Hướng dẫn anaconda and python difference - sự khác biệt giữa anaconda và trăn
Ngày 7 tháng 7 năm 2022 Python là một ngôn ngữ lập trình đa năng được sử dụng trong mọi thứ, từ học máy đến thiết kế web. Nó sử dụng Anaconda là một bản phân phối (một gói) của Python, R và các ngôn ngữ khác, cũng như các công cụ phù hợp với khoa học dữ liệu (tức là, Jupyter Notebook và Rstudio). Nó cũng cung cấp một trình quản lý gói thay thế có tên Vì vậy, khi bạn cài đặt Python, bạn sẽ nhận được ngôn ngữ lập trình và Ngược lại, với Anaconda, bạn nhận được Python, R, hơn 250 gói được cài đặt sẵn, công cụ khoa học dữ liệu và giao diện người dùng đồ họa Anaconda Navigator. Do đó, sự khác biệt chính giữa Python và Anaconda là cái trước là ngôn ngữ lập trình và sau này là phần mềm để cài đặt và quản lý Python và các ngôn ngữ lập trình khác (như R). Trong bài viết này, chúng tôi sẽ thảo luận về cách sử dụng Anaconda để quản lý và cài đặt các gói cũng như khi nào nên sử dụng Người quản lý gói và môi trườngXin lưu ý rằng tôi đang sử dụng Linux làm hệ thống chính của mình vì nó rất thuận tiện cho các dự án lập trình (cùng với các macOS), vì vậy trên Windows, các lệnh sau đây có thể khác nhau. Tôi khuyên bạn nên cài đặt Anaconda và sử dụng lời nhắc lệnh Anaconda để chạy các lệnh trên Windows. Trong khoa học dữ liệu và nói chung trong lập trình, chúng tôi sử dụng các môi trường ảo để cô lập các phụ thuộc gói được sử dụng trong các dự án khác nhau để chúng không xung đột với nhau. Ví dụ: bạn có thể có hai dự án: một sử dụng gấu trúc 0,25 và các gấu trúc khác 1,5. Bạn không thể cài đặt cả hai phiên bản trên toàn hệ thống, nhưng bạn có thể tạo các môi trường bị cô lập cho từng dự án này, kích hoạt chúng và bắt đầu mã hóa. Tuy nhiên, lưu ý rằng có thể cài đặt nhiều phiên bản toàn hệ thống Python với 2 và sử dụng plugin pyenv-virtualenv của nó để quản lý môi trường ảo trên UNIX.it is possible to install multiple versions of Python system-wide with 2 and use its plugin pyenv-virtualenv to manage virtual environments on Unix.Cả Python và Anaconda đều cung cấp các giải pháp để tạo và quản lý gói môi trường ảo. PythonPython kết hợp một mô-đun tích hợp 3 (từ "môi trường ảo"), có thể tạo ra các bộ phiên bản python và gói liên kết bị cô lập.
Bây giờ, hãy để cài đặt một vài gói trong môi trường này. Chúng ta có thể làm điều này với 1. Điều này sẽ cài đặt phiên bản 2 vào tháng 6 năm 2021 và phiên bản mới nhất có sẵn của 3 (0.11.2 tính đến tháng 8 năm 2021).Lưu ý rằng 5 (cần thiết cho 2) và 7 (cần thiết cho 3).
AnacondaAnaconda cung cấp Trình quản lý gói nguồn mở của riêng mình có tên là Để tạo ra một môi trường ảo với Anaconda, chúng ta có thể sử dụng Navigator GUI Anaconda hoặc dòng lệnh. Hãy bắt đầu với Navigator Anaconda.
Cuối cùng, quay lại trang "Trang chủ", chọn môi trường và chạy ứng dụng cần thiết (ví dụ: Jupyterlab). Mặc dù sử dụng GUI là thân thiện với người mới bắt đầu so với dòng lệnh, nhưng nó thực sự chậm và phức tạp hơn. Tôi thực sự khuyên bạn nên học các điều cơ bản về dòng lệnh để tăng tốc đáng kể công việc của bạn. Bây giờ, hãy tạo ra một môi trường ảo với dòng lệnh.
Lưu ý rằng việc cài đặt với Một lợi thế đáng kể của Chạy 2 và 3 từ kênh conda 1.
Tất nhiên, có nhiều kênh khác được tạo cho các mục đích khác nhau. Chẳng hạn, tôi là một chuyên gia sinh học và cài đặt nhiều công cụ cho công việc của tôi chỉ có sẵn trên kênh Khi nào nên sử dụng Python hoặc Anaconda?Nhưng khi nào chúng ta sử dụng PYPI bao gồm hơn 350.000 gói được thiết kế dành riêng cho Python, trong khi Anaconda chỉ cung cấp khoảng 20.000 gói trong số các kênh chính và Hơn nữa, Anaconda chủ yếu chứa các gói cho khoa học dữ liệu, trong khi PYPI có thể cài đặt các gói cho bất kỳ trường hợp sử dụng nào (nghĩa là, mạng hoặc xây dựng trang web). Ngoài ra, Anaconda có GUI thân thiện với người mới bắt đầu. Vì vậy, bạn có thể đã xác định khi nào nên sử dụng cái này hay cái kia vào thời điểm này. Nếu bạn là người mới bắt đầu trong khoa học dữ liệu, hãy sử dụng Anaconda; Nếu bạn có nhiều kinh nghiệm hơn với dòng lệnh và không thể tìm thấy các gói cho dự án của bạn (có thể nằm ngoài miền khoa học dữ liệu), thì hãy tìm Python tựa Bây giờ, hãy để thảo luận về sự khác biệt giữa Anaconda và Miniconda. Anaconda so với MinicondaMiniconda là một phân phối Python khác, nhưng, trái ngược với Anaconda, nó chỉ chứa một vài gói được cài đặt sẵn (thay vì 250+ trong Anaconda). Tất nhiên, nó cũng kết hợp Trình quản lý gói Nói cách khác, miniconda là phiên bản nhẹ của Anaconda. Bạn nên sử dụng nó nếu bạn muốn tự cài đặt tất cả các gói cần thiết bằng cách sử dụng dòng lệnh và không muốn lãng phí không gian đĩa cho các gói mà bạn đã giành được sử dụng. Bạn có thể cài đặt nó theo hướng dẫn cho nền tảng của bạn ở đây. Tuy nhiên, nếu bạn không có kinh nghiệm lắm với dòng lệnh nhưng muốn bắt đầu mã hóa ngay lập tức, hãy chọn Anaconda và giao diện người dùng đồ họa của nó, Anaconda Navigator. BaHãy nhớ rằng tôi đã nói với bạn rằng Trình quản lý gói Mamba được viết lại miniconda trên C ++, do đó, nó nhanh hơn và sử dụng ít tài nguyên điện toán hơn. Nó sử dụng chính xác cùng một cú pháp: bạn chỉ cần thay đổi 1 trong các lệnh.Để cài đặt Mamba Run Tôi đã xác định rằng trên máy của mình, với các môi trường đã được thiết lập và hàng tấn gói được lưu trong bộ nhớ cache (cũng như các kênh được thêm vào), 1 trên phiên bản Amazon EC2 của mình (một máy chủ nhỏ được cung cấp bởi Amazon Web Services) chỉ với một gigabyte của RAM khi quá trình conda bị giết vì nó hết bộ nhớ. Hơn nữa, 1 thực hiện nhanh hơn nhiều trên các máy mới so với conda . Cuối cùng, nó tùy thuộc vào bạn để chọn trình quản lý gói cho dự án của bạn.Kết luậnTrong bài viết này, tôi đã thảo luận về sự khác biệt giữa Python, Anaconda, Miniconda và Mamba.Hãy để tóm tắt:
Bây giờ bạn đã biết cách chọn các công cụ bạn cần cho dự án Python của mình.Mã hóa hạnh phúc! Nếu bạn có bất kỳ câu hỏi hoặc nghi ngờ nào, hãy liên hệ với tôi trên LinkedIn và GitHub. |