Python科学计算发行版—Anaconda

Python是一种强大的编程语言,其提供了很多用于科学计算的模块,常见的包括numpy、scipy和matplotlib。要利用Python进行科学计算,就需要一一安装所需的模块,而这些模块可能又依赖于其它的软件包或库,因而安装和使用起来相对麻烦。幸好有人专门在做这一类事情,将科学计算所需要的模块都编译好,然后打包以发行版的形式供用户使用,Anaconda就是其中一个常用的科学计算发行版。

主页: https://store.continuum.io/cshop/anaconda/

Anaconda的特点:

  • 包含了众多流行的科学、数学、工程、数据分析的Python包http://docs.continuum.io/anaconda/pkgs.html
  • 完全开源和免费
  • 额外的加速、优化是收费的,但对于学术用途可以申请免费的License
  • 全平台支持:Linux、Windows、Mac
  • 支持Python 2.6、2.7、3.3、3.4,可自由切换

安装

  1. 安装pyenv

    安装anaconda之后,系统内就会存在两个版本的Python:anaconda以及系统自带的Python。

    为了保证两个Python版本之间不相互干扰,需要使用专门的工具来管理多个Python版本。这里选择的工具是pyenv。

    pyenv的安装可以参考《Python多版本共存之pyenv》。

    当然,也可以不使用pyenv,而直接从其官方网站下载:http://continuum.io/downloads 。此时用户需自行承担可能的版本冲突。

安装anaconda

Anaconda支持Python 2和Python 3,但二者是分开的,用户需要自己选择使用Python 2还是Python 3。当然,借助于pyenv的版本管理功能,同时装两个版本也是没问题的。

安装支持Python 2.7的Anaconda:

pyenv install anaconda-2.0.1

安装支持Python 3.4的Anaconda:

pyenv install anaconda3-2.0.1
  1. 申请免费的学术License

    对于学生来说,可以申请免费的学术License,以安装额外的功能包,以实现计算过程的加速。

    申请地址: https://store.continuum.io/cshop/academicanaconda

    申请后,会得到一个license文件,将其放在~/.continuum目录下即可。

  2. 安装额外的功能包

安装额外的功能包

conda update conda
conda install accelerate
conda install iopro

安装模块
Anaconda已经自带了大量科学计算中的常用模块,可以直接使用。有时需要安装一些其他python模块。

conda
anaconda自带了conda命令用于安装与更新模块,比如:

conda install scipy
conda update scipy

pip

pip是Python自带的模块安装工具,比如:

pip install requests
pip install requests --upgrade

升级Anaconda
新版本发布之后,可以使用pyenv安装Anaconda的最新版本,也可以用Anaconda的自带更新工具升级:

conda update conda
conda update anaconda
时间: 2024-12-27 20:26:40

Python科学计算发行版—Anaconda的相关文章

目前比较流行的Python科学计算发行版

经常有身边的学友问到用什么Python发行版比较好? 其实目前比较流行的Python科学计算发行版,主要有这么几个: Python(x,y) GUI基于PyQt,曾经是功能最全也是最强大的,而且是Windows系统中科学免费Python发行版的不二选择.不过今时已不同往昔! PythonXY里面的许多包为了兼容性的问题,无法使用最新的程序包.尤其是令人气愤的是MinGW到现在还是古董级的4.5版本,而TDM-GCC现在都4.8.1-3了.不过这个包在你安装了之后,除了占用较大的磁盘空间之外,基本

几个Python科学计算发行版

1.Python(x,y) http://python-xy.github.io/ 不推荐 2.Anaconda http://continuum.io/ 支持教育账户 推荐 3.Canopy 暂时无法访问下载 4.Python虚拟环境:virtualenv

Python科学计算环境推荐——Anaconda

最近在用Python做中文自然语言处理.使用的IDE是PyCharm.PyCharm确实是Python开发之首选,但用于科学计算方面,还略有欠缺.为此我尝试过Enthought Canopy,但Canopy感觉把问题搞得复杂化,管理Python扩展也不太方便.直到今天我发现了 Anaconda . Anaconda是一个和Canopy类似的科学计算环境,但用起来更加方便.自带的包管理器conda也很强大. 首先是下载安装.Anaconda提供了Python2.7和Python3.4两个版本,同时

python科学计算 第二版

链接:https://pan.baidu.com/s/16Nps3uZY3Dtli_Z_cHNxeg 密码:r3lh 原文地址:https://www.cnblogs.com/luoshuifusheng/p/9442453.html

Python科学计算(一)

作者 J.R. Johansson ([email protected]) http://dml.riken.jp/~rob/ 最新版本的 IPython notebook 课程文件 http://github.com/jrjohansson/scientific-python-lectures. 作者其他的 notebook http://jrjohansson.github.com. 一.实验说明 本课主要介绍科学计算,实验环境的安装以及使用等内容. 1. 环境登录 无需密码自动登录,系统用

Python科学计算函数库介绍

数值计算库 NumPy为Python提供了快速的多维数组处理的能力,而SciPy则在NumPy基础上添加了众多的科学计算所需的各种工具包,有了这两个库,Python就有几乎和Matlab一样的处理数据和计算的能力了. NumPy和SciPy官方网址: http://www.scipy.org NumPy为Python带来了真正的多维数组功能,并且提供了丰富的函数库处理这些数组.它将常用的数学函数都进行数组化,使得这些数学函数能够直接对数组进行操作,将本来需要在Python级别进行的循环,放到C语

安装python科学计算库 [windows下]

由于今天数据挖掘练习的缘故,需要安装一些常用的科学计算库,如耳熟能详的numpy,scipy,sklearn,matplotlib,seaborn等. 本机python 32位版本3.6,使用pip3安装相关库,看到知乎上要说换用anaconda(附带python和一些扩展库),再用conda工具安装没有的库,可以很好的解决依赖问题.由于我对Python的依赖关系的管理没有深入了解,只依赖于pip或者easy_install的使用,所以当遇到pip安装某个库失败时,就有些无措了. 解决方法如下:

Python科学计算之Pandas

Reference: http://mp.weixin.qq.com/s?src=3&timestamp=1474979163&ver=1&signature=wnZn1UtWreFWjQbpWweZXp6RRvmmKwW1-Kud3x6OF0czmyPqv*F6KzQ1i-dKhi4D-QvDjp1mFDdqAHLPrCLgMOb1KXJcbbkU5-QAREDarkCaPumjQlORzVAOma541S0X2MGgysuH18DI2567rBcTSkMHPsVf6sxClfB

windows下安装python科学计算环境,numpy scipy scikit等

背景: 目的:要用Python下的DBSCAN聚类算法. scikit-learn 是一个基于SciPy和Numpy的开源机器学习模块,包括分类.回归.聚类系列算法,主要算法有SVM.逻辑回归.朴素贝叶斯.Kmeans.DBSCAN等,目前由INRI 资助,偶尔Google也资助一点. SciPy是一个开源的Python算法库和数学工具包,SciPy包含的模块有最优化.线性代数.积分.插值.特殊函数.快速傅里叶变换.信号处理和图像处理.常微分方程求解和其他科学与工程中常用的计算.其功能与软件MA