Python 环境搭建

一、简介

借用官网的一句话来说明 Python 是什么。

Python is a programming language that lets you work quickly and integrate systems more effectively.

Python（UK：/ˈpaɪθən/  US：/ˈpaɪθɑːn/）是一种广泛使用的解释型、高级编程、通用型编程语言。Python 的设计哲学强调代码的可读性和简洁的语法，如使用空格缩进划分代码块，而非使用大括号或者关键词。

Python 在 web 开发，数据处理以及运维领域应用面非常广，当然在各个领域也有很多竞争对手。比如在 web 开发上，Java+Spring 生态威力巨大；在数据处理上，大数据相关组件大多是 Java 开发的，还有 MATLAB 这种商业化的软件；运维领域，docker+k8s 以及云原生理念的普及让 Golang 越来越流行。但是 Python 的易用、简洁以及庞大的生态，仍然让它久盛不衰。来看看官网上是怎么样介绍 Python 的应用场景吧。

• Web Development: Django, Pyramid, Bottle, Tornado, Flask, web2py

• GUI Development: tkInter, PyGObject, PyQt, PySide, Kivy, wxPython

• Scientific and Numeric: SciPy, Pandas, IPython

• Software Development: Buildbot, Trac, Roundup

• System Administration: Ansible, Salt, OpenStack

二、安装配置

下载 Python 安装包

首先从官网下载最新版 Python 3.8.5 。MacOS 跟 Linux 系统可以下载源码安装，Windows 直接使用安装器安装即可。32 位系统选择 x86 版本，64 位系统选择 x86-64 版本。

安装完成后，可以通过在终端或命令行查看查看安装的 Python 的具体版本。($ 开头代表终端命令行，不需要输入；# 表示之后内容是注释，下同)

$ python3 -V
Python 3.8.5

配置 pip

Python 非常强大的一点就是它有庞大的生态。而要想利用 Python 生态中丰富的资源，首先第一步就是要了解如何安装第三方包。

在安装完 Python 后，一起安装的还有一个 pip ，它就是用来管理各种资源包的。

$ pip3 -V
pip 19.2.3 from Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pip (python 3.8)

pip 是通过网络下载并安装资源，那么资源所在位置就很重要。如果是从国外下载，不仅慢而且经常会 time out，所以手动配置资源地址就很重要了。

方法一：

升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

$ pip3 install pip -U
$ pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这样在使用 pip 来安装时，会默认调用清华镜像资源。

方法二：

1. 需要创建或修改配置文件：

• Linux 的文件在 ~/.pip/pip.conf
  

• Windows 在 %HOMEPATH%\pip\pip.ini
  

2. 修改为使用阿里云镜像资源：

[global]
index-url = http://mirrors.aliyun.com/pypi/simple
[install]
trusted-host=mirrors.aliyun.com

这样在使用 pip 来安装时，会默认调用阿里云镜像资源。

使用虚拟环境

当我们有很多项目要开发的时候，每个项目可能依赖同一个第三方包，但是版本却不同，这该怎办呢？方法就是使用 Python 虚拟环境。

# 1. 进入项目目录
$ cd myproj
# 2. 创建虚拟环境
$ python3 -m venv .venv
# 3. 激活虚拟环境
$ . .venv/bin/activate  # 或者 source .venv/bin/activate
# 4. 退出虚拟环境
$ deactive

三、Anaconda

Anaconda 是一个可用于科学计算的 Python 发行版，支持 Linux、Mac、Windows系统，内置了常用的科学计算包。它解决了官方 Python 的两大痛点。

• 第一：提供包管理功能；

• 第二：提供环境管理的功能。

下载

在官网下载安装包， 根据操作系统选择安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可。

操作界面使用

1. 左侧 Home 菜单

• 可以通过添加 channels 增加镜像地址，如：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  
  

• 可以查看或启动已安装的应用；

2. 左侧 Environments 菜单，点击箭头选择功能

• 打开终端命令行

• 启动 Jupyter notebook

3. 左侧 Learning 菜单，可以查看各种资源文档；

命令行使用

conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和虚拟环境的组合。

通过 Environments 菜单，选择 open terminal，进入命令行终端。

1. 修改镜像地址

和 pip 一样，anaconda 的镜像地址默认在国外，用 conda 安装包的时候会慢，目前可用的国内镜像源地址有清华大学的。修改 ~/.condarc
(Linux/Mac) 或 C:\Users\当前用户名\.condarc
(Windows) 配置：

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

2. 查看已有环境

$ conda info -e
# conda environments:
#
base                  *  opt/anaconda3

或者

$ conda env list
# conda environments:
#
base                  *  opt/anaconda3

3. 新建环境

# 创建一个名为 myenv 的环境并指定 python 版本为3.6
$ conda create -n myenv python=3.6 
# 切换到 myenv 环境
$ activate myenv 
# 删除learn环境及下属所有包
$ conda remove -n myenv --all

4. 导入导出环境

如果想要导出当前环境的包信息可以用以下指令导出到 yaml 文件。

# * Re-run this command inside an activated conda environment.
$ conda env export > myenv.yaml
# * Provide an environment name via --name or -n
$ conda env export -n myenv > myenv.yam

当需要重新创建一个相同的虚拟环境时可以用创建。

$ conda env create -f myenv.yaml

5. 包管理

# 查看已安装的包
$ conda list 
# 安装 matplotlib 
$ conda install matplotlib
# 包更新
$ conda update matplotlib
# 删除包
$ conda remove matplotli

在 conda 中 anything is a package。conda 本身可以看作是一个包，python 环境可以看作是一个包，anaconda 也可以看作是一个包，因此除了普通的第三方包支持更新之外，这3个包也支持。比如：

# 更新 conda 本身
$ conda update conda
# 更新 anaconda 应用
$ conda update anaconda
# 更新 python
$ conda update python

四、Jupyter Notebook

简单来说 jupyter 的优点就是“所写即所得”。在浏览器上就可以编辑代码、记录文档，并且能够立即得到程序运行结果。

配置

在 Environments 菜单中选择要启动的环境，然后 open terminal。在终端执行：

$ jupyter notebook --generate-config

这个命令的作用是生成 jupyter notebook 的配置文件。如果是第一次运行，会直接生成这个文件。如果之前执行过这个命令，会提示是否要覆盖原来的文件。我们的主要目的只是为了找到这个文件的路径。

编辑配置文件

文件通常在 ~/.jupyter/jupyter_notebook_config.py
。编辑生成的文件，找到对应位置并修改。

## The directory to use for notebooks and kernels.
# c.NotebookApp.notebook_dir = ''


## Hashed password to use for web authentication.
#
#  To generate, type in a python/IPython shell:
#
#    from notebook.auth import passwd; passwd()
#
#  The string should be of the form type:salt:hashed-password.
# c.NotebookApp.password = ''

• c.NotebookApp.notebook_dir：工作目录，也就是之后代码保存的文件目录，启动需要去掉行头的 #
  ，下同

• c.NotebookApp.password：配置登录密码，密码生成如下：

1. 首先运行 ipython

$ ipython

2. 执行代码，根据提示输入密码

from notebook.auth import passwd; passwd()

3. 复制生成的结果，写入到 c.NotebookApp.password 配置中

启动

在 anaconda 界面，选择运行环境，然后启动 jupyter notebook 或者 jupyter lab。之后输入密码登录，如果长时间不能跳转页面，可以手动刷新。

1. 新建 notebook

2. 编辑代码

import pandas as pd
import numpy as np


dates = pd.date_range('2/6/2020', periods=5, freq='D')
df = pd.DataFrame(np.random.randn(5,4), index=dates, columns=list('ABCD'))
df.head()

 3. 运行，结果如图：

五、小结

经过一番折腾，Python 运行环境总算有了。接下来就可以正式进入 Python 的学习与使用了。本系列教程前期将主要使用 anaconda 作为包管理以及环境管理的工具，使用 jupyter 作为代码编辑与运行的工具。

参考链接：

Python 官网首页：https://www.python.org/

Python 介绍：https://www.python.org/about/apps/

Python 对比 MATLAB：https://www.zhihu.com/question/21404521

下载 Python 安装包地址：https://www.python.org/downloads/release/python-385/

Anaconda 官网：https://www.anaconda.com/products/individual/