我个人在尝试在我的Linux和Windows机器上安装Python时曾遇到过各种各样的问题。一般在出问题之前安装总是很顺利。出了问题之后要么是兼容性问题，要么是关于某种依赖性缺失的问题。
如果你曾经在尝试在你的机器上安装Python时遇到过这种琐碎的问题，那么本文就是为你准备的。在我出现问题之时我一般需要查找几个论坛或网站来解决我的问题，这不是一个好的过程，所以我决定把所有的东西整理一下，放在一个地方分享给你。
我提供了一个循序渐进的过程，你可以通过以下三个平台上设置Anaconda来安装Python:
数据科学的重要工具
在Linux上安装Python的步骤
在macOS上安装Python的步骤
在Windows上安装Python的步骤
数据科学家的工具箱可能会让你大吃一惊，因为工作的不同方面可能需要多个工具。然而，有些工具比其他工具更重要(或使用得更广泛)。以下是每个数据科学家(无论是新手还是有经验的)，都需要的一些必备工具:
Python: Python是数据科学中使用最广泛的编程语言。与其他语言相比，几乎每一个机器学习的新开发都是先在Python中进行的。它之所以被广泛采用，是因为Python中有一些非常有用的库。
Pandas:在数据处理和分析方面，没有什么能比得上Pandas。Pandas是一个Python库。一般在执行任何分析或构建机器学习模型之前都需要操作数据，在操作数据时它非常有用。
NumPy:和Pandas一样，NumPy也是一个非常受欢迎的Python库。NumPy引入了支持大型多维数组和矩阵的函数。它还引入了高级数学函数来处理这些数组和矩阵
Matplotlib: Matplotlib是Python中最流行的数据可视化库。它允许我们生成和构建各种各样的图
Scikit-Learn:就像用于数据操作的Pandas和用于可视化的Matplotlib一样，Scikit-Learn在构建实际模型是佼佼者
Jupyter Notebook: Jupyter Notebook是一个非常有用的IDE，可以进行数据科学实验，它甚至可以记录你的方法，并根据你的代码实验创建演示文稿和幻灯片。
最棒的是Miniconda和Anaconda默认配置了以上所有工具!
当你学习数据科学时，Python是一个非常重要的软件。它允许我们安装几乎所有的库和工具，这些库和工具是我们在使用Python进行数据科学之旅时所需要的。它有一个非常简单的接口，让我们只用几行代码就可以完成大多数数据科学任务。
Miniconda是Anaconda的一个轻量级版本。如果你的计算机上没有足够的磁盘空间的话，Miniconda是一个很好的选择。
让我们来看看如何在我们自己的机器上同时设置Anaconda和Miniconda!
Linux是数据科学界广泛喜爱的平台。它为我们执行的数据科学任务提供了极大的灵活性。但是这里有一个小警告——如果你是Linux初学者，在Linux上安装软件可能相当棘手!
以下是在Linux上安装Python和流行数据科学工具的步骤。
第一步:获取Miniconda
你可以从下面这个链接下载Miniconda:
https://docs.conda.io/en/latest/miniconda.html
你可以选择Linux版本的安装程序，建议的Python版本应该是任何大于Python 3.5的版本。
第二步:安装Miniconda
现在已经下载了Miniconda文件，下一步是在系统中安装它。为此，首先进入下载文件的目录:
cd directory_name
然后，为了启动安装脚本，使用bash命令输入Miniconda文件名:
bash miniconda_file_name
如果要求确认，请按回车键继续。
一旦你看到许可条款，请继续按enter键，直到接受这些条款为止。然后输入"yes"接受条款。然后它会要求你选择安装位置:
你可以提供一个单独的位置，或者按enter键选择默认位置。除非我的主驱动器有空间问题，否则我通常更喜欢默认选项。在这里我给出了另一个安装位置。
在此之后，这个过程相当简单，因为你只需要说"yes"并按下Enter键即可。请记住，安装可能需要一些时间，所以当你的机器在安装所有东西时，可以去喝杯咖啡了!
完成上述步骤后，将要求你打开另一个终端以激活Miniconda，打开一个新的终端，我们开始处理接下来的步骤
第三步:创建新环境
环境基本上就是你的"工作区"。你想怎么设置就怎么设置。这非常酷!
你可以选择环境中Python库的版本，这可以帮助你更好地控制数据科学工作。
现在，Miniconda环境的好处是它允许你创建多个这样的环境。你可以管理多个独立的环境，每个环境用于一个单独的任务!
让我用一个例子来解释一下。假设我们正在使用一个最先进的框架(比如用于自然语言处理的PyTorch-Transformers)，并且我们需要依赖库的所有最新版本。接下来就是环境派上用场的地方。
例如我们有一个旧的遗留项目，并且我们被迫使用项目所需的某些版本的库。我们可以让这个最新版本的安装与这些老版本的库共存。
你可以使用以下命令创建一个环境:
conda create -n av python=3 anaconda
"av"是环境的名称(这个名称你可以任意给出)。python=3是我们想要使用的python版本。
若要检查环境是否已成功创建，请键入以下命令:
conda env list
这将给我们一个当前安装在系统中的环境列表。
第四步:激活新环境
现在，要开始使用你创建的新环境，输入以下命令:
source activate av
为了确保在活动环境中工作正常，我们可以使用以下命令查看在该环境中安装的库的列表:
conda list
上面的命令应该会给你这样的输出:
一旦你完成了一个环境的工作，你想要停用它，你可以使用:
source deactivate av
因此，现在所有的设置已经完成，接下来检查是否如预期的那样工作。让我们进入下一步。
第五步:启动Jupyter Notebook
打开Jupyter Notebook 命令如下:
jupyter notebook
这将启动浏览器中的Jupyter Notebook:
接下来，你只需点击"新建"，并选择"python3"，就可以开始使用python3的Notebook了:
很简单，不是吗?
恭喜你!现在，你已经成功地在系统上安装了Anaconda。由于Anaconda默认配置了Python和所有数据科学库(比如Pandas、Numpy、Scikit-Learn等)一起提供，所以现在你的系统中也包含了所有这些库!
如果你仍然有疑问或在任何步骤卡住，这里是整个安装过程的视频^1:
macOS的安装步骤非常类似于Linux的安装步骤。它们都具有相同的bash终端。唯一的区别是需要下载的Miniconda安装文件。
你可以从这个连结下载Miniconda for macOS:
https://docs.conda.io/en/latest/miniconda.html
这一次，你必须选择macOS "bash installer"，建议的Python版本应该是任何大于Python 3.5的版本。
下载了上面的文件之后，只需按照Linux安装步骤中的步骤2到5进行操作，就可以开始了。
观看视频^2，获得在macOS上安装Python的完整运行过程:
让我们看看在Windows上安装Python和其他数据科学库的步骤。
第一步:获取Anaconda
你可以从这个链接下载Anaconda:
https://www.anaconda.com/distribution/
你可以选择安装程序的Windows版本，建议的Python版本应该是Python 3.5以上的任何版本。
现在你将看到两个选择分别是32位和64位安装程序。选择一个与你的系统兼容的(如果你不确定的话，右键点击"我的电脑"来查看)。
第二步:安装Anaconda
下载安装文件后，转到"Downloads"文件夹，双击文件。将打开一个新的安装窗口:
然后单击"Next"，这将带你进入许可协议。点击"I Agree"接受:
然后，它会询问你是否只想为该用户安装此软件，还是只想为系统的所有用户安装此软件。这完全是你的选择。我通常会选择"recommended(推荐)"选项:
现在你可以选择安装软件的位置:
现在，在下一个窗口中，你将得到几个"高级选项"。你现在可以取消这两个选项，然后单击Install。这一步可能需要一些时间:
安装完成后，点击"下一步":
你可以跳过安装微软的VSCode:
单击finish。
完成了，这时Python已经为你开始分析数据和构建机器学习模型做好了准备。
第三步:启动Jupyter Notebook
为了确保一切安装正确，我们将打开Jupyter Notebook。要做到这一点，首先去开始菜单和搜索"Jupyter Notebook":
点击"Jupyter Notebook"选项，将会在浏览器中打开Jupyter Notebook:
现在你只需点击"new"，然后选择"python3"，就可以开始使用python3 Notebook了:
如果你更喜欢通过可视化的格式来学习，这里的一段视频^3详细介绍了如何在Windows上安装Python。
这就是在所有流行平台上安装Python的全部内容。我在这里的目的是让你熟悉安装过程，消除你可能存在的疑问。
- End -
本站qq群851320808，加入微信群请扫码：
