anaconda中java

『壹』 java调用python时怎样使用python的pandas模块

安装pandas1.Anaconda安装pandas、Python和SciPy最简单的方式是用Anaconda。Anaconda是关于Python数据分析和科学计算的分内发包。2.Miniconda使用Anaconda会安装一百多个依容赖包，如果想灵活控制安装的依赖包或带宽有限，使用Miniconda是个不错的选择。Conda是个包管理器，Anaconda就是建立在它的基础上。Conda不只跨平台还与语言无关，与pip和virtualenv相结合的作用相似。Miniconda允许先创建包含Python的安装包，然后用conda安装其他的依赖包。3.Pypipandas可以通过pip安装，但要安装相关的依赖包。pipinstallpandas4.包管理器可以用linux的包管理器进行安装，如sudoapt-getinstallpython-pandaszypperinpython-pandas

『贰』 anaconda是什么和python什么关系装了anaconda是不是就不用装pyhton了

是的，Anaconda是Python的一个发行版，里面内置了很多工具，不用单独安装，因为做了优化也免去了单独安装带来的一些麻烦。

Anaconda是一种Python语言的免费增值开源发行版，用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。Anaconda使用软件包管理系统Conda进行包管理。

(2)anaconda中java扩展阅读：

anaconda相比Python增加了那些内容：

1、Python(shell) ： 标准CPython。

2、Python(shell)： 相当于在命令窗口的命令提示符后输入ipython回车。pip install ipython安装的ipython用法一样。

3、Ipython QTConsole。

4、Python Notebook：直接点击打开，或者在命令提示符中输入ipython.exe notebook。

5、Jupyter QTConsole。

6、Jupyter Notebook：直接点击打开，或在终端中输入： jupyter notebook 以启动服务器；在浏览器中打开notebook页面地址“http://localhost:8888”。

Jupyter Notebook是一种 Web 应用，能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。

7、Spyder：直接点击打开IDE。最大优点就是模仿MATLAB的“工作空间”。

8、Anaconda Prompt ： 命令行终端。

9、支持其他IDE，如Pycharm。

参考资料来源：网络——Anaconda

『叁』 anaconda与python什么关系

anaconda当中包括了python。

1、Anaconda：

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版。

2、Python：

Python是一种跨平台的计算机程序设计语言。 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。

(3)anaconda中java扩展阅读：

Python的设计哲学是“优雅”、“明确”、“简单”。因此，Perl语言中“总是有多种方法来做同一件事”的理念在Python开发者中通常是难以忍受的。

Python开发者的哲学是“用一种方法，最好是只有一种方法来做一件事”。在设计Python语言时，如果面临多种选择，Python开发者一般会拒绝花俏的语法，而选择明确的没有或者很少有歧义的语法。

由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。这些准则被称为Python格言。在Python解释器内运行import this可以获得完整的列表。

『肆』 如何用anaconda创建环境

Anaconda是用于科学计算的Python发行版，它集成了很多关于Python科学计算的第三方库，同时提供了包管理和环境管理的功能，可方便的解决多版本Python并存、切换以及第三方包安装问题。支持运行在Linux、Windows和macOS下。Anaconda利用命令/工具 conda 来进行Package和environment管理。
conda VS anaconda
conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
Anaconda安装
我主要在CentOS服务器上安装Anaconda，选择要安装的Python版本和系统架构：
# Python 3.6
$ wgethttps://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86_64.sh#64位系统
$ wgethttps://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86.sh#32位系统# Python 2.7
$ wgethttps://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh#64位系统
$ wgethttps://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86.sh#32位系统
（这里我选择的是Python3.6 version 64BIT，关于Python的版本2.7 or 3.6，后面都可以在Anaconda里设置版本环境）
运行安装向导：
$ bash Anaconda3-4.3.1-Linux-x86_64.sh
按照向导，接受协议-->设置安装路径（默认安装用户Home目录）-->然后把安装路径添加到环境变量。
遇到的问题
1.在安装向导设置安装路径后，ENTER，提示如下错误信息：
tar (child): bzip2: Cannot exec: No such file or directory
tar (child): Error is not recoverable: exiting now
tar: Child returned status 2
tar: Error is not recoverable: exiting now
安装即可：
yum -y install bzip2
2.在安装向导最后一步，是否添加到环境变量，默认是no，我手贱直接ENTER了。
对于Mac、Linux系统，Anaconda安装好之后，实际上就是在主目录下多了个文件夹（~/anaconda)，Windows会写入注册表。安装程序会把bin目录加入PATH。现在只能自己完成了：
# 将anaconda的bin目录加入PATH，根据版本不同echo ’export PATH="~/anaconda3/binPATH"’ >> ~/.bashrc# 更新bashrc立即生效
source ~/.bashrc
配置好PATH后，可以通过 which conda 或 conda --version 命令检查是否正确。
Jupyter Notebook
当然，安装Anaconda的科学计算python平台，是为了使用Jupyter Notebook来学习Python的一些科学计算和机器学习库。Jupyter Notebook是IPython的一个Web接口，可以展现富文本，是的整个工作可以以笔记的形式展现、存储，适合做数据分析，交互性变成和学习。
但是，当我在服务器上运行Jupyter Notebook时候，无法使用。因为当前配置下只能从本地（也就是那台CentOS服务器上）访问，但是服务器只装了centos的Minimal，没有桌面环境，更不用说浏览器了。这当然不满足我目前的需求，需要配置服务器上的Jupyter允许远程访问。
生成配置文件：
jupyter notebook --generate-config
生成的配置文件位于~/.jupyter/jupyter_notebook_config.py。
生成自签名SSL证书：
cd ~/.jupyter
openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout notebook_cert.key -out notebook_cert.pem
生成一个hash密码：
python -c "import IPython;print(IPython.lib.passwd())"
Enter password:
Verify password:sha1::7211a627f0ba:
复制生成的密码，编辑jupyter的配置文件：
vi ~/.jupyter/jupyter_notebook_config.py
在打开的配置文件中，配置相应的参数：
c.NotebookApp.certfile = u’/home/xxxx/.jupyter/notebook_cert.pem’
c.NotebookApp.keyfile = u’/home/xxxx/.jupyter/notebook_cert.key’
c.NotebookApp.password = u’sha1::7211a627f0ba:’
c.NotebookApp.ip = ’*’
c.NotebookApp.port = 8081
c.NotebookApp.open_browser = False
再次启动Notebook：
jupyter notebook
在本机使用浏览器访问：http://192.168.111.186:8081，即可打开Jupyter Notebook的页面，输入刚才设置的密码，即可登录了。
至此，就实现了远程服务器Jupyter Notebook。接下来就可以安装机器学习所需要的一些库开始折腾了，包括：Numpy、Pandas、Matplotlib、Scikit-learn等。

『伍』 WIN10下Anaconda安装 环境变量

设置好GPU开发环境，安装cuda8.0和cudnn5.1
2. 安装Anaconda3-4.3.1-Windows-x86_64，默认Python版本为3.6
3. 安装完以后，打开Anaconda Prompt，输入清华的仓库镜像，更新包更快：
conda config --add channelshttps://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
4. 建立TensorFlow空间：conda create -n tensorflow python=3.5，设置Python版本为3.5
5. 激活TensorFlow空间：activate tensorflow
6. 安装TensorFlow：pip install--ignore-installed --upgrade tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl
7. 测试TensorFlow：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
设置SSD运行环境
1． 安装numpy（anaconda 离线安装）：pipinstall numpy-1.12.1-cp35-none-win_amd64.whl
2． 安装matplotlib（anaconda 离线安装）：pipinstall matplotlib-2.0.1-cp35-cp35m-win_amd64.whl
3． 安装opencv（离线）：anaconda中安装：pipinstall opencv_python-3.2.0+contrib-cp35-cp35m-win_amd64.whl
4． 下载TensorFlow版本的SSD：git clone https://github.com/balancap/SSD-Tensorflow.git，或者下载压缩包解压
5． 解压TensorFlowssd目录下的/checkpoint里的ssd_300_vgg.ckpt.zip，得到模型参数
6． 安装pycharm-community-2017.1.2.exe，python编辑器，File->Setting->Project:Python->ProjectInterpreter:修改Python版本到TensorFlow工作空间下的python
7． 在notebook下新建工程，新建test_ssd.py文件
8． 在pycharm中打开ssd_notebook.ipynb，复制非注释的内容至test_ssd.py下
9． 修改test_ssd.py：
# Test on some demoimage and visualize output.
#path = '../demo/'
#image_names = sorted(os.listdir(path))
#print(image_names)
#for it in image_names:
cam=cv2.VideoCapture(0)
success, img = cam.read()
while success:
#img = cv2.imread(path+it)#mpimg.imread(path + it)
t1=cv2.getTickCount()
rclasses, rscores, rbboxes = process_image(img)
visualization.bboxes_draw_on_img(img,rclasses, rscores, rbboxes, visualization.colors_plasma)
t2=cv2.getTickCount()
print('time consumption:%.3f ms'%(1000*(t2-t1)/cv2.getTickFrequency()))
cv2.imshow('test',img)
c=cv2.waitKey(1)
if c==27:
break
# visualization.bboxes_draw_on_img(img, rclasses,rscores, rbboxes, visualization.colors_plasma)
#visualization.plt_bboxes(img, rclasses,rscores, rbboxes)
success, img = cam.read()
10． 运行程序test_ssd.py

『陆』 如何在Windows10下配置anaconda环境变量

安装之后配置环境变量的步骤如下：

1,点“我的电脑”，右内键选“属性”

2，选容择：高级系统设置

6,在“变量值”一栏，把自己所安装的python路径拷进去就可以了，我安装的路径是“C:Python27”。

7，完成之后，一路点击确定关闭，就可以了。

8，这里要强调一下，现在下载的python都自带pip,pip在python目录下的Scripts目录下，添加到系统的path路径中就可以使用了。

『柒』 如何使用Anaconda更新Python版本

使用Anaconda更新Python版本的方法和详细的操作步骤如下：

1、首先，直接打开计算机的开始菜单专，然后选择“Anaconda Prompt”进入，如下图所属示。

『捌』 如何在Anaconda中安装Django

笔者使用Sublime Text 3，安装和配置插件Anaconda步骤如下：
安装：
打开package control菜单，输入install或者直接点击install package命令菜内单
在新窗口输容入Anaconda并点击第一个备选项进行安装。
安装完成后会显示messages文档

配置:
点击Anaconda插件默认设置菜单，弹出设置文档
在大约90行的位置，我们修改一下Python主程序的位置路径。

『玖』 Java怎么调用pyd文件

在做项目的时候，有的时候由于合作人员之间所会的编程语言的不同，会导致项目合作中的一些问题，很多时候需要不同语言之间的调用，这次就分享一下java调用python代码的东西。

一、python代码运行

巧妇难为无米之炊。首先，要确保python环境配置完好，并且相应的python代码可以运行。这个就不在这里进行讲述了，如果有需要可以查看我之前的一些文章。

二、java调用python代码

1、查阅了一些网上资料，看到了很多介绍使用jython调用python代码的例子，不过由于一些原因我没有尝试这个方法，而是直接测试了Runtime.getRuntime().exec(args)这个java库中自带的方法，下面直接切入主题。

2、先直接上代码：

python代码（helloword.py）：

# coding:utf-8import numpy as np
if __name__ == '__main__':
a = np.ones(3)
print(a) print '恭喜您！java调用python代码成功'

java代码（MyDemo.java）：

import java.io.BufferedReader;import java.io.InputStreamReader;public class MyDemo { public static void main(String[] args) { try {
System.out.println("start");
String[] args1=new String[]{"/home/huan/anaconda2/bin/python","/home/huan/myfile/pythonfile/helloword.py"};
Process pr=Runtime.getRuntime().exec(args1);

BufferedReader in = new BufferedReader(new InputStreamReader(
pr.getInputStream()));
String line; while ((line = in.readLine()) != null) {
System.out.println(line);
}
in.close();
pr.waitFor();
System.out.println("end");
} catch (Exception e) {
e.printStackTrace();
}
}

}

执行结果：

好了，多余的话就不说了，一切尽在代码中。此处的分享就到这里了。

『拾』 如何在anaconda上，完美安装+运行tensorflow。

1 首先声明的是笔者企图用TensorFlow GPU版本，需要NVIDIA显卡的支持，但是光有显卡还版不够，还需要NVIDIA的CUDA平台，不权安装的话会报错。当前使用的CUDA版本是8.0，与Anaconda的相关的包版本相同。

2 CUDA 8.0的官方下载地址如下：https://developer.nvidia.com/cuda-80-ga2-download-archive由于笔者使用的是Windows环境，所以选择Windows版本下载。

3 CUDA8.0比较大，大约1.3G，下载完成之后双击运行安装即可。安装需要一段时间，不过需要注意的是，CUDA的安装过程会更改大量的底层驱动和注册表，所以会被杀毒软件拦截。安装过程中要么关闭杀软，要么时刻守在旁边给与信任，否则会安装失败。