原文：
www.kdnuggets.com/2019/02/setup-python-environment-machine-learning.html
评论
设置您的 Python 环境以进行机器学习可能是一项棘手的任务。如果您以前从未设置过这样的环境，可能会花费数小时尝试不同的命令来使其正常工作。但我们只想直接进入机器学习！
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升您的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持您组织的 IT
在本教程中，您将学习如何设置一个稳定的Python 机器学习开发环境。您将能够直接深入到机器学习中，再也不必担心安装软件包的问题。
第一步是安装 pip，一个 Python 包管理工具：
sudo apt-get install python3-pip使用 pip，我们可以通过简单的pip install *your_package*安装任何在Python 包索引中的 Python 包。很快您将看到我们如何用它来设置我们的虚拟环境*。
接下来，我们将设置 Python 3 为运行pip或python命令时的默认版本。这使得使用 Python 3 更加方便。如果我们不这样做，那么如果我们想使用 Python 3，就必须记住每次输入pip3和python3！
为了强制将 Python 3 设置为默认版本，我们将修改~/.bashrc文件。从命令行执行以下命令来查看该文件：
nano ~/.bashrc向下滚动到**# 一些更多的 ls 别名**部分，并添加以下行：
alias python='python3'保存文件并重新加载您的更改：
source ~/.bashrc哇！Python 3 现在是您的默认 Python！您可以通过简单地在命令行运行python *your_program*来使用它。
现在我们将设置一个虚拟环境。在这个环境中，我们将安装进行机器学习所需的所有 Python 包。
我们使用虚拟环境来分隔我们的编码设置。想象一下，如果你在某个时刻想在电脑上做两个不同的项目，而这两个项目需要不同版本的不同库。如果将它们都放在同一个工作环境中可能会很混乱，你可能会遇到库版本冲突的问题。你的项目 1 的 ML 代码需要numpy的 1.0 版本，但项目 2 需要 1.15 版本。糟糕！
虚拟环境允许我们隔离工作区域，以避免这些冲突。
首先，安装相关的包：
sudo pip install virtualenv virtualenvwrapper一旦我们安装了 virtualenv 和 virtualenvwrapper，我们将需要再次编辑我们的~/.bashrc文件。将这 3 行放在文件底部并保存。
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh保存文件并重新加载更改：
source ~/.bashrc很好！现在我们可以像这样创建我们的虚拟环境：
mkvirtualenv ml我们刚刚创建了一个名为ml的虚拟环境。要进入它，请执行以下操作：
workon ml很棒！在ml虚拟环境中进行的任何库安装都会被隔离在其中，不会与其他环境冲突！因此，每当你想运行依赖于ml环境中安装的库的代码时，只需首先使用workon命令进入该环境，然后像平常一样运行你的代码。
如果你需要退出虚拟环境，请运行以下命令：
deactivate现在我们可以安装我们的 ML 库了！我们将使用最常用的库：
-
numpy: 处理矩阵，尤其是数学运算
-
scipy: 科学和技术计算
-
pandas: 数据处理、操作和分析
-
matplotlib: 数据可视化
-
scikit learn: 机器学习
这是一个简单的小技巧，可以一次性安装所有这些库！创建一个requirements.txt文件，并列出你希望安装的所有包，如下所示：
numpy
scipy
pandas
matplotlib
scikit-learn一旦完成，只需执行以下命令：
pip install -r requirements.txt看！Pip 会一次性安装文件中列出的所有包。
恭喜，你的环境已设置好，你准备好进行机器学习了！
关注我 twitter，我会发布最新最精彩的 AI、技术和科学内容！
Bio: George Seif 是一名认证极客和 AI / 机器学习工程师。
原文。转载已获许可。
相关:
-
为你的回归问题选择最佳机器学习算法
-
数据科学家需要了解的 5 种聚类算法
-
Python 中的 5 种快速简单的数据可视化（附代码）