Conda 使用environment.yml创建一个新的Python项目
Conda系列：
- 翻译: Anaconda 与 miniconda的区别
- Miniconda介绍以及安装
- Conda python运行的包和环境管理 入门
- Conda python管理环境environments 一 从入门到精通
- Conda python管理环境environments 二 从入门到精通
- Conda python管理环境environments 三 从入门到精通
- Conda python管理环境environments 四 从入门到精通
- Conda python管理packages一 从入门到精通
- Conda python管理packages二 从入门到精通
10.Conda python管理packages三 从入门到精通
1. 创建项目
在本教程中，我们将介绍如何使用一个 environment.yml 文件在 conda 中设置一个新的 Python 项目。这个文件将帮助您跟踪您的依赖关系并与他人共享您的项目。我们将介绍如何创建您的项目，添加一个简单的 Python 程序并更新它以使用新的依赖项。
2. 创建项目文件
首先，我们需要一个包含项目文件的目录。这可以 使用以下命令创建：
mkdir my-project
在这个目录中，我们现在将创建一个新的environment.yml文件，其中将保存我们Python项目的依赖关系。在您的文本编辑器中（例如VSCode，PyCharm，vim等），创建此文件并添加以下内容：
name: my-project
channels:
- defaults
dependencies:
- python
让我们简要回顾一下此文件的每个部分的含义。
- Name名字: 环境的名称。在这里，我们选择了名称“my-project”。
- Channels渠道: 通道指定
conda搜索软件包的位置。我们选择了defaults默认通道，但也可以列出其他通道，例如conda-forge或bioconda。 - Dependencies依赖: 所有你项目需要的依赖。目前为止，我们只添加了
Python，因为我们知道它将是一个Python项目。稍后我们会添加更多。
3. Creating our environment创造我们的环境
现在我们已经编写了一个基本的 environment.yml 文件，我们可以从中创建并激活一个环境。要做到这一点，请运行以下命令：
conda env create --file environment.yml
conda activate my-project
4. 创建我们的 Python 应用程序
使用我们新安装了Python的环境，我们可以创建一个简单的Python程序。在你的项目文件夹中，创建一个main.py文件并添加以下内容：
def main():
print("Hello, conda!")
if __name__ == "__main__":
main()
我们可以通过运行以下命令来运行简单的 Python 程序：
python main.py
Hello, conda!
5. Updating our project with new dependencies使用新的依赖项更新我们的项目
如果你希望你的项目不仅仅像上面的简单示例那样，你可以使用conda渠道上的数千个可用包之一。为了演示这一点，我们将添加一个新的依赖项，以便我们可以从互联网上拉取一些数据并进行基本的分析。
为了进行数据分析，我们将依赖于Pandas包。为了将其添加到我们的项目中，我们需要更新我们的environment.yml文件：
name: my-project
channels:
- defaults
dependencies:
- python
- pandas # <-- This is our new dependency
一旦我们完成了这个步骤，我们就可以运行conda env update命令来安装新的包：
conda env update --file environment.yml
现在我们的依赖项已安装，我们将下载一些数据用于我们的分析。为此，我们将使用美国环境保护署在data.gov上提供的步行指数数据集。您可以使用以下命令下载这个数据：
curl -O https://edg.epa.gov/EPADataCommons/public/OA/EPA_SmartLocationDatabase_V3_Jan_2021_Final.csv
根据我们的分析，我们对知道多少美国居民生活在高度适合步行的地区很感兴趣。这是一个我们可以轻松使用pandas库来回答的问题。以下是您可能如何去做的一个示例：
import pandas as pd
def main():
"""
Answers the question:
What percentage of U.S. residents live highly walkable neighborhoods?
"15.26" is the threshold on the index for a highly walkable area.
"""
csv_file = "./EPA_SmartLocationDatabase_V3_Jan_2021_Final.csv"
highly_walkable = 15.26
df = pd.read_csv(csv_file)
total_population = df["TotPop"].sum()
highly_walkable_pop = df[df["NatWalkInd"] >= highly_walkable]["TotPop"].sum()
percentage = (highly_walkable_pop / total_population) * 100.0
print(
f"{percentage:.2f}% of U.S. residents live in highly" "walkable neighborhoods."
)
if __name__ == "__main__":
main()
请将您的main.py文件更新为上面的代码并运行它。您应该会得到以下答案：
python main.py
10.69% of Americans live in highly walkable neighborhoods
6. Conclusion结论
您刚刚通过使用conda中的environment.yml文件来创建自己的数据分析项目。随着项目的发展，您可能希望添加更多的依赖项，以及更好地将Python代码组织成单独的文件和模块。
参考
https://conda.io/projects/conda/en/latest/user-guide/tasks/creating-projects.html
原文地址：https://blog.csdn.net/zgpeace/article/details/135853410
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！