Python、R、Julia混合程式設計環境配置及相關工具安裝

阿新 • • 發佈：2018-12-28

1 Python環境配置

1.1 安裝Anaconda

Conda 是一個開源的軟體包管理系統和環境管理系統，用於安裝多個版本的軟體包及其依賴關係，並在它們之間輕鬆切換。
Conda 是為 Python 程式建立的，適用於 Linux，OS X 和Windows，也可以打包和分發其他軟體。
目前最流行的 Python 環境管理工具。
Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。

Anaconda下載地址：https://www.anaconda.com/download/

最好是64位的版本（除非你的電腦是32位的）。這裡選擇3.X或者2.X沒關係，都可以，但建議選Python3版本。

檢查並配置環境變數

Windows環境變數：

請檢視環境變數中是否有以下三個路徑，若沒有請自行新增：

預設路徑本身；
預設路徑+”\Scripts”;
預設路徑+”\Library\bin”

預設路徑即為安裝Anaconda時所設定的路徑。例如：預設路徑為：”C:\Users\Administrator\Anaconda3”,那麼需要新增的三個路徑則是：

C:\Users\Administrator\Anaconda3；
C:\Users\Administrator\Anaconda3\Scripts；
C:\Users\Administrator\Anaconda3\Library\bin
第一個路徑是Miniconda的根目錄，也是最重要的路徑！

1.2 新增conda的國內國內映象伺服器

因為conda下載檔案要用到國外的伺服器，速度一般會比較慢，我們可以通過增加一個清華的映象伺服器來解決。
開啟cmd終端或者Anaconda Prompt（快捷鍵： win+r ：然後輸入cmd，回車）。
分別在cmd終端或者Anaconda Prompt裡貼上下面兩行程式碼（每貼上一行回車確認）。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

1.3 建立Python虛擬環境

在 cmd 終端輸入： conda create –n 環境名稱 python=版本號
例如建立名稱為course_py35，版本為python3.5的虛擬環境，cmd輸入：conda create –n course_py35 python=3.5 。
安裝工具包的時候可能需要安裝一些其他的工具，如果系統提示 proceed ([y]/n)? ，輸入y，回車就ok。
出現如下圖提示 “To activate this environment……”表示環境配置成功

嘗試觸發剛建立的這個環境，輸入： activate course_py35
這裡如果你用的是其他的名字，輸入activate 名稱就可以了
如果命令列出現（course_py35）或者說是你自己設定的名稱，表示已經載入這個環境

你可以選擇檢視 Python 的版本是否是我們剛建立的3.5版本，輸入：python
不出意外的話，系統會給你反饋 python 的版本資訊
輸入：quit()
退出 python 環境（注意：此處的括號為英文狀態下輸入的）

1.4 安裝所需的 python 工具包

可選擇用conda或者pip安裝包，為方便起見，先對conda和pip進行升級，cmd輸入命令：

conda update conda
python -m pip  install --upgrade pip

包安裝命令：

conda install package_name
pip install package_name

包升級命令：

conda update package_name
pip  install --upgrade package_name

包移除命令：

conda uninstall package_name
pip uninstall package_name

資料科學python常用包：

numpy：為大型多維陣列和矩陣新增Python支援，以及在這些陣列上執行高階數學函式的大型新增包。
scipy：用於科學計算的基礎庫。
pandas：為Python中的資料結構、資料操作和分析編寫的新增包。
matplotlib：用於圖形和資料視覺化的全面2D繪圖。
seabron：基於matplotlib的Python視覺化庫。它提供了一個高階介面，用於繪製有吸引力的統計圖形。
scikit-learn：一個機器學習庫。
networkx：複雜網路分析庫。
statsmodels：用於構建統計模型。
beautiful soup：用於網路爬蟲。
tweepy：用於Twitter抓取。
bokeh ：一個Python互動式視覺化庫，面向現代Web瀏覽器進行演示。它的目標不僅是以D3.js的風格提供優雅、簡潔的新穎圖形結構，而且還通過非常大或連續傳播的資料集提供高效能互動功能。它有Python、Scala、Julia以及現在的R介面。

2 R環境配置

2.1 R下載與安裝

R官網地址：https://www.r-project.org/

R下載地址：https://cran.r-project.org/mirrors.html

為保證下載速度，可選擇國內映象地址

檢查環境變數

環境路徑：“預設路徑\bin\x64”
CMD下輸入R可進入R的控制檯介面，如下圖：

2.2 R語言安裝R package：

（1）自動安裝（線上安裝）

在R的控制檯輸入：install.packages("package_name")
這種方法可能找不到需要的package，那麼可以用方法2

（2）手動安裝（離線安裝）

Windows:

下載package.zip檔案

開啟R的選單欄->Packages->“Install package from local zip file…”

選擇package.zip檔案

檢視全部安裝的R包：`.packages(all.available=T)`

檢視某個安裝的R包：

library("XML")
help(package="XML")

R下常用包：

ggplot：基於R的ggplot2和圖形語法的Python繪圖系統。它專為使用最少的程式碼快速製作具有專業外觀的圖而構建。

對於R，檢視新增包的最佳方法是檢視CRAN任務檢視，其中，新增包按使用型別聚合。

https://cran.r-project.org/web/views/

例如，有關高效能運算的CRAN任務檢視，請訪問：

https://cran.r-project.org/web/views/HighPerformanceComputing.html

3 Julia環境配置

3.1 Julia下載與安裝

Julia下載地址：https://julialang.org/

julia最新版本為julia-1.0.3，建議安裝最新版本

環境變數路徑："預設路徑\Julia-1.0.3\bin"

啟動：cmd輸入julia，如下圖：

3.2 Julia配置

（1）julia安裝package

julia安裝package有兩種方法：
一種是通過Pkg.add()命令安裝：在julia互動式環境輸入以下命令：

using Pkg
Pkg.add("package_name")

另一種方法是針對1.0以上版本，在julia互動式環境下輸入']'切換至Pkg操作介面，如下圖：
通過add package_name命令安裝。
注意：由於julia伺服器在國外，package安裝時會由於網路不穩定出現失敗，此時一個有效的解決辦法是到本地存放package資料夾下找到安裝失敗的package手動刪除後重新安裝。window下預設的存放package的路徑為：“C:\Users\使用者名稱.julia\packages”。
關於julia的第三方包的詳細資訊可以通過https://juliaobserver.com/ 查詢。

（2）julia配置

Julia 的 REPL（互動式程式設計環境）擴充套件性很強，比較有名的比如 OhMyREPL，它可以提供程式碼高亮，程式碼補全等功能。可在REPL中通過以下命令安裝和使用：

using Pkg
Pkg.add("OhMyREPL") //安裝包
using OhMyREPL //呼叫包

以上命令為Julia安裝和使用package的通用方法，後面不在贅述。
關於OhMyREPL的詳細配置可以參考其官方文件：https://kristofferc.github.io/OhMyREPL.jl

（3）julia呼叫Python、R混合程式設計

Julia可以方便的呼叫Python和R，主要通過PyCall、RCall、Conda三個包來實現，詳細操作可檢視其文件說明。
注意：安裝julia第三方包時，最好先檢視其官方文件，確定適用版本後再安裝使用。

4 關於IDE

目前，有很多IDE可同時搭建Python、R、Julia環境，如Vscode、Atom等，在此推薦Jupyter Lab，相比工程開發，其更適用於科學實驗。

Jupyter源於Ipython Notebook，是使用Python（也有R、Julia、Node等其他語言的核心）進行程式碼演示、資料分析、視覺化、教學的很好的工具，對Python的愈加流行和在AI領域的領導地位有很大的推動作用。

Jupyter Lab是Jupyter的一個拓展，提供了更好的使用者體驗，例如可以同時在一個瀏覽器頁面開啟編輯多個Notebook，Ipython console和terminal終端，並且支援預覽和編輯更多種類的檔案，如程式碼檔案，Markdown文件，json，yml，csv，各種格式的圖片，vega檔案（一種使用json定義圖表的語言)和geojson（用json表示地理物件），還可以使用Jupyter Lab連線Google Drive等雲端儲存服務，極大得提升了生產力。
安裝Anaconda後，會包括jupyter notebook和Ipython核心，接下來需要完成三個步驟即可：

（1）安裝jupyter lab

pip install jupyterlab

（2）安裝R kernel

#在R中執行如下程式碼，來安裝依賴的R包
install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
#在R中執行如下程式碼，使得R在jupyter中可以被探測到。
IRkernel::installspec(user = FALSE)

報錯，可以嘗試：

> devtools::install_github('IRkernel/IRkernel',force = TRUE)
> install.packages("digest") 
> devtools::install_github('IRkernel/IRkernel',force = TRUE)

（3）安裝Julia kernel

#在julia REPL中執行以下程式碼
using Pkg
Pkg.add("IJulia")

啟動Jupyter Lab

在cmd下輸入：jupyter lab即可，介面如下圖：

注意：windows下啟動可能會出現錯誤，此時可能需將系統防火牆關閉。

以上即為本人在配置Julia、Python、R混合程式設計環境過程中的簡單總結，如有問題，懇請指正。