OpenBabel和RDKit作为常用的化学信息学工具很受青睐,为了防止和其他项目的冲突,将他们单独创建在同一个Python环境。
python qsar_pytorch.py solubility.train.sdf solubility.test.sdf
[1] Kearnes S M , Maser M R , Wleklinski M , et al. The Open Reaction Database[J]. 2021.
psql -c 'create extension rdkit' drugbank
RDkit的安装与使用 简介 RDkit著名的开源化学信息学工具之一,基于BSD协议,核心数据结构与算法由C++编写。支持Python2与Python3,支持KNIME,支持机器学习方面的分子描述符的产生。 安装 1:Conda模式 官方建议使用Conda进行安装与管理,Conda可以使用清华的源进行下载,安装完成后,再次更换其安装源,同样更换为清华的源。换源的教程参考 安装命令: conda install rdkit 2:Pycharm模式 Pycharm并不能直接安装RDkit,当使用上一步Conda
(1)如何使用Conda安装RDKit 使用安装的RDKit创建新的conda环境需要一个类似于以下命令 $ conda create -c rdkit -n my-rdkit-env rdkit 最后,必须激活新环境,以便相应的python解释器在同一shell中可用 $ conda activate my-rdkit-env windows代码略有不同 C:\> activate my-rdkit-env
ScaffoldGraph是一个开放源代码化学信息库,使用RDKit和NetworkX构建,用于生成和分析骨架网络和支架树。
一种名为 GraphDTA 的新模型,它将药物表示为图,并使用图神经网络来预测药物-靶点亲和力。我们的研究表明,图神经网络不仅能比非深度学习模型更好地预测药物与靶点的亲和力,而且还优于其他深度学习方法。我们的研究结果证实,深度学习模型适用于药物-靶点结合亲和力预测,而将药物表示为图可以带来进一步的改进。
https://visualstudio.microsoft.com/ja/downloads/
python isoRMSD.py mol1.pdb mol2.pdb rmsd.txt
“ 大家好哇!我们在前面介绍如何为python部署第三方包时提到,推荐优先使用conda命令进行安装。那么在今天呢,我们就来聊一聊为什么更推荐使用conda而不是pip命令。”
尝试使用新的DGL--LifeSci并建立Attentive FP模型并可视化其预测结果。
适用语言:Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
直接去anaconda官网下载安装文件即可,具体网站自行搜索。 官网提供linux版本,windows版本,mac版本。 同时提供Anaconda完整版和miniconda最小版(无软件界面的,仅支持命令行执行),新手推荐使用Anaconda版,熟悉之后推荐改用miniconda版,占用存储空间小,使用起来感受一样。
翻译自:https://jakevdp.github.io/blog/2016/08/25/conda-myths-and-misconceptions/ 译者:taopanpantao 链接:http://blog.csdn.net/taopanpantao/article/details/53982752 我试着尽可能简洁,但如果你想要跳过这篇文章,并得到讨论的要点,你可以阅读每个标题以及下面的摘要。 神话#1:Conda是一个发行版,不是一个软件包管理器 现实:Conda是一个包管理器;Anacond
Python易用,但用好却不易,其中比较头疼的就是包管理和Python不同版本的问题,特别是当你使用Windows的时候。为了解决这些问题,有不少发行版的Python,比如WinPython、Anaconda等,这些发行版将python和许多常用的package打包,方便pythoners直接使用,此外,还有virtualenv、pyenv等工具管理虚拟环境。
由于版本问题,我们有时需要创建不同的python环境。比如有些包只支持到python3.6,这时就需要创建一个py36的虚拟环境。推荐使用anaconda配置虚拟环境。(此外,你也可以使用venv创建虚拟环境,参加官网教程12. 虚拟环境和包 — Python 3.10.5 文档)
Conda的下载和安装 什么是Conda? 官方定义:Package, dependency and environment management for any language—Python, R
参考的地址:https://zhuanlan.zhihu.com/p/32925500
Pycharm的安装 pycharm的下载地址: 网上很多的下载说明,这里就不再赘述,下载最新版即可。 Anaconda anconda下载地址 登录官网下载最新版即可,完成安装。
conda的前两个要点实际上是使许多软件包比pip更具优势。 由于pip是从源代码安装的,所以如果你无法编译源代码,那么安装它可能会很痛苦(这在Windows上尤其如此,但如果软件包有一些困难的C或FORTRAN库,甚至在Linux上也是如此)依赖)。 Conda从二进制文件安装,这意味着有人(例如Continuum)已经完成了编译软件包的艰苦工作,因此安装非常简单。如果您有兴趣构建自己的软件包,也有一些差异。 例如,pip建立在setuptools之上,而conda使用它自己的格式,这有一些优点(比如静态,而且Python不可知)。
conda 是一个开源包和环境管理系统,能够跨平台运行,在 Mac、Windows 和 Linux 上都可以运行。如果你还没用过 conda,我推荐你立刻开始使用,因为它会让管理数据科学工具变得更轻松。
安装/卸载第三包,注意对于windows用户请使用管理员身份打开命令端口,能避免各种莫名其妙的错误:
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/174522.html原文链接:https://javaforall.cn
由于不同demo所利用的环境不同,因而大神们开发了Anaconda工具,其中已经安装好了很多包,并且使用conda来对这些进行管理。如此,便可以实现在电脑中存储多个互相不干扰的环境,使用编译器来分别利用这些环境创建不同的项目。
现在无法直接用pip search,需要先安装pip_search: pip install pip_search。 使用pip_search搜索可用的包版本: pip_search requests
Jupyter 创始人 Fernando Pérez 的说法,他最初的梦想是做一个综合 Ju (Julia)、Py (Python)和 R 三种科学运算语言的计算工具平台,所以将其命名为 Ju-Py-te-R。发展到现在,Jupyter 已经成为一个几乎支持所有语言,能够把软件代码、计算输出、解释文档、多媒体资源整合在一起的多功能科学运算平台。
Python简单易用,功能强大,应用领域广泛,遍及人工智能、科学计算、机器学习、网络爬虫、大数据及云计算等。
然而,随着项目的扩大,依赖关系的数量也在增加。这可能会使项目的环境难以重现,并且在仅仅依靠pip或conda进行依赖性管理时难以有效地维护它。
安装的时候最好选择将 anaconda 加入到环境变量中,这样可以直接使用 conda 命令来管理包,而不需要增加额外的配置。
Python是一种面向对象的解释型计算机程序设计语言,其使用,具有跨平台的特点,可以在Linux、macOS以及Windows系统中搭建环境并使用,其编写的代码在不同平台上运行时,几乎不需要做较大的改动,使用者无不受益于它的便捷性。
在使用 Anaconda 的情况下,应该尽可能地用 Conda 安装各种软件包。而 pip只是用来安装那些在 Conda 中找不到的软件包。不然的话 Conda 可能会覆盖你用 pip 安装的包。
简单来说,Anaconda是Python的包管理器和环境管理器。先来解决一个初学者都会问的问题:我已经安装了Python,那么为什么还需要Anaconda呢?原因有以下几点:
在Anaconda中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。所以对虚拟环境进行创建、删除等操作需要使用conda命令。
最为 python 的包安装工具,conda 与 pip 经常性的被使用,但却不甚了解两者之间的区别,现总结一下。
在上次,如果不出意外,手把手教你进行Anaconda的安装,我们已经在windon10上成功的安装上了Anaconda。
http://blog.csdn.net/pipisorry/article/details/47008981
Python分为3.X和2.X两个大版本。Python的3.0版本,常被称为Python 3000,或简称Py3k。相对于Python的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.X在设计的时候没有考虑向下相容,许多针对早期Python版本设计的程式都无法在Python 3.X上正常执行。大多数第三方库都正在努力地相容Python 3.X版本。
相信很多IT从业者程序员都或多或少的存在一些强迫症属性,可能的表现包括:对软件安装的位置选择、代码编写的变量命名规范、文件归档分类等,有时候不能按照自己的预期进行配置总会暗自不爽——我个人是有这种感觉的。
Conda是目前为止,最流行的Python软件包与管理环境。Conda分为 miniconda 与 anaconda 两种。前者从名字上就能猜出是精简版,后者预装了很多常用的功能,但比较臃肿。实际工程中,一般都使用 miniconda,按需安装软件包,本文的下面篇幅也以 miniconda 为例进行说明。
Anaconda安装:Anaconda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。使用Anaconda可以通过创建多个独立的Python环境,避免用户的Python环境安装太多不同版本依赖导致冲突。
Conda是Anaconda中一个强大的包和环境管理工具,可以在Windows系统中的的Anaconda Prompt命令行使用,也可以在macOS或者Linux系统的终端窗口的命令行使用。
如果conda中没有需要安装的包。需要再Anaconda.org中查找。 现在Anaconda.org网站中查找到指定的包,执行显示的下载名命令:
在认识 Anaconda 之前,先认识一下conda,Conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。它可以快速安装、运行和更新软件包及其依赖项。那么既然都是用来安装包的,Conda和pip有啥区别呢?主要区别如下:
本文重点分享Python的包管理工具和环境管理工具:conda。 未来的日子中,期待和大家一起成长,一起分享高质量原创文章
本教程为一个python入门教程,面向初学者,因此内容较为详细。主要内容为python环境配置教程,包括Anaconda,PyCharm,Jupyter notebook的安装与配置,及其常用技巧。教程以Windows系统为平台作演示,其他系统可能存在少许差异。
原文链接:https://blog.csdn.net/weixin_43593330/article/details/93378987
和其他大多数现代编程语言一样,Python对包和 模块的下载、存储以及管理有其自己的一套方法。但是当我们同时开发多个项目工程的时候,不同的项目会将第三方的包存放在相同的路径下。这就意味着,如果有两个工程依赖同一个包,但是所需要的版本却不一样,比如项目A依赖v1.0.0,而项目B依赖v2.0.0。由于Python无法根据版本来区分包的安装路径,那么此时,就会发生版本冲突。
选择File->setting->Python Interpreter->点右边的设置标志Add->
领取专属 10元无门槛券
手把手带您无忧上云