摘要：學習利器我的小白安裝之路序易用，但用好卻不易，其中比較頭疼的就是包管理和不同版本的問題，特別是當你使用的時候。另外值得一提的是，并不僅僅管理的工具包，它也能安裝非的包。

序

Python易用，但用好卻不易，其中比較頭疼的就是包管理和Python不同版本的問題，特別是當你使用Windows的時候。為了解決這些問題，有不少發行版的Python，比如WinPython、Anaconda、pycharm等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，此外，還有virtualenv、pyenv等工具管理虛擬環境。

個人嘗試了很多類似的發行版，最終選擇了Anaconda，因為其強大而方便的包管理與環境管理的功能。該文主要介紹下Anaconda，對Anaconda的理解，并簡要總結下相關的操作。

1.1 什么是 Anaconda？

Anaconda是專注于數據分析的Python發行版本，包含了conda、Python等190多個科學包及其依賴項。作為好奇寶寶的你是不是發現了一個新名詞 conda，那么你一定會問 conda 又是什么呢？

1.2 什么是 conda ？

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

packages 管理： 可以使用 conda 來安裝、更新 、卸載工具包 ，并且它更關注于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 這些在數據分析中常用的包。另外值得一提的是，conda 并不僅僅管理Python的工具包，它也能安裝非python的包。比如在新版的 Anaconda 中就可以安裝R語言的集成開發環境 Rstudio。

虛擬環境管理： 在conda中可以建立多個虛擬環境，用于隔離不同項目所需的不同版本的工具包，以防止版本上的沖突。對糾結于 Python 版本的同學們，我們也可以建立 Python2 和 Python3 兩個環境，來分別運行不同版本的 Python 代碼。

知道 是什么（what） 的同時，我們也需要問一問 為什么（why）。那么，為什么要選擇用Anaconda呢？

1.3 Anaconda 的優點？

Anaconda的優點總結起來就八個字：省時省心、分析利器。

省時省心： Anaconda通過管理工具包、開發環境、Python版本，大大簡化了你的工作流程。不僅可以方便地安裝、更新、卸載工具包，而且安裝時能自動安裝相應的依賴包，同時還能使用不同的虛擬環境隔離不同要求的項目。

分析利器： 在 Anaconda 官網中是這么宣傳自己的：適用于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。不僅可以做數據分析，甚至可以用在大數據和人工智能領域。

解決了 是什么 以及 為什么 的問題后，下面讓我們看一下 怎么做（How）。

Anaconda的下載頁參見官網，Linux、Mac、Windows均支持。
也可以通過清華大學鏡像下載Anaconda鏡像，可以加快下載速度。

安裝時，會發現有不同版本的Anaconda，分別對應Python2.7和Python3.5，兩個版本其實除了這點區別外其他都一樣。后面我們會看到，安裝哪個版本并不本質，因為通過環境管理，我們可以很方便地切換運行時的Python版本。（由于需要安裝TensorFlow，TensorFlow需要用到Python3.5，因此傾向于直接安裝Python3.5對應的Anaconda4.2.0）
瀏覽器打開鏡像鏈接后，會出現這個圖片圖片描述找到適合自己的電腦型號下載。安裝時一直點next就行啦。
當出現下面這張圖時，就已經安裝了Anaconda圖片描述

下載后直接按照說明安裝即可。這里想提醒一點：盡量按照Anaconda默認的行為安裝——不使用root權限，僅為個人安裝，安裝目錄設置在個人主目錄下（Windows就無所謂了）。這樣的好處是，同一臺機器上的不同用戶完全可以安裝、配置自己的Anaconda，不會互相影響。
根據提示進行安裝，完成后你大概會驚訝地發現電腦中多了好多應用，不用擔心，我們一項項來看：

Anaconda Navigator ：用于管理工具包和環境的圖形用戶界面，后續涉及的眾多管理命令也可以在 Navigator中手工實現。

Jupyter notebook ：基于web的交互式計算環境，可以編輯易于人們閱讀的文檔，用于展示數據分析的過程。

qtconsole：一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole
可以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。

對于Mac、Linux系統，Anaconda安裝好后，實際上就是在主目錄下多了個文件夾（~/anaconda）而已，Windows會寫入注冊表。安裝時，安裝程序會把bin目錄加入PATH（Linux/Mac寫入~/.bashrc，Windows添加到系統變量PATH），這些操作也完全可以自己完成。以Linux/Mac為例，安裝完成后設置PATH的操作是

# 將anaconda的bin目錄加入PATH，根據版本不同，也可能是~/anaconda3/bin
echo "export PATH="~/anaconda2/bin:$PATH"" >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

安裝完成后，我們還需要對所有工具包進行升級，以避免可能發生的錯誤。打開你電腦的終端，在Anaconda Prompt中輸入：

conda upgrade --all

在終端詢問是否安裝如下升級版本時，輸入 y。
至此，安裝完成，下面讓我們看一下如何用 Anaconda 管理工具包和環境。

安裝一個 package：

conda install package_name

這里 package_name 是需要安裝包的名稱。你也可以同時安裝多個包，比如同時安裝numpy 、scipy 和 pandas，則執行如下命令：

conda install numpy scipy pandas

你也可以指定安裝的版本，比如安裝 1.1 版本的 numpy ：

conda install numpy=1.10

移除一個 package：

conda remove package_name

升級 package 版本：

conda update package_name

查看所有的 packages：

conda list

如果你記不清 package 的具體名稱，也可以進行模糊查詢：

conda  search search_term

默認的環境是 root，你也可以創建一個新環境：

conda create -n env_name  list of packages

其中 -n 代表 name，env_name 是需要創建的環境名稱，list of packages 則是列出在新環境中需要安裝的工具包。

例如，當我安裝了 Python3 版本的 Anaconda 后，默認的 root 環境自然是 Python3，但是我還需要創建一個 Python 2 的環境來運行舊版本的 Python 代碼，最好還安裝了 pandas 包，于是我們運行以下命令來創建：

conda create -n py2 python=2.7 pandas

細心的你一定會發現，py2 環境中不僅安裝了 pandas，還安裝了 numpy 等一系列 packages，這就是使用 conda 的方便之處，它會自動為你安裝相應的依賴包，而不需要你一個個手動安裝。

進入名為 env_name 的環境：

source activate env_name

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。

刪除名為 env_name 的環境：

conda env remove -n env_name

顯示所有的環境：

conda list

當分享代碼的時候，同時也需要將運行環境分享給大家，執行如下命令可以將當前環境下的 package 信息存入名為 environment 的 YAML 文件中。

conda env export > environment.yaml

同樣，當執行他人的代碼時，也需要配置相應的環境。這時你可以用對方分享的 YAML 文件來創建一摸一樣的運行環境。

conda env create -f environment.yaml

常用操作

# 創建一個名為python27的環境，指定Python版本是2.7（不用管是2.7.x，conda會為我們自動尋找2.7.x中的最新版本）
conda create --name python27 python=2.7
# 安裝好后，使用activate激活某個環境
activate python27
# 激活后，會發現terminal輸入的地方多了python27的字樣，實際上，此時系統做的事情就是把默認3.5環境從PATH中去除，再把2.7對應的命令加入PATH
# 此時，再次輸入
python --version
# 可以得到`Python 2.7.5 :: Anaconda 4.2.0 (64-bit)`，即系統已經切換到了2.7的環境
# 如果想返回默認的python 3.5環境，運行
deactivate python34 
# 刪除一個已有的環境
conda remove --name python34 --all

至此，你已跨入 Anaconda 的大門，后續就可以徜徉在 Python 的海洋中了。

?

? 一，一定要自己先按照教程琢磨，把文章一字不漏看完，連評論也要看，也許評論留言里就有你要解決的辦法。最后實在還是解決不了只好咨詢他人了，因為再自己瞎捉摸不得要領只會讓你想放棄。?

（當然啦咨詢別人的前提是你自己的確有努力研究想辦法解決但還是不成功。你自己有研究過，這樣別人一指點你，一來你聽的懂，兩人沒有溝通障礙；二來也許他人的一句話就把你混亂的思路縷清了，你就好像看見自己出錯的點在哪了。?）

? 二，自己多動手實踐幾次，把自己實踐錯誤的地方記錄下來，解決辦法也記錄下來，最好形成筆記。?

? 余欣博士說：“我記得當年我去百度實習的時候，導師對我的第一個建議是，每天都要做日志，記錄學到的東西和遇到的問題以及解決辦法。這是一個非常好的習慣，特別是對程序員來說?！?/p>