台州市建设局网站,wordpress黑镜百度云盘,小程序代理怎么样,下载app免费下载安装下载Conda系列#xff1a;
翻译: Anaconda 与 miniconda的区别Miniconda介绍以及安装Conda python运行的包和环境管理 入门Conda python管理环境environments 一 从入门到精通Conda python管理环境environments 二 从入门到精通Conda python管理环境environments 三 从入门到精通…Conda系列
翻译: Anaconda 与 miniconda的区别Miniconda介绍以及安装Conda python运行的包和环境管理 入门Conda python管理环境environments 一 从入门到精通Conda python管理环境environments 二 从入门到精通Conda python管理环境environments 三 从入门到精通Conda python管理环境environments 四 从入门到精通Conda python管理packages一 从入门到精通Conda python管理packages二 从入门到精通 10.Conda python管理packages三 从入门到精通
1. 创建项目
在本教程中我们将介绍如何使用一个 environment.yml 文件在 conda 中设置一个新的 Python 项目。这个文件将帮助您跟踪您的依赖关系并与他人共享您的项目。我们将介绍如何创建您的项目添加一个简单的 Python 程序并更新它以使用新的依赖项。
2. 创建项目文件
首先我们需要一个包含项目文件的目录。这可以 使用以下命令创建
mkdir my-project在这个目录中我们现在将创建一个新的environment.yml文件其中将保存我们Python项目的依赖关系。在您的文本编辑器中例如VSCodePyCharmvim等创建此文件并添加以下内容
name: my-project
channels:- defaults
dependencies:- python让我们简要回顾一下此文件的每个部分的含义。
Name名字: 环境的名称。在这里我们选择了名称“my-project”。Channels渠道: 通道指定conda搜索软件包的位置。我们选择了defaults默认通道但也可以列出其他通道例如conda-forge或bioconda。Dependencies依赖: 所有你项目需要的依赖。目前为止我们只添加了Python因为我们知道它将是一个Python项目。稍后我们会添加更多。
3. Creating our environment创造我们的环境
现在我们已经编写了一个基本的 environment.yml 文件我们可以从中创建并激活一个环境。要做到这一点请运行以下命令
conda env create --file environment.yml
conda activate my-project
4. 创建我们的 Python 应用程序
使用我们新安装了Python的环境我们可以创建一个简单的Python程序。在你的项目文件夹中创建一个main.py文件并添加以下内容
def main():print(Hello, conda!)if __name__ __main__:main()我们可以通过运行以下命令来运行简单的 Python 程序
python main.py
Hello, conda!5. Updating our project with new dependencies使用新的依赖项更新我们的项目
如果你希望你的项目不仅仅像上面的简单示例那样你可以使用conda渠道上的数千个可用包之一。为了演示这一点我们将添加一个新的依赖项以便我们可以从互联网上拉取一些数据并进行基本的分析。
为了进行数据分析我们将依赖于Pandas包。为了将其添加到我们的项目中我们需要更新我们的environment.yml文件
name: my-project
channels:- defaults
dependencies:- python- pandas # -- This is our new dependency一旦我们完成了这个步骤我们就可以运行conda env update命令来安装新的包
conda env update --file environment.yml
现在我们的依赖项已安装我们将下载一些数据用于我们的分析。为此我们将使用美国环境保护署在data.gov上提供的步行指数数据集。您可以使用以下命令下载这个数据
curl -O https://edg.epa.gov/EPADataCommons/public/OA/EPA_SmartLocationDatabase_V3_Jan_2021_Final.csv
根据我们的分析我们对知道多少美国居民生活在高度适合步行的地区很感兴趣。这是一个我们可以轻松使用pandas库来回答的问题。以下是您可能如何去做的一个示例
import pandas as pddef main():Answers the question:What percentage of U.S. residents live highly walkable neighborhoods?15.26 is the threshold on the index for a highly walkable area.csv_file ./EPA_SmartLocationDatabase_V3_Jan_2021_Final.csvhighly_walkable 15.26df pd.read_csv(csv_file)total_population df[TotPop].sum()highly_walkable_pop df[df[NatWalkInd] highly_walkable][TotPop].sum()percentage (highly_walkable_pop / total_population) * 100.0print(f{percentage:.2f}% of U.S. residents live in highly walkable neighborhoods.)if __name__ __main__:main()请将您的main.py文件更新为上面的代码并运行它。您应该会得到以下答案
python main.py
10.69% of Americans live in highly walkable neighborhoods
6. Conclusion结论
您刚刚通过使用conda中的environment.yml文件来创建自己的数据分析项目。随着项目的发展您可能希望添加更多的依赖项以及更好地将Python代码组织成单独的文件和模块。
参考
https://conda.io/projects/conda/en/latest/user-guide/tasks/creating-projects.html
