使用conda管理python环境

一、动机

最近打算折腾vn.py,但只有py27版本的,因为一向习惯使用最新稳定版的,所以不得不装py27的环境,不得不说
Python的全局锁真的很烦。
身为懒癌患者,必然使用全功能的anaconda,但不想同时装py27和py35两个版本的anaconda巨无霸(同时装两个,
不知道conda是否也可以管理环境),于是选择用conda装python27的环境及一些必要的包。
弄了几天终于把办公电脑和家里的Mac机上的环境都配好了,即使有了官方的安装教材,也踩了不少坑。
(因为国内主要的期货交易API接口只有windows和linux版,所以Mac上的环境只能用来回测,无法使用vn.py的模拟交易和实盘功能。)

二、环境管理

conda常用命令

  • 查看当前系统下的环境
conda info -e
  • 创建新的环境
# 指定python版本为2.7,注意至少需要指定python版本或者要安装的包# 后一种情况下,自动安装最新python版本
conda create -n env_name python=2.7
# 同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7
  • 环境切换
# 切换到新环境# linux/Mac下需要使用source activate env_name
activate env_name
#退出环境,也可以使用`activate root`切回root环境
deactivate env_name
  • 移除环境
conda remove -n env_name --all

三、包管理

  • 给某个特定环境安装package有两个选择,一是切换到该环境下直接安装,二是安装时指定环境参数-n
activate env_nameconda install pandas
# 安装anaconda发行版中所有的包
conda install anaconda
conda install -n env_name pandas
  • 查看已经安装的package
conda list
# 指定查看某环境下安装的package
conda list -n env_name
  • 查找包
conda search pyqtgraph
  • 更新包
conda update numpy
conda update anaconda
  • 卸载包
conda remove numpy

四、vnpy环境配置中遇到的疑难杂症

1、64位系统和root环境下指定安装32位

vnpy在window系统下使用的python版本和package都是32位的,但除非下载anaconda时就下载32位版本,
现在大多数系统都是64位了吧,我装的也是64位,那么用conda安装时默认64位,stackoverflow了发现解
决方案,安装前设置使用32位:

# 设置32位set CONDA_FORCE_32BIT=1
conda create -n env_name python=2.7
conda install numpy pandas
# 切回系统默认set CONDA_FORCE_32BIT=

2、设置国内镜像

家里用的长城宽带,访问国外资源的网速简直不能忍,于是看了下conda有没有国内的镜像。然后真找到了一个
清华大学TUNA镜像清华大学 TUNA 镜像源
网站有添加方法

# 需要去掉网址的引号
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

如果命令行方法添加不上,可以在用户目录下的.condarc中添加https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
如果没有该文件可以直接创建,Windows为C://Users/username/.condarc,Linux/Mac为~/.condarc
结果如下:

channels:
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 - defaults
show_channel_urls: yes

参考

conda文档
清华TUNA镜像
anaconda使用总结

时间: 2024-11-06 12:25:22

使用conda管理python环境的相关文章

关于使用pipenv管理Python环境

PyPI中的包名称不区分大小写 pipenv install ,创建虚拟环境,如果当前文件夹有pipfile,创建虚拟环境的同时还会下载pipfile配置文件中的包 激活虚拟环境,使用  pipenv shell, 或者pipenv run ... 删除虚拟环境,使用 pipenv --rm 推出虚拟环境,使用 exit 查看当前虚拟环境,使用 pipenv graph,或者 pip list 当出现提示: Courtesy Notice: Pipenv found itself running

python环境准备

环境准备: 可以使用linux操作系统或者mac系统,windows上也可以使用. python各个版本下载地址: https://www.python.org/downloads/ 可以根据自己的系统来选择对应的下载包. IDE & editor python比较好用的IDE是Pycharm,目前已经是5.0.4版本,推荐给大家使用,分为社区版和专业版,专业版是收费的. python版本选择 推荐使用3.4.x以上的版本,虽然很多模块在python2版本上比较稳定,相对支持的库也比较多,但是p

Conda 管理你的Python环境

Conda Conda 主要用户管理Anaconda下的Python版本环境 Conda 常用网站 https://www.anaconda.com/distribution/#linuxhttps://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ Conda 安装 Centos7 yum install conda Anaconda Download https://mirrors.tuna.tsinghua.edu.cn/anaconda/archi

Anaconda 查看、创建、管理和使用python环境

1. 查看Python环境 conda info --env可以看到所有python环境,前面有个‘*’的代表当前环境: 2.创建Python环境 conda create --name python36 python=3.6 代表创建一个python3.6的环境,我们把它命名为python36 3.管理和使用python环境 conda activate python36 原文地址:https://www.cnblogs.com/siyuan1998/p/11373401.html

升级python环境

说明 1.linux系统一般默认的python环境为2.6.x 2.因系统底层依赖python,盲目升级可能会有影响系统运行,所以此时需要在系统中安装多个python,即实现python的多版本共存.Pyenv就是这样一个python版本管理器. 3.注意此方式升级只是针对当前用户升级,并非所有用户,例如此次我们就是安装在deploy用户中. 安装pyenv 什么是pyenv?pyenv就是一个可以在系统中安装多个python,但又不影响系统自带的python环境的Python版本管理器. $g

python-pycharm中使用anaconda部署python环境

pycharm中使用anaconda部署python环境 今天来说一下python中一个管理包很好用的工具anaconda,可以轻松实现python中各种包的管理.相信大家都会有这种体验,在pycharm也是有包自动搜索和下载的功能,这个我在前面的一篇博客中有相关的介绍(详情请查看点击打开链接),但是这种功能对于一些包是可以使用的,但是总是会遇到有些包下载失败或查询不到的时候,这个时候就会让人很苦恼了.这里我们就来说一下anaconda的好处. 下面是我从别的地方贴来的说辞: Anaconda的

Windows 下python 环境安装

1.先在官网上下载安装包,官网地址:  https://www.python.org 2. 选择自己需要的版本进行安装,最好选择新版本下载, 3. 下载完成后,双击运行安装,一直next,直至安装完成 (安装时可以选择 add python 3.6 to path) 4.如果安装的时侯选择 add python to path,则会自动完成环境变量配置 手动配置环境变量,在"Path"行,添加python安装在win下面的路径即可,本人python安装在C:\Program Files

(2)在Windows 7 x64端设置Python环境

因Python语言在大数据处理,以及科学计算方向的雄起,另Django等Web框架已经在业界获得共识多年,所以本文拟搭建Python的学习开发环境.由于本人的笔记本及实验室主机系统环境以Windows为主,所以本文意在搭建Windows环境下的Python开发环境. 本文的内容主要分为以下几个部分:1.寻找合适的IDE:2.搭建Django:3.搭建Numpy+matplotlib+Scipy环境 *************************************************

python 环境部署:

pre { direction: ltr; color: rgb(0, 0, 10); text-align: left } pre.western { font-family: "Liberation Mono", serif } pre.cjk { font-family: "Droid Sans" } pre.ctl { font-family: "Liberation Mono" } td p { margin-bottom: 0cm;