选择Python 科学计算器发行版
Python用于科学计算的一些常用工具和库
- IPython-增强的交互环境：支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数
- Spyder、Wing IDE或Eclipse/Pydev：集成开发环境
- NumPy-数学计算基础库：N维数组、线性代数计算、傅立叶变换、随机数等。
- SciPy-数值计算库：线性代数、拟合与优化、插值、数值积分、稀疏矩阵、图像处理、统计等。
- SymPy-符号运算
- Pandas-数据分析库：数据导入、整理、处理、分析等。
- matplotlib-会图库：绘制二维图形和图表
- Chaco-交互式图表
- OpenCV-计算机视觉库
- TVTK-数据的三维可视化
- Cython-Python转C的编译器：编写高效运算扩展库的首选工具
- BioPython-生物科学
Python科学计算发行版
- Python(x,y)
当前最新版本:2.7.6.1 (05/30/2014)，支持Windows和Python2.7.6。
其库索引列出了所支持的170+Python27库。 - WinPython
当前最新版本:2.7.6.4和3.3.5.0 (04/2014)，支持Windows和Python2.7.6、3.3.5。
其库索引列出了所支持的60+Python27库。
其库索引列出了所支持的60+Python33库。 - Enthought Canopy（Enthought Python Distribution）
当前最新版本:1.4.1 (06/11/2014)，支持Linux, Windows, Mac平台和Python2.7.6。
其库索引列出了所支持的150+测试过的Python库。 - Anaconda
当前最新版本:2.0.1 (06/12/2014)，支持Linux, Windows, Mac平台和Python 2.6、2.7、3.3、3.4。
其库索引列出了所支持的195+流行Python库。
Python(x,y)和WinPython都是开源项目，其项目负责人都是Pierre Raybaut。按Pierre自己的说法是“WinPython不是试图取替Python(x,y)，而是出于不同动机和理念：更灵活、易于维护、可移动、对操作系统侵略性更小，但是用户友好性更差、包更少、没有同Windows资源管理器集成。”。参考1里面说Python(x,y)不是很稳定，此外看它目前的更新不是很频繁，确实有可能Pierre后来的工作重心放在WinPython上了。
一、为什么选择Anaconda？
1.1 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？
1.2 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？
1.3 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。
解决了 是什么 以及 为什么 的问题后，下面让我们看一下 怎么做（How）。
说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
参考:http://www.jianshu.com/p/169403f7e40c
根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担心，我们一项项来看：
- Anaconda Navigator ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。
- Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
- qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
- spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
修改Path变量
设置命令行：
新建一个变量：
Python27: D:programFilesAnaconda2
然后path增加:
python目录和scripts目录。
在cmd输入python -v
PS C:Usersa> Python -V
Python 2.7.14 :: Anaconda, Inc.
PS C:Usersa>
可以看到输出python版本是 Anaconda ，说明是Anaconda下面的python.
Spyder的最大优点就是模仿MATLAB的“工作空间”。
Conda的包管理:
Conda的包管理就比较好理解了，这部分功能与pip类似。
# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包
前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本补充：如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等
设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。
conda cheatsheet:
https://conda.io/docs/_downloads/conda-cheatsheet.pdf
conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
4、使用激活(或切换不同python版本)的虚拟环境。
如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：
# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装，根据需求安装自己需要的package即可# 创建一个名为python34的环境，指定Python版本是3.4
conda create --name python34 python=3.4
# 激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
---------------------
Conda包管理
# 安装xxxx
conda install xxxx
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python34
# 查找package信息
conda search numpy
# 安装package
conda install -n python34 numpy # 如果不用-n指定环境名称，则被安装在当前活跃环境 也可以通过-c指定通过某个channel安装
Conda 更新
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
列举当前所有环境
conda info --envs
conda env list
Get a list of all my environments, active environment is shown with *
Conda 源
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
---------------------
-conda config --show-sources #查看当前使用源/.condarc 文件（conda config --show #查看所有信息）
-conda config --remove channels 源名称或链接 #删除指定源
#2、删除部分内容
## 主要是删除此行： - defaults
#修改后配置文件的内容如下：
vim ~/.condarc
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
————————————————
原文链接：https://blog.csdn.net/ada0915/article/details/78529877