利用Anaconda创建虚拟环境的全过程

下面是利用Anaconda创建虚拟环境的全过程。

环境说明

Anaconda是一款十分流行的数据科学平台，提供了强大而全面的数据科学工具集，其集成了python和许多其它数据科学工具包，因此开发者可以更加专注于数据分析工作。而虚拟环境是一个独立的Python运行环境，它可以拥有不同版本的Python解释器和不同包的集合，两个不同的虚拟环境间互不干扰，这对开发者来说是很重要的。

因此，利用Anaconda创建虚拟环境，可以满足我们不同项目的需求，并且保持环境隔离，尤其是当我们的工作同时使用多个版本的Python或多个版本的包时，就显得更为必要。

下面，我将详细讲解“利用Anaconda创建虚拟环境的全过程”，并给出两个示例说明。

创建虚拟环境

1. 打开Anaconda Navigator, 点击“Environments”，即可看到Anaconda默认安装的环境（默认的名称为“base”）

2. 点击“Create”按钮，弹出“Create Environment”窗口。在“Name”中输入虚拟环境的名称（比如“myenv”），在“Python version”中选择虚拟环境所使用的Python版本（默认选项为当前最新版本的Python，比如3.8.5）。勾选“Create a new environment with the same packages as the current environment”，就可以使用当前环境的所有包，勾选“Register Environment for all Users（requires admin privilege）”选项，可以将环境注册到系统环境变量中，方便别的程序使用此虚拟环境，勾选“Creating your environment，please standby...”选项，即可在命令行中显示出创建环境的过程，非常方便。

3. 点击“Create”，等待环境创建完成。创建完成后，在Anaconda Navigator中，切换到新创建的虚拟环境中，可以看到这个环境不同于默认的“base”环境。

给虚拟环境安装包

一旦虚拟环境创建完毕，在该环境中运行的python与默认的python不再一样。同时，除了虚拟环境自带的包外，该环境内还没有别的包。此时，我们可以通过多种方式往虚拟环境中安装自己需要的包，常用的方式有以下两种：

使用命令行

1. 打开命令行，进入虚拟环境

conda activate myenv

1. 使用“conda install”安装新包，比如安装“numpy”和“matplotlib”包

conda install numpy matplotlib

1. 安装完成后，可以看到新包已经添加到虚拟环境中

使用Anaconda Navigator

1. 在虚拟环境中启动Anaconda Navigator，进入“Environments”标签页，选择要安装包的虚拟环境（比如“myenv”）

2. 在底部的框中打开“Not installed”选项，搜索新包（比如“numpy”）

3. 点击包右侧的“Apply”按钮，等待安装完成

4. 安装完成后，可以看到新包已经添加到虚拟环境中

示例说明

示例1

在使用Python进行数据分析的过程中，我们通常需要使用到pandas和numpy等包，并且有时候需要与多个版本的Python进行交互。此时，我们可以如下操作：

1. 创建一个虚拟环境“data_analysis_env”，并将其与Python的决定版本3.6.9（根据主要项目使用的python版本来选择，这里使用3.6.9）相关联；
2. 安装pandas和numpy包，以免在项目进行中需要这些包时出现错误。

// 创建虚拟环境：
conda create -n data_analysis_env python=3.6.9

// 激活虚拟环境：
conda activate data_analysis_env

// 安装pandas和numpy：
conda install pandas numpy

示例2

有时候，不同的项目需要使用不同版本的Python来开展，使用虚拟环境可以轻松地管理多个Python版本环境，如下：

1. 创建“project1_env”虚拟环境，并将其与选择的Python版本3.8.5关联；
2. 创建“project2_env”虚拟环境，并将其与选择的Python版本2.7.11关联；
3. 在“project1_env”环境中同时安装tenserflow和keras包，并在“project2_env”环境中安装numpy和scipy包。

// 创建"project1_env"虚拟环境：
conda create -n project1_env python=3.8.5

// 激活虚拟环境：
conda activate project1_env

// 安装tensorflow和keras：
conda install tensorflow=2.3 keras=2.4

// 创建"project2_env"虚拟环境：
conda create -n project2_env python=2.7.11

// 激活虚拟环境：
conda activate project2_env

// 安装numpy和scipy：
conda install numpy scipy

通过上述两个示例，我们可以看到使用Anaconda创建虚拟环境确实可以为开发者提供便利和管理。