手把手教你进行pip换源,让你的Python库下载嗖嗖的

简介:

/1 前言/

今天我们来说说python的pip换源吧,这个换源,相对来说,还是比较重要的,能让自己少生好几次气的,哈哈哈!

/2 为什么要换源/

我们搞python的,肯定离不开各种各样的第三方包,比如爬虫,有requests,xpath,爬虫界的扛把子Scrapy;Web有django,flask,restframework啥的,还是挺多的,我们一般安装的方式都是pip install xx模块,但是我相信,你们肯定都遇到过这种情况。

可以看到,我们安装的过程非常慢,可能都是几k几k的过,但是我们的网速最起码有5m/s吧,这就比较不开心了,最恶心的是,安装的慢就算了,可能安装这安装着,直接error了,嗯...哭吧

还有一种情况是什么呢,就是这种,直接飘黄,警告,然后,就没有然后了,直接凉了,...悲惨

但是造成这种原因是什么呢,就是因为我们获取的包,默认是直接从pypi官网获取的,因为pypi国外的,本来网速就慢,再加上我们国家会限制一些国外不正常的网站,可能会存在误杀,所以,我们直接从pypi官网获取包的时候,难免会各种凉,尤其是大一点的包,更凉

但是呢,我们不用担心,我们国家不缺少热血青年,总有一些大佬为我们开路,让我们少踩点坑,

虽然官网的pypi慢,但是大佬们为了照顾我们的情绪,专门开发了国内站点,内容和官网的pypi一模一样,但是他的服务器在国内,而且速度非常快

只要我们将pip默认的下载源换成国内源,我们在pip安装时,就是从国内获取了,速度绝对杠杠的,而且包质量没问题,国内站点会隔一段时间同步一次,基本不用担心获取的包有问题,美滋滋,感谢大佬。

/3 源列表/

这里呢,我们先把现有的国内源贴出来,如下图所示:

  一般就是这5个,一般情况下,我用的是清华大学的源,因为第一次用的就是清华源,然后就先入为主了。

  这里呢,也就以清华源举例,默认win平台。

/4 换源步骤/

1、首先,打开c盘,找到用户这个文件夹,如下图所示。

2、有的可能不是用户,xp的话可能是administrator。

3、但是没关系,win7+之后的系统,一般c盘下都有一个叫用户或者Users的文件夹,点进入之后选择自己的系统用户名并且进入这个文件夹就好了。

4、就像下图这样。

5、但是其实它是下图这样子的。

6、简而言之,就是一定要切换到用户目录下就好了,用户目录下一定会有这个。

Win10显示打的是桌面,win7应该是Desktop,如果有这个,那就说明,恭喜你,你的位置没问题。

这个确定好之后呢,剩下就简单了。

7、首先呢,创建一个叫pip的文件夹,就像下图这样。

8、进入这个文件夹,创建一个pip.ini文件。

9、好嘞,编辑文件,内容如下图所示。

10、然后,保存就好了,重新打开cmd,再安装时,速度嗖嗖的。

Look,不错吧,直接1.6MB/s,真香!

好了,到这,python pip永久换源,就说完了,希望各位小伙伴好好学习,继续坚持。

/5 小结/

这篇文章主要讲述了pip永久换源的重要性和具体操作步骤,行文比较基础,并且行之有效,大家可以尝试一下。文章中提及的这种方法呢,是永久换源,但是如果你没有永久换源,就想临时用一下,需要执行这样的命令即可:pip install scrapy-i https://pypi.tuna.tsinghua.edu.cn/simple,其实就是后面加上 -i参数 + 国内地址,也可以达到一样的效果。

谢谢观看,谢谢支持!

相关文章
|
1天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
10 2
|
2天前
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
25 9
|
2天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
28 9
|
2天前
|
索引 Python
如何在Python中使用Pandas库进行季节性调整?
在Python中使用Pandas和Statsmodels进行季节性调整的步骤包括:导入pandas和seasonal_decompose模块,准备时间序列DataFrame,调用`seasonal_decompose()`函数分解数据为趋势、季节性和残差,可选地绘制图表分析,以及根据需求去除季节性影响(如将原始数据减去季节性成分)。这是对时间序列数据进行季节性分析的基础流程。
18 2
|
4天前
|
缓存 自然语言处理 数据处理
Python自然语言处理面试:NLTK、SpaCy与Hugging Face库详解
【4月更文挑战第16天】本文介绍了Python NLP面试中NLTK、SpaCy和Hugging Face库的常见问题和易错点。通过示例代码展示了如何进行分词、词性标注、命名实体识别、相似度计算、依存关系分析、文本分类及预训练模型调用等任务。重点强调了理解库功能、预处理、模型选择、性能优化和模型解释性的重要性,帮助面试者提升NLP技术展示。
21 5
|
4天前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型,如折线图、散点图、柱状图。使用步骤包括安装库、导入模块、准备数据、创建图表对象、添加数据和设置属性,最后显示或保存图表。
16 6
|
4天前
|
机器学习/深度学习 数据采集 算法
请解释Python中的Sklearn库以及它的主要用途。
Sklearn是Python的机器学习库,提供数据预处理、特征选择、分类回归、聚类、模型评估和参数调优等工具。包含监督和无监督学习算法,如SVM、决策树、K-means等,并提供样例数据集便于实践。它是进行机器学习项目的重要资源。
12 1
|
4天前
|
XML 数据采集 自然语言处理
请解释Python中的BeautifulSoup库以及它的主要用途。
BeautifulSoup是Python的HTML/XML解析库,用于数据提取和网页抓取。它提供树形结构解析文档,支持查找、访问和修改元素。主要用途包括网页抓取、数据清洗、自动化测试、内容生成、网站开发及与其他库集成,如Requests和Scrapy。适用于各种数据处理场景。
8 1
|
4天前
|
索引 Python
如何使用Python的Pandas库进行数据透视表(pivot table)操作?
使用Pandas在Python中创建数据透视表的步骤包括:安装Pandas库,导入它,创建或读取数据(如DataFrame),使用`pd.pivot_table()`指定数据框、行索引、列索引和值,计算聚合函数(如平均分),并可打印或保存结果到文件。这允许对数据进行高效汇总和分析。
10 2
|
6天前
|
机器学习/深度学习 算法 搜索推荐
SciPy线性代数库详解:矩阵运算与方程求解
【4月更文挑战第17天】SciPy的`scipy.linalg`模块提供丰富的线性代数功能,包括矩阵运算、线性方程组求解、特征值问题和奇异值分解等,基于BLAS和LAPACK库确保效率与稳定性。关键操作如矩阵乘法使用`dot`函数,转置和共轭转置用`transpose`和`conj`,求解线性方程组有`solve`和迭代方法,计算特征值和向量用`eig`,奇异值分解则依赖`svd`。这个库对科学计算、数据分析和机器学习等领域至关重要。