Anaconda使用指南

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。

1.2 什麼是 conda ？

        conda 是開源包（packages）和虛擬環境（environment）的管理系統。

        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。

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。

        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。

2. 安裝Anaconda

        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。

        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：

Anaconda Navigator ：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：

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。

3. 如何管理Python包？

安裝一個 package：

        conda install package_name 
        這裏 package_name 是須要安裝包的名稱。

同時安裝多個包：

        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： 
        conda install numpy scipy pandas

指定版本號：

        你也能夠指定安裝的版本，好比安裝 1.1 版本的 numpy ： 
        conda install numpy=1.10

安裝包操做：

移除一個 package： 
conda remove package_name

升級 package 版本： 
conda update package_name

查看全部的 packages： 
conda list

若是你記不清 package 的具體名稱，也能夠進行模糊查詢： 
conda search search_term

4、如何管理Python環境？

建立一個新環境

默認的環境是 root，你也能夠建立一個新環境：

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： 
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。

進入環境： 

進入一個名爲 env_name 的環境：
source activate env_name

退出當前環境： 

退出當前環境：
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。

刪除環境：

刪除名爲 env_name 的環境： 

conda env remove -n env_name

環境列表

顯示全部的環境： 
conda env list

導出環境配置

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。 
conda env export > environment.yaml

導入環境配置

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。

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！

博客搬運地址

• Anaconda使用指南