在Anaconda中安装（非自带的）python包或者更新已有的python包，解决sklearn无法使用的问题

1 问题产生

今天在看一个Ipython notebook的资料,题目是《Introduction to Scientific
Computing with IPython》，我上来就开始运行下面代码，可是出现了错误的提示： 


 

提示说找不到包seaborn。

我之前安装的是Anaconda，将许多包已经打包安装在一起，没想到没有捎带将seaborn安装上。我又找了找Anaconda的安装路径，确认没有安装该包。如果这个包不安装就会影响到后面的画图工作。问题是：我怎么在Anaconda的框架下面成功安装seaborn。

2 seaborn简介

关于该包的介绍请参见本网址，下面一段话是我从其中的引用：

Seaborn is a library for making attractive and informative statistical graphics in Python.
It is built on top of matplotlib and tightly integrated with the PyData stack, including support for numpy and pandas data structures and statistical routines from scipy and statsmodels.

3 安装方法

在Anaconda中安装新的包要使用工具conda，你安装anaconda后，你就可以使用该命令了，例如使用以下命令查看它的版本：

conda --version

1
1

关于如何使用conda管理和安装package的更加详细的介绍，请参见网站的介绍。在我的Windows 7系统上面，打开cmd程序，在默认的路径上面执行如下程序即可安装成功：

conda install seaborn

1
1

安装过程参见下图： 


 

从上面可以看出，在安装的过程中，conda会根据seaborn的相关依赖关系，找到seaborn的依赖的包，自动下载和更新它们，这是比手动安装方便的原因。

安装完成后，重新启动Ipython notebook服务器和浏览器session，重新运行本文开始的代码，即可发现错误提示消失了： 



安装完成后，打开windows的命令提示符： 
输入conda list 就可以查询现在安装了哪些库，常用的numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行
conda install ***  来进行安装。（***为需要的包的名称）
如果某个包版本不是最新的，运行 conda update *** 就可以更新了。

4  python包的更新（sklearn使用问题）

在一次导入sklearn包时，提示没有安装该包，但我到anaconda安装路径下却发现了该包E:\Anaconda3\Lib\site-packages\sklearn 。尝试更新该包：conda update sklearn，提示找不到该包。

Anaconda配有conda包管理器，旨在处理这些升级。首先更新conda本身以获取最新的软件包列表：使用conda update conda更新conda版本，也没有解决sklearn的问题。

然后通过conda install scikit-learn安装scikit的0.18最新的版本。也可以使用如下语句安装你想要的sklearn版本。

conda install scikit-learn=0.17

通过以上语句安装时，所有sklearn必要的依赖也将升级。如果您在Windows上遇到问题，有一些相关的FAQ：http : //docs.continuum.io/anaconda/faq

最后，在（1）Anaconda Navigator左上角的（2）Environment中自己搭建的（3）tensorflow下，在右侧输入框中选择（4）All（即所有安装的，未安装的，更新的包）都会列出来，在右侧输入（5）scikit-learn，（6）勾选左侧方框会变成下载符号，（7）点击右下角apply，（8）在弹出的确认框中点击OK即可，然后就可以导入并使用sklearn了。

5
总结

Anaconda中的conda命令，跟python中的pip一样，是管理和安装Anaconda中包的非常方便的方法，弥补了Anaconda本身默认的安装包不足的限制。利用某个命令管理和自动下载安装包、并自动安装相关依赖的方法在许多地方都得到了广泛的运用。Linux系统就是采用这种方式安装的。这种方法本身也被一些软件学习，用来管理和安装扩展功能的packages，避免手工安装带来的各种不便性。例如，R和Python就是采用这种方式管理packages的典型代表。这种方式越来越普遍，本身也是我非常喜欢的。