python工具-Anaconda

原创 已于 2026-06-20 20:35:58 修改 · 193 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#python #开发语言
话题
#AI编程·六月创作之星博客挑战赛
于 2026-06-20 10:59:02 首次发布

Anaconda 是专为数据科学设计的 Python 发行版，就像一个预装了所有工具的"机器学习工具箱"。

Anaconda 的优势
  1. 预装常用库：NumPy、Pandas、Scikit-learn 等
  2. 环境管理：conda 命令管理虚拟环境
  3. 图形界面：Anaconda Navigator 提供可视化操作
  4. 跨平台：支持所有主流操作系统
安装 Anaconda
  1. 访问 Download Anaconda Distribution | Anaconda
  2. 下载对应系统的安装包  macOS terminal installer - Anaconda   eg. curl -O https://repo.anaconda.com/miniconda/Miniconda3-py39_25.5.1-1-MacOSX-x86_64.sh  
  3. 运行安装程序，按提示完成安装 bash ./Miniconda3-latest-MacOSX-arm64.sh source ~/.zshrc

验证安装:

conda --version
python --version

虚拟环境就像为每个项目准备的独立厨房，避免不同项目的"调料"（库版本）相互干扰。

虚拟环境的好处
  1. 依赖隔离：不同项目使用不同版本的库
  2. 环境复现：方便在其他机器上重建相同环境
  3. 权限管理：避免污染系统 Python 环境
  4. 项目清理：删除项目时一并删除相关环境

使用 conda 管理环境

# 创建环境
conda create -n ml_env python=3.8
# 激活环境
conda activate ml_env
# 安装包
conda install numpy pandas scikit-learn
# 列出环境
conda env list
# 删除环境
conda env remove -n ml_env
安装Anaconda后使用ros各种Python工具报错
xihuanzhi1854的博客
05-10 1839
ImportError: No module named rospkg I did pip install rospkg since I have anaconda. It worked. (as a side note, for some packages I also got “No module named Em”, for which I used pip install empy) ...
使用Anaconda安装python和工具包
mudearlu的博客
03-17 9812
使用Anaconda安装python,安装工具包 捡起很久没学的东西，重新安装一下Python，这是机器学习课上老师教的安装步骤，记录下来，也分享给需要的人。 首先我们要知道，Anaconda 包括了python和一个包管理器conda，以及很多常见的软件库。我们可以在Anaconda中安装、更新、卸载各种工具包，而且安装时能自动安装相应的依赖包，所以用起来很方便。 安装步骤： 通过清华镜像 下载最新的anaconda； 直接百度搜索“anaconda清华镜像下载”，或者用这个链接: link.
anaconda工具以及python开发IDE介绍
sarracode的博客
02-06 4602
1.anaconda anaconda是一个集成各类python工具的集成平台，一个集合，包括conda、某版本python、一批第三方库等。 下载安装好的anaconda如下图所示 2.conda conda是一个工具，用于包管理和环境管理，包管理与pip类似，管理python第三方库，环境管理能够允许用户使用不同版本python，并能灵活切换。 在windows平台下，执行 co...
anaconda python_机器学习用Python—Python集成工具包Anaconda安装步骤
weixin_39708708的博客
11-27 236
作者：kervin编辑：阿吉 近几年来，机器学习以及深度学习的研究异常火热，机器学习和深度学习也逐渐渗透到各个领域，当然，脑科学领域也不例外。利用机器学习和深度学习技术解决脑科学领域中的问题，成为目前最为火热的研究方向之一。而神经科学+机器学习/深度学习方面的研究论文近几年来呈现指数增长的趋势。我们公众号曾解读过多篇关于神经科学+机器学习/深度学习的最新研究成果，感兴趣的朋友...
萌新学 Python 之相关工具 Anaconda、Pip
m0_58838332的博客
01-06 1101
（在requirements.txt文本中可以使用==，>=，<=，>，<来指定版本）计算机中的字符集：ascii、gb2312、gbk、gb18030、unicode、utf-8。2.多行注释：''''''（三个单引号或者三个多引号）删除环境：condaremove-ntest--all。可以看到，版本选了3.7，下载了python-3.7.16。（-n后面是你创建的名字，=后面是版本）调式代码，运行代码，也可以管理项目环境。包管理工具：安装、卸载、更新第三方库。
Python图片压缩方法全解：从入门到进阶
最新发布
得塔云的博客
06-19 311
本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。
24-Django请求全链路-WSGI到数据库响应的完整旅程
weixin_44081096的博客
06-15 1071
你点了浏览器的"刷新"按钮，0.5 秒后页面渲染完毕。这 0.5 秒里发生了什么？本文把 Django 处理一个 HTTP 请求的完整链路拆为六个步骤：WSGI Server 接收 TCP 连接 → 中间件栈的洋葱模型逐层处理 → URL 路由匹配 → View 执行业务逻辑 → ORM 生成 SQL 并发送到数据库 → Template 渲染或 JSON 序列化返回响应。每一步都配有对应的源码位置和关键代码片段，读完你能对一个请求的全生命周期建立起清晰的空间模型。穿插真实调试经历——一个中间件错误导致所有
CUDA C++ 矩阵乘法详解：从 CUBLAS 示例到 cublasSgemm 实战
插件开发
06-15 734
本文解析了使用NVIDIA CUBLAS库进行高性能矩阵乘法的关键注意事项。由于CUBLAS采用列主序存储，而C/C++使用行主序，直接调用cublasSgemm(A,B)会导致隐式转置，实际计算的是Aᵀ*Bᵀ。正确做法是颠倒参数顺序调用cublasSgemm(B,A)，这样既避免了显式转置，又能直接获得行主序结果。文中提供了完整的CUDA代码示例，包括CPU参考实现、矩阵初始化和误差检查函数，并详细解释了行/列主序转换的原理，帮助开发者正确使用CUBLAS进行高效矩阵运算。
鸿蒙PC迁移：fontTools Python 三方库鸿蒙PC适配全记录
knighthood2001
06-15 5504
欢迎加入鸿蒙PC开发者社区，共同打造开发者工具生态：鸿蒙PC开发者社区：https://harmonypc.csdn.net/项目开源地址：https://atomgit.com/OpenHarmonyPCDeveloper/ohos_fontTools欢迎在PC社区平台申请新建项目：https://atomgit.com/OpenHarmonyPCDeveloper这篇文章记录的是一次把 Python 字体处理三方库fontTools接入 HarmonyOS PC / 鸿蒙 PC 应用的完整过程。
AI Infra 硬件体系与编程模型：18. CUDA编程基础：使用 PyTorch CUDA Extension 实现自定义算子
basketball616的博客
06-17 435
本文详细介绍了PyTorch CUDA扩展的开发方法与架构。主要内容包括： 开发动机：解决原生算子不足、Python实现性能差、需要算子融合和硬件特性定制等问题 三层架构： CUDA核函数层：纯GPU计算逻辑 C++封装层：连接PyTorch与CUDA，处理张量转换 Python层：提供用户接口 核心依赖：ATen张量库作为基础，通过torch/extension.h头文件提供统一接口 关键技术： 使用pybind11实现Python-C++绑定 支持即时编译(JI
Hermes Agent 中 Skills 与 Tools 的关系分析
LOUISLIAOXH的专栏
06-16 286
Hermes Agent 中 Skills 与 Tools 的关系分析 Hermes Agent 将 Skills 功能通过 3 个独立 tool（skills_list、skill_view、skill_manage）暴露给大模型，而非单一工具。这些工具注册在 skills toolset 下，并在系统初始化时加载。 内容装载采用三级机制： 系统提示注入：初始化时在 system prompt 中嵌入紧凑的技能索引（仅名称和简介）； 工具 Schema 描述：每次 API 调用携带详细功能说明； 按需加载
python打包
小小的博客
06-15 295
在Python打包工具的选型上，没有绝对的"最好"，只有"最适合"。简单来说：追求省心就用 PyInstaller，追求极致性能和保护就用 Nuitka，而 cx_Freeze 目前更像是一个夹在中间但已逐渐边缘化的选择。这三者的详细核心区别，可以参考下面的对比表格：基于上述对比，你可以根据你的项目情况来决策：从目前的社区活跃度和技术演进来看，cx_Freeze已逐渐边缘化。它既没有PyInstaller的便利性，也没有Nuitka的性能优势。配置相对复杂，社区支持也较弱。除非你在维护一个必须使用它的历史项
衣览无余测试报告
XU_very_NB的博客
06-16 229
本次测试工作以 AIWear Web 系统为对象，结合手工测试用例设计与 Python + Selenium 自动化测试脚本，对系统的登录认证、图片编辑、图片合并、图片管理、文搜图和历史记录等核心链路进行验证，重点关注页面功能正确性、登录态 token 传递、输入校验、图片选择及结果展示的稳定性。AIWear 项目围绕“衣览无余”的业务目标，提供基于 Web 的图片编辑、图片合并、我的图片、历史记录等功能，帮助用户通过简单的页面操作完成图片生成与管理。测试过程中重点关注登录态 token 的复用。
FastAPI基础
m0_60121089的博客
06-14 624
本文介绍了FastAPI框架的基础和进阶使用。主要内容包括：1）FastAPI基础：创建项目、路由定义（路径参数、查询参数、请求体参数）、响应类型设置和异常处理；2）进阶功能：中间件机制、依赖注入系统；3）ORM操作：通过SQLAlchemy实现数据库建模、增删改查和聚合分页查询。重点演示了FastAPI的高效API开发流程，包括参数校验、自动文档生成、异步数据库操作等特性，展现了其高性能、易用性和安全性优势。
JUC 总结：从 Java 内存模型到线程池的并发核心梳理
2301_80821045的博客
06-15 549
本文总结了Java并发编程（JUC）的基础知识要点： 进程与线程：进程是资源分配的最小单位，线程是调度的最小单位，线程更轻量级且切换成本低； 线程创建方式：继承Thread类、实现Runnable/Callable接口、使用线程池（推荐）； Runnable与Callable区别：Callable有返回值且可抛异常，需通过FutureTask适配； 线程状态：新建、可运行、阻塞、等待、定时等待和终止6种状态； 线程控制：start()启动新线程，run()同步执行；join()实现顺序执行，CountDow
为什么Python不用var或let声明变量？
这家伙很懒，什么都没有留下
06-18 327
语言声明关键字作用域规则需要类型吗？Python无（赋值即声明）函数级作用域否（注解可选）JavaScriptvarletconstletconst是块级，var是函数级否Java类型在前块级是C类型在前块级是Govar:=块级是Rustletlet mut块级是C++类型在前/auto块级是没有任何声明关键字。为什么Python不用var或let？设计哲学：赋值即声明，简洁明了，减少冗余语法历史因素：Python从一开始就这么设计，没有历史包袱避免复杂。
FastAPI 全栈后端（八）：部署与运维
放下华子我只抽RuiKe5的博客
06-14 401
本文总结了FastAPI后端开发的关键实践，涵盖环境配置、部署优化、监控与安全等方面。主要内容包括： 环境管理：使用Pydantic配置类区分开发/生产环境，通过.env文件管理敏感变量 部署方案： 开发环境：Uvicorn热重载 生产环境：Gunicorn+Uvicorn多进程 Docker容器化集成PostgreSQL 运维保障：实现健康检查接口，配合Nginx负载均衡 安全实践：环境变量隔离、结构化日志记录 技术体系：完整路线图涵盖RESTful、异步数据库、JWT认证、测试等核心模块 作者Yardo
解读《Effective Python 3rd Edition》：从练气到老魔（第六章 Item 44 - 47）
Cloud_Shy的博客
06-13 843
本系列笔记是博主阅读《Effective Python 3rd Edition)》的学习记录，主要记录了在学习过程中遇到的各种实际问题与解决方法。本文是第六章：Functions Item 44 - 47 的解读，主要讲解了使用大型推导式的生成器表达式的场景，生成器的 yield 功能，将迭代器作为参数传递到生成器的好处，以及使用类来管理迭代状态转换。
如何使用鳄鱼线做股票交易（下）：量化代码实现与避坑指南
weixin_73631017的博客
06-17 472
本文介绍了如何用Python实现鳄鱼线量化交易策略，重点解析了趋势判断、入场逻辑和常见陷阱。文章首先阐述了鳄鱼线的三大核心交易规则：通过三条均线的排列识别趋势方向，用价差扩散判断趋势强度，并设置多条件过滤无效信号。特别强调了均线平移(shift)的正确用法，指出错误的平移会导致未来函数问题，使回测结果失真。随后提供了完整的Python代码实现，包括SMMA计算、信号生成、回测框架和可视化功能。最后建议读者通过实践掌握时序数据处理、多条件组合等量化技能，并指出鳄鱼线的核心价值在于趋势过滤而非涨跌预测。全文突出
计算机二级Python备考资料
m0_67097444的博客
06-17 241
操作：append()、extend()、insert()、remove()、pop()、sort()、reverse()基本数据类型：int(整数)、float(浮点数)、str(字符串)、bool(布尔值)操作：keys()、values()、items()、get()、update()序列操作：len()、max()、min()、sum()、sorted()操作：add()、remove()、并集(|)、交集(&)、差集(-)打开模式：r(读)、w(写)、a(追加)、r+(读写)、b(二进制)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值