環境，以便更輕松地處理多個項目。主要提供了包管理與環境管理的功能，可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。

10. linux 安裝anaconda後怎樣打開

當開機從OS光碟啟動，會先載入isolinux下可執行的內核映像vmlinuz，在內存中建立一個虛擬的根文件系統(rootfs)，然後內核載入初始RAM磁碟initrd.img，建立一個安裝Linux所需要枯高的系統環境，這就是所謂的第一階段。內核最後會運行initrd.img中的/init程序，由它來啟動第二階段的安裝過程，即載入系統安裝程序anaconda，執行具體的安裝過程。注意如果通過網路方式安裝（如NFS方式），則會根據安裝樹的NFS路徑，通過mount把vmlinuz和initrd.img掛載到本地，像訪問本地文件一樣訪問遠程文件，以建立安裝環境（在具體運行某個文件時會從網路下載到本地）。
initrd.img通常是一個用gzip壓縮的cpio歸檔文件，需要加上.gz後綴並用gunzip解壓成新的initrd.img，然後用cpio -i --make-directories < initrd.img釋放其內容，生成一個小型的根文件系統。可以看到/init程序指向的是/sbin/init程序，裡面還有loader程序，沒察尺這就是編譯anaconda源碼時生成的兩沒消個程序。可見這個initrd.img中的/sbin/init程序是專門為anaconda定製的，常被稱為installer類型的init。/sbin/loader程序可以看作是真正的anaconda自己的"init"程序，它由/init程序調用。