一文教你解决Python所有安装配置

作为高级脚本语言，Python在数据分析和科学计算中大放异彩。

在地球科学领域也得到了广泛应用，尤其是地球科学数据处理和可视化方面，比如地球科学数据分析和可视化库Iris，应用于数值模式数据处理的wrf-python，气候数据处理库CDAT以及地球科学可视化库NCL的Python版PyNGL。

此外，还有很多其它气象领域的库：利用机器学习预测强对流，基于探空数据的强对流(超级单体，龙卷风等)识别等等。

本文将从以下几个方面介绍Python并选择其中最流行的发行版之一Anaconda来进行Python的安装配置。

• Python介绍
• Python发行版介绍
• Anaconda的安装配置
• 工具推荐

人生苦短

Python有两个主要版本：Python2和Python3。

刚接触Python的人都会纠结于应该选择哪个版本学习，我在刚接触的时候也有过这个问题，但是现在这个问题已经不重要了：

⚠️ 官方即将放弃对Python2的更新！而且众多主流库的维护者也都先后宣布了放弃对Python2版本的支持。

当然如果你使用的领域对Python的版本没有要求，那么你仍然可以使用Python2，如果你使用的库已经不再支持Python2，那么仍然建议你选择Python3。

而且随着Python3的迭代更新，Python3的速度也在逐渐超越Python2。

选择好你要使用的Python版本之后，来看一下应该选择什么发行版吧。

如何选择发行版

Python存在非常多的发行版，比如WinPython，Enthought Canopy，Anaconda等。

WinPython是Windows7/8/10系统上的开源Python发行版(我没使用过，不是很了解)。Canopy和Anaconda是目前使用比较多的发行版(前者我也没用过

)，所以推荐Anaconda(手动滑稽

)。

Canopy和Anaconda都是由商业公司提供的Python解决方案。

两者各有优势，相比而言Anaconda对Python的支持更全面，而且其在数据科学和科学计算领域具有不可撼动的地位，近些年来一直是数据科学领域最受欢迎的Python发行版。

Anaconda发行版的包管理器Conda在安装气象领域的很多库时非常方便，比如安装PyNGL，一行命令即可。当然不仅是安装气象领域库，对于其它领域，比如机器学习，地理信息等领域的库时基本都能提供一键解决方案。

而且NCL的也可以通过Conda来安装，此外，rstudio也可以通过Conda安装，这对于没有服务器root权限的用户来说非常方便。Conda基本上能够解决很多依赖问题，非常方便。

鉴于以上原因，推荐使用Anaconda。原生Anaconda提供了很多Python库，当然其中很多是气象领域都不会使用的。

如果你的机器上存储小，可以考虑安装Miniconda，这是Anaconda的简化版，其仅包含Conda及其依赖库，当需要安装其它库时可以通过conda包管理器进行安装。

Anaconda 安装配置

根据你所使用的平台下载相应的anaconda版本。下载时可以去anaconda官网，但是有时候官网的下载速度会比较感人。

国内很多机构都同步了anaconda的官方镜像，也可以直接从这些国内镜像站下载，比如清华大学开源镜像站，基本包含了anaconda和miniconda发布的所有版本，本文以Miniconda为例，Anaconda的安装配置相同。

上图中列出了当前Linux，MacOSX和Windows系统上Miniconda3(Python3发行版)的最新版本。如果在Linux上，下载之后执行以下命令进行下载安装(以Miniconda3为例):

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh  # 假设下载的为此版本，其余Linux版本类似

如果没有执行权限，在执行上述安装命令之前，先更改此文件的权限，赋予其可执行权限:

chmod a+x Miniconda3-latest-Linux-x86_64.sh  # 赋予所有用户此文件的可执行权限

安装期间，需要根据提示进行操作，如果需要更改安装路径，可在相应的安装步骤时更改路径(如下图)。

安装完成之后可能会提示是否加入环境变量，根据需要可以选择添加也可以不添加，添加之后记的执行 source ~/.bashrc。

如果是Windows和MacOSX系统版本，可以分别下载exe和pkg版本，根据提示直接安装即可。

⚠️注意: Windows系统只需要在安装时选择不添加到系统环境变量即可，使用时利用anaconda提供的终端即可。如上图所示。

安装完成之后，需要进行一些配置，比如安装库时所使用的源。由于anaconda默认的源服务器位于国外，国内在安装时速度会比较慢。因此，安装之后可以配置为国内的镜像源，从而提高下载速度。

如果是教育网用户，可以选择高校建立的镜像站，比如清华大学开源镜像站，中国科学技术大学开源镜像站，南京大学镜像站等。此外，也可以选择一些企业提供的镜像站。

⚠️注意: 南京大学镜像站可能无法访问。有些高校建立的镜像站并不包含anaconda镜像源，因此建议使用清华大学镜像站或者中国科学技术大学镜像站。当然你也可以根据需要选择企业镜像站。

笔者选择的是清华大学的镜像源。这里以清华大学镜像源为例，进行anacodna源配置，以下是anaconda官方源的清华大学镜像站配置命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes # 安装时显示库对应的源通道链接

此外，conda还提供了一些第三方源，对应的清华大学镜像源配置为：

Conda Forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

R语言对应的国内镜像源链接配置为：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/

安装NCL时需要通过Conda Forge源，可以通过以下命令进行安装：

conda create -n ncl_stable -c conda-forge ncl

创建 ncl_stable 虚拟环境，通过 conda-forge 源安装 NCL

⚠️注意：执行了添加conda forge源的命令之后，安装时不需要指定 -c conda-forge 选项，否则默认使用 conda-fore 官方源而不是清华大学镜像源安装，-n ncl_stable 选项中的 ncl_stable 可以是任意名称

⚠️注意: 上述命令仅能在支持NCL的平台安装，Windows系统仍然无法使用NCL(可以在拥有linux子系统的win10安装)

codna包管理器的功能十分强大，此篇无法将其囊括在内，后续会进行专门讲解。

pytorch

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

还有一些其他第三方源的配置，具体可参考清华大学开源镜像站anaconda使用帮助页。

除了codna维护的第三方源之外，其他机构同样也在维护一些库的安装源。当安装某一个库出现问题的时候可以通过Google搜索：库名+anaconda等关键词获取是否有第三方提供的安装包。

对于Windows系统，有一个网站[1]提供了很多预编译的库，除了使用conda包管理器安装之外，也可以直接下载预编译好的库进行安装。

但并不是所有的库都能能使用conda进行安装，有些库还是需要使用pip工具进行安装（pip也是一个python的包管理工具）。

当使用pip默认源安装时经常会因为连接超时导致中断，此时同样可以将pip所使用的PYPI源替换为国内镜像源。此处同样以清华大学开源镜像站为例子：

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

至此，已经基本完成了Python的安装和配置工作。

工具推荐

完成了上述安装配置操作之后，就可以开始使用python了。下面给大家推荐一些工具，来入门或者更高效的coding。

如果你是从MATLAB转过来的，那么你可以从Spyder开始，Spyder提供了类似MATLAB的用户操作界面，可以帮助你从MATLAB逐渐转到Python。此外，你也可以使用Pycharm或者Jupyter。

Pycharm是非常受欢迎的用于Python开发的集成开发环境(IDE)，提供代码分析、图形化调试器，集成测试器、集成版本控制系统，并支持使用Django或Flask进行网页开发。当你使用Python进行项目开发时，建议使用Pycharm。

Jupyter是基于Web的代码编辑和执行工具，可以直接在浏览器网页中编辑并执行代码，结果同时会显示在网页中。Jupyter支持Markdown，可以在写代码的同时附加更多的文档说明。

如果需要发布项目示例或代码文档时可以选择此工具。Jupyer的前一代是Jupyter Notebook，新一代的Jupyter Lab在界面和功能上都更加完善，可以尝试直接使用Jupyter Lab。

Anaconda默认提供了Jupyter Notebook，Windows用户可以在Anaconda安装目录找到Jupyter Notebook，直接双击启动即可。Linux和Mac用户，可以从终端执行jupyter notebook启动。以下是启动示例：

jupyter notebook的使用见下图：

除了上面提到的工具之外，你也可以使用Sublime Text，Atom，Visual Studio Code，Eclipse等工具开启你的Python之旅。

注 [1]https://www.lfd.uci.edu/~gohlke/pythonlibs/

三个气象从业者凑在一起

做的第一篇文章

从今天开始带你走进气象与ＡI的世界

还不快到碗里来~

- End -

本文由MeteoAI原创首发，未经允许禁止转载！