打算學習 Python 來作數據分析的你，是否是在開始時就遇到各類麻煩呢？python
- 到底該裝 Python2 呢仍是 Python3 ？
- 爲何安裝 Python 時老是出錯？
- 怎麼安裝工具包呢？
- 爲何提示說在安裝這個工具前必須先安裝一堆其餘不明因此的工具？
相信大多數 Python 的初學者們都曾爲環境問題而頭疼不已，但你並不孤獨，你們都是這麼折騰過來的。爲了在入門時少走彎路，而且讓高漲的積極性不至於太受打擊，這裏推薦使用 Anaconda 來管理你的安裝環境和各類工具包。git
本文介紹了Anaconda的使用，全文大綱以下：github
- 爲何選擇 Anaconda
- 什麼是 Anaconda
- 什麼是 conda
- Anaconda 的優勢
- 如何安裝 Anaconda
- 如何管理 Python 包
- 如何管理 Python 環境
1、爲何選擇Anaconda？
1.1 什麼是 Anaconda？
Anaconda是專一於數據分析的Python發行版本，包含了conda、Python等190多個科學包及其依賴項。做爲好奇寶寶的你是否是發現了一個新名詞 conda，那麼你必定會問 conda 又是什麼呢？web
1.2 什麼是 conda ？
conda 是開源包（packages）和虛擬環境（environment）的管理系統。c#
- packages 管理： 可使用 conda 來安裝、更新 、卸載工具包 ，而且它更關注於數據科學相關的工具包。在安裝 anaconda 時就預先集成了像 Numpy、Scipy、 pandas、Scikit-learn 這些在數據分析中經常使用的包。另外值得一提的是，conda 並不只僅管理Python的工具包，它也能安裝非python的包。好比在新版的 Anaconda 中就能夠安裝R語言的集成開發環境 Rstudio。
- 虛擬環境管理： 在conda中能夠創建多個虛擬環境，用於隔離不一樣項目所需的不一樣版本的工具包，以防止版本上的衝突。對糾結於 Python 版本的同窗們，咱們也能夠創建 Python2 和 Python3 兩個環境，來分別運行不一樣版本的 Python 代碼。
知道 是什麼（what） 的同時，咱們也須要問一問 爲何（why）。那麼，爲何要選擇用Anaconda呢？機器學習
1.3 Anaconda 的優勢？
Anaconda的優勢總結起來就八個字：省時省心、分析利器。函數
- 省時省心： Anaconda經過管理工具包、開發環境、Python版本，大大簡化了你的工做流程。不只能夠方便地安裝、更新、卸載工具包，並且安裝時能自動安裝相應的依賴包，同時還能使用不一樣的虛擬環境隔離不一樣要求的項目。
- 分析利器： 在 Anaconda 官網中是這麼宣傳本身的：適用於企業級大數據分析的Python工具。其包含了720多個數據科學相關的開源包，在數據可視化、機器學習、深度學習等多方面都有涉及。不只能夠作數據分析，甚至能夠用在大數據和人工智能領域。
解決了 是什麼 以及 爲何 的問題後，下面讓咱們看一下 怎麼作（How）。工具
2、如何安裝Anaconda？
能夠從這裏下載 Anaconda 的安裝程序以及查看安裝說明。不管是 Windows、Linux 仍是 MAC 的 OSX 系統，均可以找到對應的安裝軟件。若是你的電腦是64位則儘可能選64位版本。至於 Python 的版本是 2.7 仍是 3.x，這裏推薦你使用 Python3，由於 Python2 終將中止維護。可能目前市面上大多數教程使用的都仍是 Python2，這也不用着急，由於在 Anaconda 中能夠同時管理兩個 Python 版本的環境。學習
根據提示進行安裝，完成後你大概會驚訝地發現電腦中多了好多應用，不用擔憂，咱們一項項來看：大數據
- Anaconda Navigtor ：用於管理工具包和環境的圖形用戶界面，後續涉及的衆多管理命令也能夠在 Navigator 中手工實現。
- Jupyter notebook ：基於web的交互式計算環境，能夠編輯易於人們閱讀的文檔，用於展現數據分析的過程。
- qtconsole ：一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 能夠直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。
- spyder ：一個使用Python語言、跨平臺的、科學運算集成開發環境。
安裝完成後，咱們還須要對全部工具包進行升級，以免可能發生的錯誤。打開你電腦的終端，在命令行中輸入：
|
1
|
conda
upgrade
--
all
|
在終端詢問是否安裝以下升級版本時，輸入 y。
有的狀況下，你可能會遇到找不到 conda 命令的錯誤提示，這極可能是環境路徑設置的問題，須要添加conda環境變量：export PATH=xxx/anaconda/bin:$PATH, 其中xxx替換成anaconda的安裝路徑。
至此，安裝完成，下面讓咱們看一下如何用 Anaconda 管理工具包和環境。
3、如何管理Python包？
安裝一個 package：
|
1
|
conda
install
package_name
|
這裏 package_name 是須要安裝包的名稱。你也能夠同時安裝多個包，好比同時安裝numpy 、scipy 和 pandas，則執行以下命令：
|
1
|
conda
install
numpy
scipy
pandas
|
你也能夠指定安裝的版本，好比安裝 1.1 版本的 numpy ：
|
1
|
conda
install
numpy
=
1.10
|
移除一個 package：
|
1
|
conda
remove
package_name
|
升級 package 版本：
|
1
|
conda
update
package_name
|
查看全部的 packages：
|
1
|
conda
list
|
若是你記不清 package 的具體名稱，也能夠進行模糊查詢：
|
1
|
conda
search
search_term
|
4、如何管理Python環境？
默認的環境是 root，你也能夠建立一個新環境：
|
1
|
conda
create
-
n
env_name
list
of
packages
|
其中 -n 表明 name，env_name 是須要建立的環境名稱，list of packages 則是列出在新環境中須要安裝的工具包。
例如，當我安裝了 Python3 版本的 Anaconda 後，默認的 root 環境天然是 Python3，可是我還須要建立一個 Python 2 的環境來運行舊版本的 Python 代碼，最好還安裝了 pandas 包，因而咱們運行如下命令來建立：
|
1
|
conda
create
-
n
py2
python
=
2.7
pandas
|
細心的你必定會發現，py2 環境中不只安裝了 pandas，還安裝了 numpy 等一系列 packages，這就是使用 conda 的方便之處，它會自動爲你安裝相應的依賴包，而不須要你一個個手動安裝。
進入名爲 env_name 的環境：
|
1
|
source
activate
env_name
|
退出當前環境：
|
1
|
source
deactivate
|
另外注意，在 Windows 系統中，使用 activate env_name 和 deactivate 來進入和退出某個環境。
刪除名爲 env_name 的環境：
|
1
|
conda
env
remove
-
n
env_name
|
顯示全部的環境：
|
1
|
conda
env
list
|
當分享代碼的時候，同時也須要將運行環境分享給你們，執行以下命令能夠將當前環境下的 package 信息存入名爲 environment 的 YAML 文件中。
|
1
|
conda
env
export
>
environment
.
yaml
|
一樣，當執行他人的代碼時，也須要配置相應的環境。這時你能夠用對方分享的 YAML 文件來建立一摸同樣的運行環境。
|
1
|
conda
env
create
-
f
environment
.
yaml
|
至此，你已跨入 Anaconda 的大門，後續就能夠徜徉在 Python 的海洋中了。
祝學習愉快！
注：本文代碼示例參考自Udacity數據分析課程之Anaconda章節。