簡體   English   中英

如何使用 anaconda 從 python 中的 Requirement.txt 安裝包?

[英]How to install packages from Requirement.txt in python using anaconda?

我對如何僅在 Windows 操作系統中嚴格使用 Anaconda安裝另一個人為 python 項目共享的 requirements.txt 中的所有軟件包感到困惑。

  1. 我已經安裝了 Anaconda 導航器。 我應該在導航器中還是在 conda 提示符下進行?
  2. 我是否需要先創建一個環境然后激活它,然后在該環境中運行命令pip install requirements.txt

拜托,你能建議一種更好的方法來使用 requirements.txt 從 anaconda 安裝軟件包並運行 python 項目嗎?

在終端窗口中,您可以輸入:

pip install -r requirements.txt

您需要輸入requirements.txt的完整路徑

C:\\用戶[用戶名]\\桌面\\requirements.txt

您還可以在此處看到此描述:

https://note.nkmk.me/en/python-pip-install-requirements/

conda 使用environment.yaml文件而不是requirements.txt ,但您可以在另一個文件中包含一個:

# environment.yaml

name: test-env
dependencies:
  - python>=3.5
  - anaconda
  - pip
  - pip:
    - -r file:requirements.txt

然后使用 conda 通過創建環境

conda env create -f environment.yaml

通過以下命令使用 Conda 在requirements.txt安裝軟件包時

conda install --yes --file requirements.txt

凱特,你的問題和術語應該更准確。

首先,我會回答你的問題......然后我會 go 更詳細地為其他有相同問題的人提供更准確的術語。

將 REQUIREMENTS.TXT 轉換為 ENVIRONMENT.YML 文件

使用 conda 和 requirements.txt(pip package 管理器安裝規范)的最佳方法是將 requirements.txt 文件轉換為 environment.yml 文件。 為此,將所有包的名稱從 requirements.txt 文件復制到 environment.yml 文件中。 確保 environment.yml 文件格式正確。

有關 environment.yml 文件格式的示例,請參閱此鏈接:

[創建環境文件][1] 然后從命令行使用 conda,並在控制台的 conda 命令中指定 environment.yml 文件。

嘗試使用此自動化腳本在 conda 中“即時”讀取和使用 requirements.txt。 [使用“conda install --yes --file requirements.txt”只安裝可用的包沒有錯誤][2]

使用 ANACONDA NAVIGATOR 以圖形方式構建環境:

純圖形(和手動)替代方法是使用 Anaconda Navigator Package Manager GUI。 select 使用 Package 管理器界面在 requirements.txt 文件中指定每個文件(見圖)。 Select 右側欄中所需 package 的每個綠色復選標記。 然后單擊“應用”按鈕。 如果 package 存在於 Anaconda Navigator 中,則此圖形方法將起作用。

[![Anaconda 導航器中的圖形環境和 Package 管理器][3]][3]

##############################

澄清關於 5 條蛇和 1 條 pip 的術語;^)

在這個領域有大量不同的術語和語義。

  1. “蟒蛇包”,
  2. “Anaconda 桌面”(導航器)
  3. “蟒蛇分布”,
  4. “康達實用程序”,
  5. “康達包”,
  6. “pip 實用程序”
  7. “點子包”,
  8. 相關主題(繼續閱讀...)

當您說“anaconda”時,您可能指的是“Anaconda Navigator Desktop”圖形用戶界面,而不是使用 conda 或 pip 在終端命令行安裝的 python package “anaconda”。

“anaconda”(小寫)package 用於支持自動安裝“Anaconda Distribution”和“Anaconda Navigator GUI Desktop”。

“Anaconda Navigator”是 Anaconda.com 發行版附帶的桌面程序。 它提供用於管理 conda 環境中的環境和包的 GUI 功能。

在幕后,Anaconda 導航器“環境管理器”使用“conda”命令行實用程序執行命令。 Navigator 使用 conda 實用程序有效地創建和管理環境(和包)。 它通過 conda 制定和執行命令,類似於您在 Windows 控制台或 Mac 終端命令行界面上執行 conda 命令的方式。

名為“conda”的 Python package 提供了一個編程接口,用於從 Python 程序中調用 conda 函數。

“conda”命令行實用程序是一個環境管理器; 它也是一個完整的 package 管理器,可以執行 pip 實用程序所做的一切。

“pip”命令行實用程序是一個 package 管理器,用於 pip 格式的 Python 包。

conda 實用程序和 conda package 以 language-agnostic 的方式工作。 他們可以管理許多其他編程語言(例如,R、JavaScript,對於初學者)和許多其他語言的環境和包。

在命令行或通過導航器使用 CONDA?

您可以在命令行中使用“conda”,或者使用 Navigator Environment 和 Package Manager GUI。 我更喜歡命令行,因為它更快更精確。

一起使用 PIP 和 CONDA 時請注意:

“並排”使用 pip 和 conda 時要非常小心。 他們各自建立和管理自己的 package 索引。 互操作性仍然是一個“實驗性功能”。 pip 和 conda 的最佳指南在這里: https://www.anaconda.com/blog/using-pip-in-a-conda-environment

我通常做的一件事是首先將 conda 和 pip 軟件包安裝到任何新的 conda 環境中(在命令行中使用“conda install -c conda-forge conda pip”)。 之后,conda 會收到有關 pip package 安裝的通知。 當我這樣做時,我發現 pip 破壞我的 conda 環境的頻率較低。

有關在 conda 環境中使用 pip 的更多信息,請參閱以下文檔。 https://docs.conda.io/projects/conda/en/stable/user-guide/configuration/pip-interoperability.html?highlight=pip

底線:在 conda 環境中小心使用 pip!

始終以 CONDA 領先!

使用 PIP LAST,在用盡並使用所有可用的 conda 包之后。

不要交錯使用 conda 和 pip 安裝命令。

如果您在 Anaconda root 或“基本”環境中重復使用 conda 和 pip 命令,您最終將破壞 Anaconda 安裝,並且必須完全刪除並重新安裝 Anaconda。

Anaconda 卸載在 Windows 和 Mac 上可能是一個骯臟的過程,但幸運的是有腳本可以完全刪除它的所有痕跡,然后重新安裝它。 [卸載 Anaconda][4]

[康達用戶手冊][5]

[1]: https://carpentries-incubator.github.io/introduction-to-conda-for-data-scientists/04-sharing-environments/index.html#:~:text=Conda%20uses%20YAML%20 (%E2%80%9CYAML%20Ain,style%20indentation%20to%20indicate%20nesting.[2]: 使用“conda install --yes --file requirements.txt”只安裝可用的包沒有錯誤[3]: https: //i.stack.imgur.com/5dHFL.png [4]: https://docs.anaconda.com/anaconda/install/uninstall/ [5]: https://docs.conda.io/projects/conda /zh/stable/user-guide/index.html

暫無
暫無

聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM