在Jupyter中安装Python包

摘要: 对于任何想要学习编程语言的小伙伴来说,选择编程的工具是非常重要的。在编程工具和Python库中的连接中,一直是一个让很多人头疼的问题。

对于使用Jupyter notebook的户来说,你会经常遇到下面的问题:

我安装了软件包X,现在我无法将其导入到notebook中。帮帮我!

这个问题几乎是所有初学者第一个拦路虎,任何语言都是如此。今天我们就来说说Jupyter notebook如何解决这类问题。

从根本上来说,这个问题的根是Jupyter内核与Jupyter的shell分离的事实,换句话说,安装程序与笔记本中默认使用的是不同的Python版本。在最简单的情况下,这个问题不会出现,但是当调试代码时,需要了解操作系统的复杂性、Python软件包安装的复杂性以及Jupyter本身的复杂性。

在了解了一些在线(A,B)和一些关于这个话题的讨论,我决定在这里深入讨论这个问题。这篇文章将解决一些事情:

·首先,我为一般问题提供一个快速,简单的答案,例如我如何安装一个Python包,以便使用pip或conda与我的jupyter笔记本一起工作。

·其次,我将深入到Jupyter笔记本抽象是干什么的,如何将其与操作系统的复杂交互简单化。

·第三,我将讨论一些我在社区的想法,其中包括Jupyter,Pip和Conda开发人员可能考虑的一些变化,以减轻用户的认知负担。

本文将重点介绍两种安装Python软件包的方法:pip和conda。

1.如何在Jupyter中安装软件包

Pip和conda

对于许多用户来说,pip和conda之间的选择可能是一个令人困惑的选择,我总结了两者之间的本质区别在于:

  • Pip可以在任何环境下安装python软件包。

  • conda在conda环境中安装任何软件包。

·如果您使用Anaconda conda安装Python ,则使用安装Python软件包。如果conda告诉你所需的软件包不存在,那么你必须使用pip。

即使你在短期内可以解决问题,也可能会出现长期的问题。例如,如果pip install给你一个权限错误,这可能意味着你正在试图在系统中安装/更新python软件包,比如/usr/bin/python。这样做会产生不好的后果,因为操作系统本身通常依赖于Python安装中的特定版本。对于Python的日常使用,你应该使用虚拟环境或Anaconda把你的软件包与系统Python隔离。

1.1:如何使用Conda在Jupyter中

如果您使用的是jupyter,并且想要使用conda安装软件包,则可能会使用!记号直接从Jupyter上运行conda作为shell命令:

# DON'T DO THIS! 
!conda install --yes numpy 
Fetching package metadata ........... 
Solving package specifications: . 
# All requested packages already installed. 
# packages in environment at /Users/jakevdp/anaconda/envs/python3.6: 
# 
numpy 1.13.3 py36h2cdce51_0

我将在下面更全面地概述,如果您想从当前的jupyter中使用这些已安装的软件包。

这是一个在一般情况下出现的对话:

# Install a conda package in the current Jupyter kernel 
import sys 
!conda install --yes --prefix {sys.prefix} numpy 
Fetching package metadata ........... 
Solving package specifications: . 
# All requested packages already installed. 
# packages in environment at /Users/jakevdp/anaconda: 
# 
numpy 1.13.3 py36h2cdce51_0

这个方法使得conda在当前运行的Jupyter内核中安装软件包。

1.2:如何使用pip在Jupyter中

如果您使用的是Jupyter,并想安装一个软件包pip,您可能会倾向于直接运行pip:

# DON'T DO THIS 
!pip install numpy 
Requirement already satisfied: numpy in /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages

如果您想从当前的jupyter中使用这些已安装的软件包。

# Install a pip package in the current Jupyter kernel 
import sys 
!{sys.executable} -m pip install numpy 
Requirement already satisfied: numpy in /Users/jakevdp/anaconda/lib/python3.6/s

如果你想要在Jupyter中直接使用,指令应该是:

$ python -m pip install <package>

而不是:

$ pip install <package>

因为前者更明确地说明了软件包的安装位置(下面会详细介绍)。

2.为什么Jupyter的安装如此混乱?

上述的方案应该在所有情况下都能正常工作,但为什么还需要额外的方法?这是因为在Jupyter中,shell环境和Python可执行文件是断开的。想要深入理解理解为什么,你就必须要对以下的概念有了解:

  1. 您的操作系统如何查找可执行程序。

  2. Python如何安装和查找软件包。

  3. Jupyter如何决定使用哪个Python可执行文件。

注意:下面的讨论假设操作系统是Linux,Unix,MacOSX。

2.1您的操作系统如何定位可执行文件?

当您正在使用的终端输入如下命令pythonjupyteripythonpipconda,你的操作系统包含一个定义良好的机制,他可以找到可执行文件的名称。

在Linux和Mac系统上,系统将首先检查与命令匹配的别名,如果失败,则引用$PATH
环境变量:

!echo $PATH 
/Users/jakevdp/anaconda/envs/python3.6/bin:/Users/jakevdp/anaconda/envs/python3.

$PATH列出目录,按顺序,将搜索任何可执行文件:例如,如果我python在上面键入我的系统$PATH,它将首先查找/Users/jakevdp/anaconda/envs/python3.6/bin/python,如果不存在,它将查找/Users/jakevdp/anaconda/bin/python,依此类推。

2.2Python如何查找包

Python使用类似的机制来定位导入的包。Python在导入时搜索的路径列表位于:

默认情况下,Python查找模块的第一个地方是一个空路径,即当前的工作目录。如果没有找到该模块,则将它放在位置列表中,直到找到该模块。您可以使用__path__导入的模块的属性找出哪个位置已被使用:

import numpy 
numpy.__path__ 
['/Users/jakevdp/anaconda/lib/python3.6/site-packages/numpy']

在大多数情况下,你安装了Python包pip或conda将被放置在一个名为目录site-packages。要认识到的重要一点是每个Python可执行文件都有自己的site-packages。这意味着当你安装一个软件包时,它与特定的python可执行文件相关联,并且默认只能用于Python安装。

我们可以打印sys.path每个可用python可执行文件的变量来看到这一点,使用Jupyter令人愉快的是将Python和bash命令混合在一个代码块中的功能:

paths = !type -a python 
for path in set(paths): 
path = path.split()[-1] 
print(path) 
!{path} -c "import sys; print(sys.path)" 
print()

这里的全部细节并不是特别重要,但是需要强调的是,每个Python可执行文件都有自己独特的路径,除非您修改sys.path,否则不能导入安装在不同Python环境中的软件包。

我将再次强调:Jupyter中的shell环境必须与启动它的Python版本相匹配。

2.3: Jupyter如何执行代码:Jupyter内核

下一个相关的问题是Jupyter如何选择执行Python代码,这使我们想到了Jupyter内核的概念。

Jupyter内核是指Jupyter在内执行代码的一系列文件。对于Python内核,这将指向一个特定的Python版本,但Jupyter被设计得更通用:Jupyter有几十个可用的内核,包括Python 2,Python 3,Julia,R,Ruby,Haskell,甚至C ++和Fortran。

如果您使用Jupyter,则可以随时使用内核→选择内核菜单项来更改内核。

要查看您的系统上可用的内核,可以在shell中运行以下命令:

!jupyter kernelspec list 
Available kernels: 
python3 /Users/jakevdp/anaconda/envs/python3.6/lib/python3.6/site-packages/ipykernel/resources 
conda-root /Users/jakevdp/Library/Jupyter/kernels/conda-root 
python2.7 /Users/jakevdp/Library/Jupyter/kernels/python2.7 
python3.5 /Users/jakevdp/Library/Jupyter/kernels/python3.5 
python3.6 /Users/jakevdp/Library/Jupyter/kernels/python3.6

这些列出的内核中的每一个都是一个包含名为kernel.json的文件的目录,其中指定了内核应该使用哪种语言和可执行文件。例如:

!cat /Users/jakevdp/Library/Jupyter/kernels/conda-root/kernel.json 
{ 
"argv": [ 
"/Users/jakevdp/anaconda/bin/python", 
"-m", 
"ipykernel_launcher", 
"-f", 
"{connection_file}" 
], 
"display_name": "python (conda-root)", 
"language": "python" 
}

如果你想创建一个新的内核,可以使用jupyter ipykernel命令来完成。例如,我使用以下内容作为模板,为我的conda环境创建了上述内核:

$ source activate myenv 
$ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

3.一些建议

所以,综上所述,安装在Jupyter的包是从根本上说Jupyter的shell环境和Python的内核不匹配,这意味着你必须做的不是简单地多了解pip installconda install做事情的工作。

我有一些想法,其中一些可能是有用的:

3.1:Jupyter 的潜在策略

正如我所提到的,根本问题是Jupyter的shell环境和计算内核之间的不匹配。那么,我们是否可以按照内核规范来强制二者匹配呢?

也许,这个github问题展示了一种在内核启动时修改shell变量的方法。

基本上,在你的内核目录中,你可以添加一个如下所示的脚本kernel-startup.sh(并确保你改变了权限以便它是可执行的):

#!/usr/bin/env bash 
# activate anaconda env 
source activate myenv 
# this is the critical part, and should be at the end of your script: 
exec python -m ipykernel $@

3.2新的Jupyter Magic函数

我们可以通过在Jupyter中引入%pip%conda魔术功能来简化用户体验,从而检测当前的内核并使某些软件包安装在正确的位置。

PIP Magic

例如,下面是如何定义一个%pip在当前内核中工作的魔术函数:

from IPython.core.magic import register_line_magic 
@register_line_magic 
def pip(args): 
"""Use pip from the current kernel""" 
from pip import main 
main(args.split())

请注意,Jupyter开发者Matthias Bussonnier已经在他的pip_magic仓库中发布了基本的内容,所以你可以做的是:

$ python -m pip install pip_magic

Conda Magic

同样,我们可以定义一个conda Magic,如果你输入的话会做正确的事情%conda install XXX。这比pip Magic更有意义,因为它必须首先确认环境是conda兼容的,然后(与缺少有关的python -m conda install)必须调用一个子进程来执行相应的shell命令:

from IPython.core.magic import register_line_magic
import sys
import os
from subprocess import Popen, PIPE
def is_conda_environment():
 """Return True if the current Python executable is in a conda env"""
 # TODO: make this work with Conda.exe in Windows
 conda_exec = os.path.join(os.path.dirname(sys.executable), 'conda')
 conda_history = os.path.join(sys.prefix, 'conda-meta', 'history')
 return os.path.exists(conda_exec) and os.path.exists(conda_history)
@register_line_magic
def conda(args):
 """Use conda from the current kernel"""
 # TODO: make this work with Conda.exe in Windows
 # TODO: fix string encoding to work with Python 2
 if not is_conda_environment():
 raise ValueError("The python kernel does not appear to be a conda environment. "
 "Please use ``%pip install`` instead.")
 conda_executable = os.path.join(os.path.dirname(sys.executable), 'conda')
 args = [conda_executable] + args.split()
 # Add --prefix to point conda installation to the current environment
 if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'list']:
 if '-p' not in args and '--prefix' not in args:
 args.insert(2, '--prefix')
 args.insert(3, sys.prefix)
 # Because the notebook does not allow us to respond "yes" during the
 # installation, we need to insert --yes in the argument list for some commands
 if args[1] in ['install', 'update', 'upgrade', 'remove', 'uninstall', 'create']:
 if '-y' not in args and '--yes' not in args:
 args.insert(2, '--yes')
 # Call conda from command line with subprocess & send results to stdout & stderr
 with Popen(args, stdout=PIPE, stderr=PIPE) as process:
 # Read stdout character by character, as it includes real-time progress updates
 for c in iter(lambda: process.stdout.read(1), b''):
 sys.stdout.write(c.decode(sys.stdout.encoding))
 # Read stderr line by line, because real-time does not matter
 for line in iter(process.stderr.readline, b''):
 sys.stderr.write(line.decode(sys.stderr.encoding))

在提出了今天可以使用的一些简单解决方案之后,我详细解释了为什么这些解决方案是必要的:归结起来,在Jupyter中,内核与外壳断开连接。内核环境可以在运行时更改,而shell环境是在笔记本启动时确定的。

最后:对于创建Python数据科学生态系统基础的Jupyter,conda,pip和相关工具的开发人员忠心的感谢。这篇文章写在一个Jupyter笔记本里面。您可以查看静态版本在这里或下载完整的在这里。

阿里云云栖社区组织翻译。

文章原标题《installing-python-packages-from-jupyter》,作者:Jake VanderPlas.

个人博客:http://jakevdp.github.io/pages/about.html ,Python Data Science Handbook的作者。

其博客地址,可以免费阅读本书。

译者:虎说八道,审阅:

相关推荐