Nainstalujte si notebooky Anaconda Python a Jupyter pro Data Science

Začínáme s Anacondou

Abychom vysvětlili, co je Anaconda, uvedeme její definici z oficiálního webu:

Anakonda je bezplatný snadno instalovatelný správce balíčků, správce prostředí a distribuce Pythonu se sbírkou více než 1 000 balíčků otevřených zdrojů s podporou komunity zdarma. Anaconda je platformově agnostická, takže ji můžete použít, ať už používáte Windows, macOS nebo Linux.

Je snadné zabezpečit a škálovat jakýkoli projekt datové vědy s Anacondou, protože vám nativně umožňuje vzít projekt z vašeho notebooku přímo do clusteru nasazení. Kompletní sadu funkcí lze také zobrazit zde s oficiálním obrázkem:

Anaconda Enterprise

Stručně ukázat, co je Anaconda, zde uvádíme několik rychlých bodů:

• Obsahuje Python a stovky balíčků, které jsou zvláště užitečné, pokud začínáte nebo máte zkušenosti s Data Science a Machine Learning
• Dodává se se správcem balíčků conda a virtuálními prostředími, jejichž vývoj je velmi jednoduchý
• Umožňuje vám začít s vývojem velmi rychle, aniž byste ztráceli čas nastavením nástrojů pro Data Science a Machine Learning

Anacondu můžete nainstalovat odsud. Automaticky nainstaluje Python na váš počítač, takže jej nemusíte instalovat samostatně.

Notebooky Anaconda vs Jupyter

Kdykoli se snažím diskutovat o Anacondě s lidmi, kteří jsou začátečníky s Pythonem a Data Science, jsou zmateni mezi Notebooky Anaconda a Jupyter. Rozdíl uvedeme v jednom řádku:

Anakonda je správce balíčků. Jupyter je prezentační vrstva.

Anakonda se snaží vyřešit závislost peklo v pythonu - kde různé projekty mají různé verze závislostí - aby různé závislosti projektu nevyžadovaly různé verze, které by se mohly vzájemně ovlivňovat.

Jupyter se snaží vyřešit problém reprodukovatelnost v analýze umožněním iterativního a praktického přístupu k vysvětlení a vizualizaci kódu; pomocí dokumentace ve formátu RTF v kombinaci s vizuálními reprezentacemi v jediném řešení.

Anakonda je podobný pyenv, venv a minconda; má to dosáhnout prostředí pythonu, které je 100% reprodukovatelné v jiném prostředí, bez ohledu na to, jaké další verze závislostí projektu jsou k dispozici. Je to trochu podobné Dockeru, ale omezeno na ekosystém Pythonu.

Jupyter je úžasný prezentační nástroj pro analytickou práci; kde můžete prezentovat kód v „blocích“, kombinuje s popisy formátovaného textu mezi bloky a zahrnuje formátovaný výstup z bloků a grafy generované v dobře navržené záležitosti pomocí kódu jiného bloku.

Jupyter je neuvěřitelně dobrý v analytické práci, aby zajistil reprodukovatelnost ve výzkumu někoho, takže se kdokoli může vrátit o mnoho měsíců později a vizuálně pochopit, co se někdo pokusil vysvětlit, a přesně zjistit, který kód vedl, která vizualizace a závěr.

V analytické práci často skončíte s hromadou nedokončených poznámkových bloků s vysvětlením myšlenek Proof-of-Concept, z nichž většina původně nikam nevede. Některé z těchto prezentací mohou o měsíce později - nebo dokonce o několik let později - představit základ, ze kterého lze stavět pro nový problém.

Používání notebooků Anaconda a Jupyter od společnosti Anaconda

Nakonec se podíváme na některé příkazy, pomocí kterých budeme moci používat Anaconda, Python a Jupyter na našem stroji Ubuntu. Nejprve pomocí tohoto příkazu stáhneme instalační skript z webu Anaconda:

curl -O -k https: // repo.anakonda.com / archive / Anaconda3-5.2.0-Linux-x86_64.sh

Musíme také zajistit integritu dat tohoto skriptu:

sha256sum Anaconda3-5.2.0-Linux-x86_64.sh

Dostaneme následující výstup:

Zkontrolujte integritu Anacondy

Nyní můžeme spustit skript Anaconda:

bash Anaconda3-5.2.0-Linux-x86_64.sh

Jakmile přijmete podmínky, zadejte umístění pro instalaci balíčků nebo jednoduše stiskněte klávesu Enter a zaujměte výchozí umístění. Jakmile je instalace dokončena, můžeme ji aktivovat pomocí tohoto příkazu:

zdroj ~ /.bashrc

Nakonec otestujte instalaci:

seznam conda

Vytváření prostředí Anaconda

Jakmile máme hotovou kompletní instalaci, můžeme pomocí následujícího příkazu vytvořit nové prostředí:

conda create --name my_env python = 3

Nyní můžeme aktivovat prostředí, které jsme vytvořili:

zdroj aktivovat my_env

Díky tomu se náš příkazový řádek změní, což odráží prostředí Active Anaconda. Chcete-li pokračovat v nastavení prostředí Jupyter, pokračujte v této lekci, která je vynikající lekcí o tom, jak nainstalovat notebooky Jupyter na Ubuntu a začít je používat.

Závěr: Nainstalujte si notebooky Anaconda Python a Jupyter pro Data Science

V této lekci jsme studovali, jak můžeme nainstalovat a začít používat prostředí Anaconda na Ubuntu 18.04, což je vynikající správce prostředí, zejména pro začátečníky v oboru Data Science a Machine Learning. Toto je jen velmi jednoduchý úvod do mnoha lekcí pro Anacondu, Python, Data Science a Machine Learning. Sdělte mi svůj názor na lekci se mnou nebo s LinuxHint Twitter handle.