Anaconda使用指南
Anaconda介绍
什么是 Anaconda
Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。作为好奇宝宝的你是不是发现了一个新名词 conda，那么你一定会问 conda 又是什么呢？
什么是 conda
conda 是开源包（packages）和虚拟环境（environment）的管理系统。 packages 管理： 可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。 虚拟环境管理： 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。 知道 是什么（what） 的同时，我们也需要问一问 为什么（why）。那么，为什么要选择用Anaconda呢？
Anaconda 的优点
Anaconda的优点总结起来就八个字：省时省心、分析利器。
省时省心： Anaconda通过管理工具包、开发环境、Python版本，大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。
分析利器： 在 Anaconda 官网中是这么宣传自己的：适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。
开源
安装过程简单
高性能使用Python和R语言
免费的社区支持
其特点的实现主要基于Anaconda拥有的：
conda包
环境管理器
1000+开源库
Anaconda、conda、pip、virtualenv的区别
① AnacondaAnaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。
② condaconda是包及其依赖项和环境的管理工具。
适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
适用平台：Windows, macOS, Linux
用途：快速安装、运行和升级包及其依赖项。
在计算机中便捷地创建、保存、加载和切换环境。
如果你需要的包要求不同版本的Python，你无需切换到不同的环境，因为conda同样是一个环境管理器。
仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。 ——conda官方网站
conda为Python项目而创造，但可适用于上述的多种语言。
conda包和环境管理器包含于Anaconda的所有版本当中。
③ pippip是用于安装和管理软件包的包管理器。
pip编写语言：Python。
Python中默认安装的版本：Python 2.7.9及后续版本：默认安装，命令为pip
Python 3.4及后续版本：默认安装，命令为pip3
pip名称的由来：pip采用的是递归缩写进行命名的。其名字被普遍认为来源于2处：
“Pip installs Packages”（“pip安装包”）
“Pip installs Python”（“pip安装Python”）
④ virtualenvvirtualenv：用于创建一个独立的Python环境的工具。
解决问题：当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？
如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
在共享主机时，无法在全局site-packages目录中安装包。
virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；
同时也可以选择性地不连接已安装的全局库。
⑤ pip 与 conda 比较
→ 依赖项检查
pip：
不一定会展示所需其他依赖包。安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
conda：
列出所需其他依赖包。
安装包时自动安装其依赖项。
可以便捷地在包的不同版本中自由切换。
→ 环境管理
pip：
维护多个环境难度较大。
conda：
比较方便地在不同环境之间进行切换，环境管理较为简单。
→ 对系统自带Python的影响
pip：
在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
conda：
不会影响系统自带Python。
→ 适用语言
pip：
仅适用于Python。
conda：
适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
⑥ conda与pip、virtualenv的关系
conda结合了pip和virtualenv的功能。
Anaconda使用指南
Anaconda安装
1. 适用平台 Anaconda可以在以下系统平台中安装和使用： Windows macOS Linux（x86 / Power8） 2. 安装条件 系统要求：32位或64位系统均可 下载文件大小：约500MB 所需空间大小：3GB空间大小（Miniconda仅需400MB空间即可）
windows系统安装Anaconda
1.下载Anaconda：官方下载页面
两个版本可供选择：Python 3.6 和 Python 2.7，选择版之后根据自己操作系统的情况点击“64-Bit Graphical Installer”或“32-Bit Graphical Installer”进行下载。
2.后面傻瓜式安装
注意：
目标路径中不能含有空格，同时不能是“unicode”编码。
除非被要求以管理员权限安装，否则不要以管理员身份安装。
·在“Advanced Installation Options”中不要勾选“Add Anaconda to my PATH environment variable.”（“添加Anaconda至我的环境变量。”）。因为如果勾选，则将会影响其他程序的使用。如果使用Anaconda，则通过打开Anaconda Navigator或者在开始菜单中的“Anaconda Prompt”（类似macOS中·的“终端”）中进行使用。
·除非你打算使用多个版本的Anaconda或者多个版本的Python，否则便勾选“Register Anaconda as my default Python 3.6”。然后点击“Install”开始安装。
管理conda
下面命令适用于windows用户
Windows用户请打开“Anaconda Prompt”进行操作。
查看conda版本
congda --version
更新conda
conda update conda
conda update --all
conda update --all，对所有工具包进行升级，经常用在安装完成后，以避免可能发送的错误。
查看conda帮助信息
conda --help
或
conda -h
管理环境
创建新环境
conda create --name
创建指定版本的环境
conda create --name python2 python=2.7
即创建一个名为“python2”的环境，环境中安装版本为2.7的python。
创建指定版本与指定包环境
conda create -n python3 python=3.5 numpy pandas
即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。
注意： --name同样可以替换为-n。 默认情况下，新创建的环境将会被保存在/Users//anaconda3/env目录下，其中，为当前用户的用户名。 如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python 2.x；如果安装Anaconda第3版，则会自动安装Python 3.x。
切换环境
activate
当成功切换环境之后，在该行行首将以“(env_name)”或“[env_name]”开头。其中，“env_name”为切换到的环境名。如：在macOS系统中执行source active python2，即切换至名为“python2”的环境，则行首将会以(python2)开头。
退出环境
deactivate
当执行退出当前环境，回到root环境命令后，原本行首以“(env_name)”或“[env_name]”开头的字符将不再显示。
显示已创建的环境
conda info --envs 或 conda info -e 或 conda envlist
结果中星号“*”所在行即为当前所在环境。macOS系统中默认创建的环境名为“base”。
复制环境
conda create --name--clone
注意：即为被复制/克隆环境名。环境名两边不加尖括号“<>”。即为复制之后新环境的名称。环境名两边不加尖括号“<>”。如：conda create --name py2 --clone python2，即为克隆名为“python2”的环境，克隆后的新环境名为“py2”。此时，环境中将同时存在“python2”和“py2”环境，且两个环境的配置相同。
删除环境
conda remove --name--all
管理包
查找可供安装的包版本
① 精确查找
conda search --full-name
注意：--full-name为精确查找的参数。
是被查找包的全名。包名两边不加尖括号“<>”。
例如：conda search --full-name python即查找全名为“python”的包有哪些版本可供安装。
② 模糊查找conda search
注意：是查找含有此字段的包名。此字段两边不加尖括号“<>”。
例如：conda search py即查找含有“py”字段的包，有哪些版本可供安装。
获取当前环境中已经安装的包信息
conda list 执行上述命令后将在终端显示当前环境已安装包的包名及其版本号。
安装包
安装一个 package
conda install package_name
安装多个 package
conda install numpy scipy pandas
指定安装版本
conda install numpy=1.10
删除一个 package
conda remove package_name
升级 package 版本
conda update package_name
查看可供安装的包版本
精确查找
conda search --full-name python
conda search --full-name python即查找全名为“python”的包有哪些版本可供安装。
模糊查询
conda search py
conda search py即查找含有“py”字段的包，有哪些版本可供安装。
卸载指定环境的包
conda remove --name python2 pandas
即卸载名为“python2”中的pandas包。
卸载当前环境中的包
conda remove pandas
即在当前环境中卸载pandas包。
更新所有包
conda update --all
或
conda upgrade --all
更新指定包
conda update pandas numpy metaplotilb
即更新pandas、numpy、matplotlib包。