浅谈anaconda python 版本对应关系
2020.2.20 更新日志：
- 本文的初衷是因为安装anaconda的时候你并不知道会包含哪个版本的python，因此我制作了下表
- 如果你使用的主要的python版本能在下表中找到，那安装对应的anaconda当然更好
- 但是如果你只是临时想用某个版本的python，或在下表中找不到对应的，你大可以直接安装最新的anaconda，然后用conda create来创建虚拟环境即可，不用非得找到对应的anaconda来装。
- 最佳的策略是你的机器上只保留一个anaconda，其中包含着你最常用的python版本，然后其他的版本环境全都用虚拟环境来管理。
- 创建虚拟环境的方法：
例如你要建一个python3.5的虚拟环境（其中myenv是这个环境的名称，可以自定）：
conda create -n myenv python=3.5
然后用以下命令进入该虚拟环境即可：
activate myenv
2019.11.18 更新日志：
- 更新了今年的版本号
- 在表格中用括号备注了包含的python版本号
| Release date | conda | python2.7 | python3.4 | python3.5 | python3.6 | python3.7 | python3.8 |
| 2015-02-25 | 3.4.3 | ||||||
| 2015-05-23 | 2.7.10 | ||||||
| 2015-09-13 | 3.5.0 | ||||||
| 2015-12-05 | 2.7.11 | ||||||
| 2015-12-07 | 3.5.1 | ||||||
| 2015-12-21 | 3.4.4 | ||||||
| 2016-03-29 | conda 4.0.5 | Anaconda2-4.0.0 (python 2.7.11) |
Anaconda3-4.0.0 (python 3.5.1) |
||||
| 2016-06-28 | conda 4.1.4 | Anaconda2-4.1.0 (python 2.7.11) |
Anaconda3-4.1.0 (python 3.5.1) |
||||
| 2016-06-25 | 2.7.12 | ||||||
| 2016-06-27 | 3.4.5 | 3.5.2 | |||||
| 2016-07-08 | conda 4.1.6 | Anaconda2-4.1.1 (python 2.7.12) |
Anaconda3-4.1.1 (python 3.5.2) |
||||
| 2016-09-28 | conda 4.2.9 | Anaconda2-4.2.0 (python 2.7.12) |
Anaconda3-4.2.0 (python 3.5.2) |
||||
| 2016-12-17 | 2.7.13 | ||||||
| 2016-12-23 | 3.6.0 | ||||||
| 2017-01-17 | 3.4.6 | 3.5.3 | |||||
| 2017-01-31 | conda 4.3.8 | Anaconda2-4.3.0 (python 2.7.13) |
Anaconda3-4.3.0 (python 3.6.0) |
||||
| 2017-03-10 | conda 4.3.14 | Anaconda2-4.3.1 (python 2.7.13) |
Anaconda3-4.3.1 (python 3.6.0) |
||||
| 2017-03-21 | 3.6.1 | ||||||
| 2017-05-31 | conda 4.3.21 | Anaconda2-4.4.0 (python 2.7.13) |
Anaconda3-4.4.0 (python 3.6.1) |
||||
| 2017-07-17 | 3.6.2 | ||||||
| 2017-08-08 | 3.5.4 | ||||||
| 2017-08-09 | 3.4.7 | ||||||
| 2017-09-26 | conda 4.3.27 | Anaconda2-5.0.0 (python 2.7.13) |
Anaconda3-5.0.0 (python 3.6.2) |
||||
| 2017-09-16 | 2.7.14 | ||||||
| 2017-10-03 | 3.6.3 | ||||||
| 2017-10-25 | conda 4.3.30 | Anaconda2-5.0.1 (python 2.7.14) |
Anaconda3-5.0.1 (python 3.6.3) |
||||
| 2017-12-19 | 3.6.4 | ||||||
| 2018-02-05 | 3.4.8 | 3.5.5 | |||||
| 2018-02-15 | conda 4.4.10 | Anaconda2-5.1.0 (python 2.7.14) |
Anaconda3-5.1.0 (python 3.6.4) |
||||
| 2018-03-28 | 3.6.5 | ||||||
| 2018-05-01 | 2.7.15 | ||||||
| 2018-05-30 | conda 4.5.4 | Anaconda2-5.2.0 (python 2.7.15) |
Anaconda3-5.2.0 (python 3.6.5) |
||||
| 2018-06-27 | 3.6.6 | 3.7.0 | |||||
| 2018-08-02 | 3.4.9 | 3.5.6 | |||||
| 2018-09-28 | conda 4.5.11 | Anaconda2-5.3.0 (python 2.7.15) |
Anaconda3-5.3.0 (python 3.7.0) |
||||
| 2018-10-20 | 3.6.7 | 3.7.1 | |||||
| 2018-12-21 | conda 4.5.12 | Anaconda2-2018.12 (python 2.7.15) |
Anaconda3-2018.12 (python 3.7.1) |
||||
| 2018-12-24 | 3.6.8 | 3.7.2 | |||||
| 2019-03-04 | 2.7.16 | ||||||
| 2019-03-18 | 3.4.10 | 3.5.7 | |||||
| 2019-03-25 | 3.7.3 | ||||||
| 2019-04-04 | conda 4.6.11 | Anaconda2-2019.03 (python 2.7.16) |
Anaconda3-2019.03 (python 3.7.3) |
||||
| 2019-07-02 | 3.6.9 | ||||||
| 2019-07-08 | 3.7.4 | ||||||
| 2019-07-24 | conda 4.7.10 | Anaconda2-2019.07 (python 2.7.16) |
Anaconda3-2019.07 (python 3.7.3) |
||||
| 2019-10-14 | 3.8.0 | ||||||
| 2019-10-15 | 3.7.5 | ||||||
| 2019-10-19 | 2.7.17 | ||||||
| 2019-10-29 | 3.5.8 | ||||||
| 2019-11-02 | 3.5.9 |
首先解释一下上表。 anaconda在每次发布新版本的时候都会给python2和python3都发布一个包，版本号是一样的(anaconda2-xxx和anaconda3-xxx)，并且包含的conda版本号也是一样的(表中每一行的第一列)。
表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。
举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的两个个anaconda包（anaconda2-5.0.1、5.1.0）都包含python2.7.14；
假设你想安装python3.6.5，在表格中找到它，它下方的anaconda3-5.2.0就是你需要下载的包；
假设你想安装python3.7.0，在表格中找到它，它下方的anaconda3-5.3.0就是你需要下载的包；
假如你想安装miniconda但是不知道该安装哪个版本，请点开下表的old package lists，它显示了每个anaconda版本包含什么版本的conda和什么版本的python，而miniconda的版本号与conda的版本号是一样的。
到此这篇关于浅谈anaconda python 版本对应关系的文章就介绍到这了,更多相关anaconda python 版本对应内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！
相关推荐
-
Anaconda多环境多版本python配置操作方法
conda测试指南 在开始这个conda测试之前,你应该已经下载并安装好了Anaconda或者Miniconda 注意:在安装之后,你应该关闭并重新打开windows命令行. 一.Conda测试过程: 使用conda.首先我们将要确认你已经安装好了conda 配置环境.下一步我们将通过创建几个环境来展示conda的环境管理功能.使你更加轻松的了解关于环境的一切.我们将学习如何确认你在哪个环境中,以及如何做复制一个环境作为备份. 测试python.然后我们将检查哪一个版本的python可以被安装,
-
更改Ubuntu默认python版本的两种方法python-> Anaconda
你可以按照以下方法使用 ls 命令来查看你的系统中都有那些 Python 的二进制文件可供使用. $ ls /usr/bin/python* /usr/bin/python /usr/bin/python2 /usr/bin/python2.7 /usr/bin/python3 /usr/bin/python3.4 /usr/bin/python3.4m /usr/bin/python3m 执行如下命令查看默认的 Python 版本信息: $ python --version Python 2.
-
anaconda中更改python版本的方法步骤
anaconda是一个非常好用的python发行版本,其中包含了大部分常用的库. 最新的anaconda中python版本已经更新到了python3.6,而tensorflow只支持python3.5. 在anaconda官网中已经给了三种解决方案: https://docs.anaconda.com/anaconda/faq#how-do-i-get-anaconda-with-python-3-5 方法一:在现有的anaconda中新建一个python3.5的开发环境,这样同时保留了pyth
-
浅谈anaconda python 版本对应关系
2020.2.20 更新日志: 本文的初衷是因为安装anaconda的时候你并不知道会包含哪个版本的python,因此我制作了下表 如果你使用的主要的python版本能在下表中找到,那安装对应的anaconda当然更好 但是如果你只是临时想用某个版本的python,或在下表中找不到对应的,你大可以直接安装最新的anaconda,然后用conda create来创建虚拟环境即可,不用非得找到对应的anaconda来装. 最佳的策略是你的机器上只保留一个anaconda,其中包含着你最常用的pyth
-
浅谈使用Python变量时要避免的3个错误
Python编程中经常遇到一些莫名其妙的错误, 其实这不是语言本身的问题, 而是我们忽略了语言本身的一些特性导致的,今天就来看下使用Python变量时导致的3个不可思议的错误, 以后在编程中要多多注意. 关于Python编程运行时新手易犯错误,这里暂不作介绍,详情参见:Python运行的17个时新手常见错误小结 1. 可变数据类型作为函数定义中的默认参数 这似乎是对的?你写了一个小函数,比如,搜索当前页面上的链接,并可选将其附加到另一个提供的列表中. def search_for_links(p
-
浅谈ThinkPHP5.0版本和ThinkPHP3.2版本的区别
5.0版本和之前版本的差异较大,本篇对熟悉3.2版本的用户给出了一些5.0的主要区别. URL和路由 5.0的URL访问不再支持普通URL模式,路由也不支持正则路由定义,而是全部改为规则路由配合变量规则(正则定义)的方式: 主要改进如下: 增加路由变量规则: 增加组合变量支持: 增加资源路由: 增加路由分组: 增加闭包定义支持: 增加MISS路由定义: 支持URL路由规则反解析: 请求对象和响应对象 5.0新增了请求对象Request和响应对象Response,Request统一处理请求和获取请
-
浅谈使用Python内置函数getattr实现分发模式
本文研究的主要是使用Python内置函数getattr实现分发模式的相关问题,具体介绍如下. getattr 常见的使用模式是作为一个分发者.举个例子,如果你有一个程序可以以不同的格式输出数据,你可以为每种输出格式定义各自的格式输出函数,然后使用唯一的分发函数调用所需的格式输出函数. 例如,让我们假设有一个以 HTML.XML 和普通文本格式打印站点统计的程序.输出格式在命令行中指定,或者保存在配置文件中.statsout 模块定义了三个函数:output_html.output_xml 和 o
-
浅谈Tensorflow由于版本问题出现的几种错误及解决方法
1.AttributeError: 'module' object has no attribute 'rnn_cell' S:将tf.nn.rnn_cell替换为tf.contrib.rnn 2.TypeError: Expected int32, got list containing Tensors of type '_Message' instead. S:由于tf.concat的问题,将tf.concat(1, [conv1, conv2]) 的格式替换为tf.concat( [con
-
浅谈对python中if、elif、else的误解
今天下午在练习python时用了"if...if...else..."的分支结构,结果运行出来吓我一跳.原来我想当然的认为"if...if...else..."是"if...elif...else..."的简化结构(这个错误的看法好像还是从学C语言继承过来的).学了这么多天才发现其中的区别啊.下面先说说python,然后再说一下C语言里面的if语句. "python中通过if.elif.else等保留字提供单分支.二分支和多分支结构.&
-
浅谈对Python变量的一些认识理解
一.Python变量 在大多数语言中,为一个值起一个名字时,把这种行为称为"给变量赋值"或"把值存储在变量中".不过,Python与许多其它计算机语言的有所不同,它并不是把值存储在变量中,而像是把名字"贴"在值的上边(专业一点说法是将名字绑定了对象).所以,有些Python程序员会说Python没有变量,只有名字,通过名字找到它代表的值. Python中的变量,与其它开发语言(如C语言)的不同: 在C语言中,变量类似于一个"容器&quo
-
浅谈哪个Python库才最适合做数据可视化
数据可视化是任何探索性数据分析或报告的关键步骤,它可以让我们一眼就能洞察数据集.目前有许多非常好的商业智能工具,比如Tableau.googledatastudio和PowerBI,它们可以让我们轻松地创建图形. 然而,数据分析师或数据科学家还是习惯使用 Python 在 Jupyter notebook 上创建可视化效果.目前最流行的用于数据可视化的 Python 库:Matplotlib.Seaborn.plotlyexpress和Altair.每个可视化库都有自己的特点,没有完美的可视化库
-
浅谈一下Python中5种下划线的含义
目录 1.单前导下划线:_var 2.单末尾下划线 var_ 3. 双前导下划线 __var 4.双前导和双末尾下划线 _var_ 5.单下划线 _ 1.单前导下划线:_var 当涉及到变量和方法名称时,单个下划线前缀有一个约定俗成的含义. 它是对程序员的一个提示 - 意味着Python社区一致认为它应该是什么意思,但程序的行为不受影响. 下划线前缀的含义是告知其他程序员:以单个下划线开头的变量或方法仅供内部使用. 该约定在PEP 8中有定义. 这不是Python强制规定的. Python不像J
-
浅谈一下python线程池简单应用
一.线程池简介 传统多线程方案会使用“即时创建,即时销毁”的策略.尽管与创建进程相比,创建线程的时间已经大大的缩短,但是如果提交给线程的任务时执行时间较短,而且执行次数及其频繁,那么服务器将处于不停的创建线程,销毁线程的状态. 一个线程的运行时间可以分为三部分:线程的启动时间.线程体的运行时间和线程的销毁时间. 在多线程处理的情景中,如果线程不能被重用,就意味着每次线程运行都要经过启动.销毁和运行3个过程.这必然会增加系统相应的时间,减低了效率. 线程池在系统启动时即创建大量空闲的线程,程序只要