Anaconda+VS Code數據分析環境搭建及使用(GPU、可視化)

相信做數據分析和機器學習的同學選擇環境和IDE時都有過猶豫，尤其市場上的產品比較多，大家感受不一，但無論如何，簡單高效，方便管理，適合自己，應該是最重要的評估標準。好的工具往往是我們事半功倍，本文推薦Anaconda+VScode及親自安裝實踐供參考使用 

為什麼選擇Anaconda

Anaconda是開源項目，可在Linux，Windows和Mac OS X上執行Python / R，對於數據科學和機器的學習具有如下優勢：

• 快速下載1,500多個Python / R數據科學軟件包
• 使用Conda管理庫，方便管理工具包和環境
• 使用scikit-learn，TensorFlow和Theano開發和訓練機器學習和深度學習模型
• 使用Dask，NumPy，pandas和Numba分析工具
• 使用Matplotlib，Bokeh，Datashader和Holoviews可視化結果

為什麼選擇Visaul Studio code

根據觀察統計，目前大部分Python開發者都是用 Pycharm 作為編輯器進行開發，Pycharm功能強大，但是個人感覺Pycharm用起來比較笨重，電腦有時因此卡頓，而且還收費的，需要進行破解才能使用。相比下，Sublime Text 、 Visaul Studio code這類工具更簡單輕便，畢竟只是個代碼編輯器，設置運行在windows cmd窗口或者Linux 環境也是可以的。Sublime text 這裡不做介紹，這裡介紹vs code ，因為最近官方宣佈其直接支持Jupyter notebook，極大的方便數據可視化。不用再去--jupyter notebook 運行，打開瀏覽器了。

Anaconda 安裝

下載安裝https://www.anaconda.com/

本次是選擇基於windows python3.7 64位。

安裝選項這裡兩個都選擇，否則還得手動添加環境變量。

anaconda使用

1）cmd輸入

C:\\Users\\MSI-PC>conda --version
conda 4.7.12

2）CMD界面輸入python進入ipython交互界面（其實沒啥用，jupyter notebook包含此功能）

3）pip list 可以看到當前的包。可以看到numpy、pandas、scikit-learn、scipy 、seaborn常用的數據圖形工具都有安裝。

4）conda env list 查詢當前環境，base 為默認環境，tfg1.11為新建

C:\\Users\\MSI-PC>conda env list
# conda environments:
#
base * D:\\ProgramFiles\\Anacoda3
tfg1.11 D:\\ProgramFiles\\Anacoda3\\envs\\tfg1.11

5）如需獨立的環境。如想試下tensorflow2.0效果如何，利用 conda create -n your_env_name python=X.X即可建立。將會在anaconda/envs目錄下建立your_env_name目錄，如想重裝或遷移環境，將安裝包下文件拷貝到新的anaconda對應目錄下即可D:\\ProgramFiles\\Anacoda3\\envs。通過conda activate your_env_name即可進入該獨立環境。以下是本機環境建立的用於tensorflow學習的獨立環境。

注安裝完Anaconda後其實已經有IED Spyder IDE和jupter notebook可視化工具感興趣的可以嘗試下是否習慣。

VS code 安裝

下載地地址，https://code.visualstudio.com/ 只有40M.

1）對anaconda3環境的導入，這裡使用Anaconda Extension Pack，ctrl+shif+f 搜索Anaconda Extension Pack 點擊安裝

2）python基本環境安裝

ctrl+shif+f 搜索python 點擊install 即可安裝。

注：因為上邊安裝了anaconda3,所以似乎是不用再安裝python的擴展了。

VS code 測試

1）新建test.py文件，測試GPU是否可用，ctrl+F5運行。

import tensorflow as tf
gpu_test= tf.test.is_gpu_available()
print("GPU是否可用",gpu_test)
#輸出：
GPU是否可用 True

左下角可以看到使用的編譯環境是conda tfg1.11(點擊此處可切換其他conda 環境)

2）在vs code中同樣可以像jupyter notebook那樣以cell的形式執行交互式腳本。

- 使用 `ctrl+ shift+ p` 調出 **Command Palette** 然後輸入 `Python: Switch`

- 這裡我們選擇第二個 **Python: Switch to Insiders Daily Channel**

首次安裝等幾分鐘。

- 方法一: 使用 `ctrl + shift + p` 輸入 `Python: Create New Blank Jupyter Notebook`

-方法二: 直接左上角新建文件, 然後 `ctrl + s` 保存為 `.ipynb` 格式即可、

加載一個花瓣識別數據

使用下來感覺vs code 還是很方便的。無論GPU使用、anaconda環境切換，還是jupyter notebook都可以滿足需求需求。