用Anaconda安装本地python包的方法及路径问题(图文)

yipeiwu_com5年前Python基础

Anaconda确实带来了很多方便,但是之前也过多的依赖了conda自带的一键下载python包的功能。这不,这几天突然要用FastFM这个包,无奈conda里没有,于是只能从github下载下来,实现本地安装。

以下是手动下载和安装步骤:

一、从GitHub上下载:

选择releases,里面会看到一系列版本的包,选择自己电脑对应的型号,点击下载。我选择的是fastFM-0.2.11-cp36-cp36m-macosx_10_7_x86_64.whl,由于电脑是mac,python版本为3.6:

二、将下载下来的包放到本地文件夹中,我是放到了./Anaconda3/pkgs中,方便管理。

三、打开Anaconda,打开Terminal

在Terminal里输入pip install ./Anaconda3/pkgs/fastFM-0.2.11-cp36-cp36m-macosx_10_7_x86_64.whl,当然你的路径和python包的名字与你自己的一致就行。

当看到 Successfully installed fastFM-0.2.11 时,就bingo了,这时输入conda list,就可以看到自己安装好的包了

遇到了关于Python安装和Anaconda它们在安装过程中遇到的路径问题,现在做一下简单的总结:

Python安装:

Python 3.6 for windows , 可以点击链接直接下载Python 3.6 ,然后直接安装就行了,安装到最后出现两个需要勾选的选项,大家最好都勾上,不然后续的环境变量配置都得自己加进去。这两项是自动帮你把Python 3.6 的安装路径加进了path中。这样安装完,直接在cmd界面,输入Python就可以进行Python解释器的操作了。

Anaconda安装:

在使用Python时,我们经常需要用到很多第三方库,所以一般现在大家都在使用Anaconda,这是一个基于Python的数据处理和科学计算平台,它已经内置了许多非常有用的第三方库,我们装上Anaconda,就相当于把数十个第三方模块自动安装好了,非常简单易用。可以进入 Anaconda官网  自行下载符合自己电脑配置的版本,下载好之后直接安装,同样的,这里最后也会出现两个需要勾选的选项,这里也是环境变量的配置选项,大家最好勾选上,这样后续就不用手动配置了。如果没有勾选上,等安装都进行完了,可以进入电脑系统——高级系统设置——环境变量设置,将path里面的路径删除,然后将Anaconda安装路径加进去就可以了,这样,在cmd中输入Python就可以看到Anaconda信息了,这样就可以直接import一些第三方库了,非常方便。

总结:

这里要说的一点是,在anaconda安装目录中,大家应该可以看到一个Python.exe文件,这个也是Python的一个解释器,所以大家可以直接在这里运行进入解释器界面进行操作,可以不用通过开始菜单查找cmd,然后输入Python进入解释器界面,而且在anaconda安装目录里面的解释器,打开之后可以直接看到anaconda的信息,也就是说可以直接进行第三方库或者说模块的import。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

python关键字and和or用法实例

python 中的and从左到右计算表达式,若所有值均为真,则返回最后一个值,若存在假,返回第一个假值。 or也是从左到有计算表达式,返回第一个为真的值。 复制代码 代码如下: IDLE...

python:print格式化输出到文件的实例

遇到一个写文件的小程序,需要把print输出改成输出到文件,遇到这个问题的思路是把需要的字符串拼接到一个字符串中,然后在写到文件中,这样做觉得很麻烦,想到之前的学的exec的使用,但是实...

简单的Python2.7编程初学经验总结

简单的Python2.7编程初学经验总结

如果你从来没有使用过Python,我强烈建议你阅读Python introduction,因为你需要知道基本的语法和类型。 包管理 Python世界最棒的地方之一,就是大量的第三方程序包...

PyTorch搭建多项式回归模型(三)

PyTorch搭建多项式回归模型(三)

PyTorch基础入门三:PyTorch搭建多项式回归模型  1)理论简介 对于一般的线性回归模型,由于该函数拟合出来的是一条直线,所以精度欠佳,我们可以考虑多项式回归来拟合更...

python 字符串常用方法汇总详解

1.字符串大小写转 value = "wangdianchao" # 转换为大写 big_value = value.upper() print(big_value) # 转换为小写...