Anaconda发行版
阅读: 15857 评论：0一、简介
既然要开始学习基于Python的数据分析和处理，前面介绍的那些库和工具必然是要安装的。那么我们一个一个手动安装它们吗？不不不，只有蒙眼狂奔的人才会这么干，实际上我们都通过安装Anaconda来一次性安装上面的库和工具。
官网：https://www.anaconda.com/
Anaconda的英文解释是产于南美洲的水蟒，这个Python的大蟒蛇是一个物种不同品种。
Anaconda是一个开源的Python发行版本，支持 Linux, Mac, Windows，包含了Python核心、conda、Numpy、Pandas、matplotlib等180多个科学包及其依赖项，这让你不再为了各种依赖关系的缺失，头疼无法成功安装某个库。因为包含了大量的科学包，Anaconda的下载文件也比较大（几百MB），如果只需要其中的某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。
二、安装
1. 下载安装包
由于Anaconda是跨平台的，并且支持Python2.7和Python3.x，所以在官网的下载页面，有如下可选安装包：
连接：https://www.anaconda.com/download/
一般我们选择Windows下的64位，基于Python3.x的版本。Python2.7即将淘汰，不建议再使用。
如果你访问官网的速度不够快，下载困难，那么可以尝试访问清华的镜像站点：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
将滚动条拉到最下方，选择你需要的最新版本进行下载。
清华站点还提供了conda安装包的镜像地址，只需要如下设置：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes
2. 安装过程
以下以Windows中的安装过程为例，在Linux和Mac中的安装大同小异：
建议选择默认路径:
需要注意的是下面的两个选项：
第一个选项决定是否将Anaconda加入系统路径环境变量里，这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令，建议选上。
第二个选项决定是否将Anaconda版本的解释器作为系统的Python解释器。如果你在机器中还安装了别的比如官方版本的Python解释器，建议不要选择这项，否则容易冲突。
整个安装过程很简洁明了，没什么太多需要解释的
三、简单使用
1. 组件介绍
Anaconda安装完毕后，会给我们提供下面的可执行程序：
Navigator： 一个总的控制dashboard，对Anaconda的各方面进行配置
命令行控制台：方便执行一些命令，默认进入Anaconda环境
Jupyter notebook：强大的基于web的交互式环境
Spyder：一个类似Pycharm的综合集成环境IDE
2. conda
同Python自带的pip包管理工具一样，Anaconda也自带一个包管理工具conda，并具有自己的包仓库和服务器。下面简单介绍一下conda：
conda是Anaconda专用的开源包（packages）和虚拟环境（environment）管理工具。
- 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。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。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。
管理包：
# 确认conda已安装: conda --version # 更新conda版本: conda update conda # 查询conda信息: conda info # 升级anaconda: conda update anaconda 1. 安装包： conda install package_name 2. 同时安装多个包： conda install numpy scipy pandas 3. 安装指定版本 conda install numpy=1.10 4. 移除包 conda remove package_name 5. 更新包 conda update package_name 5. 更新所有包 conda update --all 6. 查看所有已经安装的包： conda list 7. 查询某个包，也可以进行模糊查询： conda search search_key_word
环境管理：
1. 创建一个新环境： conda create -n env_name list of packages 其中 -n 代表name，env_name是需要创建的环境名称，list of packages 则是列出在新环境中同时需要安装的工具包。 例如： conda create -n py3 python=3.7 pandas 或者复制一个已有的环境 conda create --name new_env --clone old_env 2. 进入名为env_name的环境： source activate env_name 3. 退出当前环境： source deactivate 在Windows系统中，使用activate env_name和deactivate来进入和退出某个环境。 4. 删除名为env_name的环境： conda env remove -n env_name 5. 显示所有的环境： conda env list 6. 查看环境信息 conda info --envs 7. 当分享代码给别人的时候，同时也需要将运行环境分享，执行如下命令可以将当前环境下的package信息存入名为environment的YAML文件中。 conda env export --name env_name > environment.yaml 同样，当执行他人的代码时，也需要配置相应的环境。这时你可以用对方分享的YAML文件来创建一摸一样的运行环境。 conda env create -f environment.yaml