De siste dagene har jeg studert og trent veldig dypt Python programmeringsspråk som vi har snakket om på bloggen gjentatte ganger, er hovedårsaken fordi jeg har flere ideer som jeg vil spesifisere og som er ment å automatisere prosesser på Linux men det kan skaleres i andre operativsystemer.
All denne studien har gitt meg muligheten til å møte nye verktøy, triks og retningslinjer som vil være veldig nyttige for Python-programmerere, så de neste dagene vil vi sannsynligvis dele flere artikler relatert til dette flotte og kraftige programmeringsspråket.
Anaconda-distribusjon er et av de verktøyene jeg anser bør være grunnlaget for denne artikelserien, siden jeg anser det den mest komplette Suite for Data Science med Python og at det gir oss et stort antall funksjoner som vil tillate oss å utvikle applikasjoner på en mer effektiv, raskere og enklere måte.
Hva er Anaconda Distribution?
Anaconda er en Open Source Suiteeller som dekker en rekke applikasjoner, biblioteker og konsepter designet for utvikling av Datavitenskap med Python. Generelt linjene Anaconda Distribution er en Python-distribusjon som fungerer som en miljøansvarlig, en pakkeleder og har en samling av mer enn 720 open source-pakker.
Anaconda Distribution er gruppert i fire sektorer eller teknologiske løsninger, Anaconda Navigator, Anaconda-prosjektet, The datavitenskapelige biblioteker y conda. Alle disse installeres automatisk og i en veldig enkel prosedyre.
Når vi installerer Anaconda, vil vi ha tilgjengelig alle disse verktøyene som allerede er konfigurert, vi kan administrere det via det grafiske brukergrensesnittet Navigator, eller vi kan bruke Conda til administrasjon gjennom konsollen. Du kan installere, fjerne eller oppdatere en hvilken som helst Anaconda-pakke med noen få klikk i Navigator eller med en enkelt kommando fra Conda.
Anaconda-distribusjonsfunksjoner
Denne pakken for datavitenskap med Python har et stort antall funksjoner, blant hvilke vi kan fremheve følgende:
- Gratis, åpen kildekode, med ganske detaljert dokumentasjon og et flott fellesskap.
- Multiplatform (Linux, macOS og Windows).
- Det lar deg installere og administrere pakker, avhengigheter og miljøer for datavitenskap med Python på en veldig enkel måte.
- Hjelp med å utvikle datavitenskapelige prosjekter ved hjelp av forskjellige IDEer som Jupyter, JupyterLab, Spyder og RStudio.
- Den har verktøy som Dask, numpy, pandaer og Numba for å analysere data.
- Det gjør det mulig å visualisere data med Bokeh, Datashader, Holoviews eller Matplotlib.
- Et bredt utvalg av applikasjoner knyttet til maskinlæring og læringsmodeller.
- Anaconda Navigator er et ganske enkelt grafisk brukergrensesnitt, men med et enormt potensial.
- Du kan avansere datavitenskapsrelaterte pakker med Python fra terminalen.
- Gir muligheten til å få tilgang til mer avanserte læringsressurser.
- Fjern problemer med avhengighet og versjonskontroll.
- Den er utstyrt med verktøy som lar deg lage og dele dokumenter som inneholder kode med live-kompilering, ligninger, beskrivelser og merknader.
- Lar deg kompilere Python til maskinkode for rask kjøring.
- Det letter skrivingen av komplekse parallelle algoritmer for utførelse av oppgaver.
- Den har støtte for høyytelses databehandling.
- Prosjekter er bærbare, slik at du kan dele prosjekter med andre og kjøre prosjekter på forskjellige plattformer.
- Forenkle implementeringen av datavitenskapelige prosjekter raskt.
Hvordan installerer jeg Anaconda Distribution?
Installering av Anaconda Distribution er ganske enkelt, bare gå til Nedlastingsseksjon for Anaconda Distribution og last ned den versjonen du ønsker (Python 3.6 eller Python 2.7). Når vi har lastet ned, åpner vi en terminal, går til den tilsvarende katalogen og utfører installasjonsforsøket med den tilsvarende versjonen.
bash Anaconda3-4.4.0-Linux-x86_64.sh
o
bash Anaconda2-4.4.0-Linux-x86_64.sh
Så må vi trykke enter
for å fortsette godtar vi lisensen med yes
, bekrefter vi katalogen der vi skal installere Anaconda og til slutt velger vi yes
slik at Anaconda går foran maskinens Python.
Fra terminalen kjører vi Anaconda Navigator med anaconda-navigator
og vi kan begynne å glede oss over verktøyet som det fremgår av det følgende galleriet.
På samme måte kan du bruke følgende Conda-kommandoliste som lar deg installere og administrere pakker på en veldig rask måte.
Denne verktøysuiten er designet for datavitenskap med Python men nyttig for de fleste python-utviklere, har et stort antall applikasjoner og pakker som gjør at vi kan bli mer effektive.
Mange av pakkene og verktøyene som er tilstede i Anaconda Distribution vil bli evaluert i detalj i forskjellige artikler som vi vil publisere. Jeg håper dette området er av interesse for deg, og ikke glem å legge igjen dine kommentarer og kommentarer om det.
Utmerket
I Windows hvis Anaconda, men i Linux har jeg alltid sett det lettere å installere fra innskudd, det er mer integrert i systemet, det er lettere å installere. I det minste for bruk av pandaer, numpy og grunnleggende Jupyter Notebook som jeg gir deg, jeg har ikke hatt noen problemer
Veldig bra Lizard!
Anbefales det for de av oss som begynner i python?
Anbefales på det sterkeste for de som starter i python, det er et verktøy som heter jupyter notebook som er installert med Anaconda Distribution, og som jeg synes er ideelt for å lære og ta notater i python ... Vi vil snart ha en artikkel om dette verktøyet.
Jeg venter på ham.
hei jeg kan ikke kjøre anaconda-navigator i terminal
Jeg har samme vanskeligheter.
du bør sette dette først bare første gang de åpner det:
$ kilde ~ / .bashrc
Og så hvis de åpner det normalt som det ser ut over.
Preegunta, ¿Cual es el canal de telegram de desdelinux?
Dette er et veldig bra spørsmål. I det jeg så fant jeg ikke noe
Akkurat nå har vi ikke et ledelsesproblem, men vi vurderer å ha det så snart som mulig. For at samfunnet skal integreres.
Jeg har installert Anaconda3 på LinuxMint 18.2. Jeg åpner spyder og finner ut at det bare gir meg tilgang til harddisken. Du ser ikke USB. Hvordan kan jeg konfigurere dette alternativet? Med vennlig hilsen
Fin opplæring. Jeg opprettet en Lubuntu + Anaconda-maskin med alt klart til bruk.
Jeg deler det i tilfelle det er nyttig: https://github.com/Virtual-Machines/Anaconda-VirtualBox