Installieren Sie Anaconda Python- und Jupyter -Notizbücher für Data Science

Installieren Sie Anaconda Python- und Jupyter -Notizbücher für Data Science

Erste Schritte mit Anaconda

Um zu erklären, was Anaconda ist, werden wir seine Definition von der offiziellen Website zitieren:

Anakonda ist ein kostenloser, leicht zu installierter Paketmanager, Umweltmanager und Python-Vertrieb mit einer Sammlung von mehr als 1.000 Open-Source-Paketen mit kostenloser Community-Unterstützung. Anaconda ist plattformunabhängig, sodass Sie es verwenden können, unabhängig davon, ob Sie unter Windows, MacOS oder Linux sind.

Es ist einfach, jedes Datenwissenschaftsprojekt mit Anaconda zu sichern und zu skalieren, da Sie nativ ein Projekt von Ihrem Laptop direkt zum Einsatzcluster nehmen können. Auch mit dem offiziellen Bild können hier ein komplettes Features -Satz angezeigt werden:

Anaconda Enterprise

Um kurz zu zeigen, was Anaconda ist, finden Sie hier einige schnelle Punkte:

  • Es enthält Python und Hunderte von Paketen, die besonders nützlich sind, wenn Sie mit Datenwissenschaft und maschinellem Lernen anfangen oder erlebt werden
  • Es wird mit Conda Paket Manager und virtuellen Umgebungen geliefert, die sich sehr einfach entwickeln
  • Sie können mit der Entwicklung sehr schnell beginnen, ohne Ihre Zeit zu verschwenden, um Tools für Datenwissenschaft und maschinelles Lernen einzurichten

Sie können Anaconda von hier aus installieren. Es wird Python automatisch auf Ihrem Computer installiert, sodass Sie es nicht separat installieren müssen.

Anaconda gegen Jupyter -Notizbücher

Immer wenn ich versuche, Anaconda mit Menschen zu besprechen, die mit Python und Data Science Anfänger sind, werden sie zwischen Anaconda und Jupyter -Notizbüchern verwirrt. Wir werden den Unterschied in einer Zeile zitieren:

Anakonda Ist Paket-Manager. Jupyter ist ein Präsentationsfolie.

Anakonda versucht das zu lösen Abhängigkeit Hölle In Python-wo verschiedene Projekte unterschiedliche Abhängigkeitsversionen haben, um keine unterschiedlichen Projektabhängigkeiten zu machen, erfordern sie unterschiedliche Versionen, die sich gegenseitig beeinträchtigen können.

Jupyter versucht das Problem zu lösen Reproduzierbarkeit in der Analyse, indem ein iterativer und praktischer Ansatz zur Erklärung und Visualisierung von Code ermöglicht wird; Durch die Verwendung reicher Textdokumentation in Kombination mit visuellen Darstellungen in einer einzigen Lösung.

Anakonda ist ähnlich wie Pyenv, Venv und Minconda; Es soll eine Python -Umgebung erreichen, die zu 100% in einer anderen Umgebung reproduzierbar ist, unabhängig von anderen Versionen der Abhängigkeiten eines Projekts verfügbar. Es ist ein bisschen ähnlich wie Docker, aber auf das Python -Ökosystem beschränkt.

Jupyter ist ein Erstaunliches Präsentationswerkzeug für analytische Arbeit; Wo Sie Code in „Blöcken“ präsentieren können, kombiniert sich mit reichhaltigen Textbeschreibungen zwischen Blöcken und der Einbeziehung der formatierten Ausgabe aus den Blöcken und Grafiken, die in einer gut gestalteten Angelegenheit über den Code eines anderen Blocks generiert wurden.

Jupyter ist unglaublich gut in der analytischen Arbeit, um sicherzustellen Reproduzierbarkeit In der Forschung von jemandem kann jeder viele Monate später zurückkommen und visuell verstehen, was jemand zu erklären versuchte, und genau zu sehen.

In der analytischen Arbeit werden Sie häufig mit einer Tonnen von halbfertigen Notizbüchern enden, die Proof-of-Concept-Ideen erklären, von denen die meisten anfangs nirgends führen werden. Einige dieser Präsentationen könnten Monate später oder sogar Jahre später eine Grundlage für ein neues Problem aufbauen.

Verwenden von Anaconda und Jupyter Notebook von Anaconda

Schließlich werden wir uns einige Befehle ansehen, mit denen wir Anaconda, Python und Jupyter auf unserer Ubuntu -Maschine verwenden können. Zunächst werden wir das Installationsproking von der Anaconda -Website mit diesem Befehl herunterladen:

curl -o -k https: // repo.Anakonda.com/archiv/anaconda3-5.2.0-linux-x86_64.Sch

Wir müssen auch die Datenintegrität dieses Skripts sicherstellen:

SHA256SUM ANACONDA3-5.2.0-linux-x86_64.Sch

Wir erhalten die folgende Ausgabe:

Überprüfen Sie die Anakonda -Integrität

Wir können jetzt das Anaconda -Skript ausführen:

Bash Anaconda3-5.2.0-linux-x86_64.Sch

Sobald Sie die Bedingungen akzeptiert haben, geben Sie einen Speicherort für die Installation von Paketen an oder drücken Sie einfach die Eingabetaste, um den Standardstandort zu belegen. Sobald die Installation abgeschlossen ist, können wir die Installation mit diesem Befehl aktivieren:

Quelle ~/.bashrc

Testen Sie schließlich die Installation:

Conda -Liste

Eine Anakonda -Umgebung machen

Sobald wir eine vollständige Installation haben, können wir den folgenden Befehl verwenden, um eine neue Umgebung zu erstellen:

conda create -name my_env python = 3

Wir können jetzt die Umgebung aktivieren, die wir gemacht haben:

Quelle aktivieren my_env

Damit ändert sich unsere Eingabeaufforderung und spiegelt eine aktive Anaconda -Umgebung wider. Um eine Jupyter -Umgebung einzurichten, fahren Sie mit dieser Lektion fort, die eine hervorragende Lektion zur Installation von Jupyter -Notizbüchern auf Ubuntu ist und sie verwenden kann.

Schlussfolgerung: Installieren Sie Anaconda Python- und Jupyter -Notizbücher für Data Science

In dieser Lektion haben wir untersucht, wie wir die Anaconda -Umgebung auf Ubuntu 18 installieren und beginnen können.04, was ein ausgezeichneter Umweltmanager ist, insbesondere für Anfänger für Datenwissenschaft und maschinelles Lernen. Dies ist nur eine sehr einfache Einführung vieler Lektionen für Anaconda, Python, Datenwissenschaft und maschinelles Lernen. Teilen Sie Ihr Feedback für die Lektion mit mir oder an LinuxHint Twitter Handle.