Zainstaluj notebooki Anaconda Python i Jupyter do nauki o danych

Pierwsze kroki z Anacondy

Aby wyjaśnić, czym jest Anaconda, zacytujemy jej definicję z oficjalnej strony internetowej:

Anakonda to bezpłatny, łatwy w instalacji menedżer pakietów, kierownik ds. Środowiska i dystrybucja Pythona z kolekcją ponad 1000 pakietów open source z bezpłatnym wsparciem społeczności. Anaconda jest platforma-agnostyka, więc możesz go użyć, niezależnie od tego, czy jesteś w systemie Windows, MacOS czy Linux.

Łatwo jest zabezpieczyć i skalować dowolny projekt nauki danych z Anaconda, ponieważ natywnie pozwala na pobranie projektu z laptopa bezpośrednio do klastra wdrażania. Kompletny zestaw funkcji można pokazać również z oficjalnym obrazem:

Anaconda Enterprise

Aby w skrócie pokazać, czym jest Anaconda, oto kilka szybkich punktów:

• Zawiera Python i setki pakietów, które są szczególnie przydatne, jeśli zaczynasz lub doświadczasz w nauce danych i uczeniu maszynowym
• Jest wyposażony w menedżer pakietów CDA i wirtualne środowiska, które rozwój bardzo łatwy
• Pozwala to zacząć od rozwoju bardzo szybko bez marnowania czasu na konfigurację narzędzi do nauki danych i uczenia maszynowego

Możesz zainstalować stąd Anaconda. Automatycznie zainstaluje Python na komputerze, więc nie musisz go instalować osobno.

Anaconda vs Jupyter Notebooks

Ilekroć próbuję omówić Anaconda z ludźmi, którzy są początkujący w Python i Data Science, są zdezorientowani między Anaconda i Jupyter Notatooks. Cytujemy różnicę w jednej linii:

Anakonda Jest Menedżer pakietów. Jupyter jest warstwa prezentacji.

Anakonda próbuje rozwiązać zależność piekła W Python--gdzie różne projekty mają różne wersje zależności-tak, aby nie powodować różnych zależności projektowych wymagających różnych wersji, które mogą się ze sobą zakłócać.

Jupyter próbuje rozwiązać problem odtwarzalność w analizie poprzez umożliwienie iteracyjnego i praktycznego podejścia do wyjaśnienia i wizualizacji kodu; Korzystając z bogatej dokumentacji tekstowej w połączeniu z reprezentacjami wizualnymi, w jednym rozwiązaniu.

Anakonda jest podobny do Pyenv, Venv i Minconda; Ma to na celu osiągnięcie środowiska Pythona, które jest w 100% powtarzalne w innym środowisku, niezależnie od innych wersji zależności projektu. Jest trochę podobny do Dockera, ale ograniczony do ekosystemu Pythona.

Jupyter jest Niesamowite narzędzie do prezentacji do pracy analitycznej; gdzie możesz przedstawić kod w „Blocks”, łączy się z bogatymi opisami tekstu między blokami i włączeniem sformatowanego wyjścia z bloków, a wykresami generowanymi w dobrze zaprojektowanej materii za pomocą kodu innego bloku.

Jupyter jest niezwykle dobry w pracy analitycznej, aby zapewnić odtwarzalność W czyichś badaniach, więc każdy może wrócić wiele miesięcy później i wizualnie zrozumieć, co ktoś próbował wyjaśnić, i zobaczyć dokładnie, jaki kod napędzał wizualizację i wnioski.

Często w pracy analitycznej skończysz z mnóstwem na wpół wykończonych notebooków wyjaśniających pomysły na dowód koncepcji, z których większość nie będzie nigdzie nie prowadzić. Niektóre z tych prezentacji mogą kilka miesięcy później, a nawet lata później przedstawia fundament, z którego można budować na nowy problem.

Korzystanie z notebooka Anaconda i Jupyter z Anacondy

Na koniec przyjrzymy się niektórym poleceniom, z którymi będziemy mogli użyć Anaconda, Pythona i Jupytera na naszej maszynie Ubuntu. Najpierw pobramy skrypt instalatora ze strony internetowej Anaconda za pomocą tego polecenia:

curl -o -k https: // repo.anakonda.com/archiwum/anaconda3-5.2.0-Linux-X86_64.cii

Musimy również zapewnić integralność danych tego skryptu:

SHA256Sum Anaconda3-5.2.0-Linux-X86_64.cii

Otrzymamy następujące dane wyjściowe:

Sprawdź integralność Anaconda

Możemy teraz uruchomić skrypt Anaconda:

Bash Anaconda3-5.2.0-Linux-X86_64.cii

Po zaakceptowaniu warunków podaj lokalizację instalacji pakietów lub po prostu naciśnij Enter, aby zająć domyślną lokalizację. Po zakończeniu instalacji możemy aktywować instalację za pomocą tego polecenia:

Źródło ~/.Bashrc

Na koniec przetestuj instalację:

Lista konda

Tworzenie środowiska Anaconda

Po zakończeniu pełnej instalacji możemy użyć następującego polecenia, aby utworzyć nowe środowisko:

CDADA Utwórz -Nazwa my_env Python = 3

Możemy teraz aktywować środowisko, które stworzyliśmy:

Źródło aktywuj my_env

Dzięki temu nasz wiersz polecenia się zmieni, odzwierciedlając aktywne środowisko Anaconda. Aby kontynuować konfigurowanie środowiska Jupytera, kontynuuj tę lekcję, która jest doskonałą lekcją na temat instalacji notebooków Jupyter na Ubuntu i zacznij ich używać.

WNIOSEK: Zainstaluj notebooki Anaconda Python i Jupyter do nauki o danych

W tej lekcji zbadaliśmy, w jaki sposób możemy zainstalować i zacząć korzystać z środowiska Anaconda na Ubuntu 18.04, który jest doskonałym menedżerem środowiska, szczególnie dla początkujących w zakresie nauki danych i uczenia maszynowego. To tylko bardzo proste wprowadzenie wielu lekcji, które nadejdą dla Anacondy, Python, Data Science i Machine Learning. Podziel się ze mną swoją opinią na temat lekcji lub Linuxhint Twitter uchwyt.