• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • Excel
  • IA Generativa

Instalación de varias versiones de Python en Anaconda

mayo 16, 2018 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 2 minutos

Anaconda

La existencia de dos versiones de Python, la 2.x y la 3.x, incompatibles entre sí genera que muchas veces no encontremos con librerías que no son compatibles con nuestra versión. En caso de que tengamos este problema es una buena idea instalar más de una versión en nuestros ordenadores.

Anaconda posiblemente sea la distribución de Python por excelencia para los que trabajamos en proyectos de ciencia de datos y aprendizaje automático. Gracias a que facilita enormemente la administración de los paquetes y el despliegue de soluciones. Actualmente cuando accedemos al área de descargas nos encontramos que es necesario seleccionar el sistema operativo y la versión de Python que deseamos: 2.7 o 3.x. Una vez realizada la instalación no tenemos porque quedar únicamente con la versión de seleccionada, sino que se puede añadir otros con unos sencillos pasos.

Creación de un nuevo entorno

Lo primero que se ha de realizar para instalar una nueva versión de Python es crear un nuevo entrono de conda. Lo que se puede realizar con una línea de comando. Por ejemplo, si de desea crear un nuevo entorno de Python 2.7 se ha de escribir:

conda create -n python2 python=2.7 anaconda

A partir de lo que se descargar el nuevo entorno, instalándose en la ruta `~/anaconda/envs/python2` los archivos necesarios. Ahora para cambiar del entorno actual al nuevo simplemente se le ha de escribir:

¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc
En Analytics Lane
¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc

source activate python2

Una vez terminemos de trabajar en este entorno se puede volver al original con la línea

source deactivate

Esto es si se desea realizar el cambio mediante la línea de comandos. El entorno gráfico de Anaconda mostrará ahora dos entornos el base o “root” (el que se ha instalado por defecto) y el creado en el paso anterior.

Entrono Anaconda Navigator
Selector de en el entrono Anaconda Navigator

En caso de que sea necesario se pueden añadir más entornos, por ejemplo, para poder trabajar con Python 3.5 y Python 3.6.

En el siguiente video se muestra el proceso de instalación completo.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 3

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • ¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc
  • ¡Nuevo video! Aprende a eliminar filas y columnas en Pandas sin errores
  • Nuevo video en el canal: Cómo eliminar duplicados de una lista en Python
  • Nuevo video en YouTube: Trabajando con archivos JSON en Python
  • Nuevo video: Leer y guardar archivos Excel y CSV en Python
  • Nuevo video: cómo activar copiar y pegar en VirtualBox fácilmente
  • Cómo extender el tamaño de un disco en Rocky Linux 9 usando growpart y LVM
  • Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey
  • Cómo calcular el tamaño de la muestra para encuestas

Publicado en: Python Etiquetado como: Anaconda, YouTube

Interacciones con los lectores

Comentarios

  1. Alvaro Del Cid Wirtz dice

    febrero 1, 2022 a las 8:01 am

    conda create -n pyton35 python=3.5 anaconda
    conda create -n pyton36 python=3.6 anaconda

    luego de ejecutar estas instrucciones arriba indicadas hacer lo siguiente

    source activate python35 – se activa el entorno
    y si deseamos quitar dicho entrono

    source deactivate se desactiva el entorno para poder utilizar el que deseamos usar y listo

    source activate python36 activar entorno
    source deactivate source deactivate

    Responder

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Cómo calcular el tamaño de la muestra para encuestas

septiembre 9, 2025 Por Daniel Rodríguez

Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey

septiembre 4, 2025 Por Daniel Rodríguez

Cómo extender el tamaño de un disco en Rocky Linux 9 usando growpart y LVM

septiembre 2, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Listas por comprensión en Python publicado el septiembre 23, 2019 | en Python
  • Los tipos de aprendizaje por conjuntos (Ensemble Learning) publicado el enero 28, 2022 | en Ciencia de datos
  • pandas Pandas: Mostrar todos los elementos de un DataFrame publicado el agosto 26, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto