致Python初学者 Anaconda入门使用指南完整版
打算学习Python来做数据分析的你，是不是在开始时就遇到各种麻烦呢？
到底该装Python2呢还是Python3？
为什么安装Python时总是出错？
怎么安装工具包呢？
为什么提示说在安装这个工具前必须先安装一堆其他不明所以的工具？
相信大多数Python的初学者们都曾为环境问题而头疼不已，但你并不孤独，大家都是这么折腾过来的。为了在入门时少走弯路，并且让高涨的积极性不至于太受打击，这里推荐使用Anaconda来管理你的安装环境和各种工具包。
本文介绍了Anaconda的使用，全文大纲如下：
为什么选择Anaconda
*什么是Anaconda
*什么是conda
*Anaconda的优点
如何安装Anaconda
如何管理Python包
如何管理Python环境
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？
1.3Anaconda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）。
二、如何安装Anaconda？
可以从这里下载Anaconda的安装程序以及查看安装说明。无论是Windows、Linux还是MAC的OSX系统，都可以找到对应的安装软件。如果你的电脑是64位则尽量选64位版本。至于Python的版本是2.7还是3.x，这里推荐你使用Python3，因为Python2终将停止维护。可能目前市面上大多数教程使用的都还是Python2，这也不用着急，因为在Anaconda中可以同时管理两个Python版本的环境。
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：
- AnacondaNavigtor ：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。
- Jupyternotebook ：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PythonShell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。
安装完成后，我们还需要对所有工具包进行升级，以避免可能发生的错误。打开你电脑的终端，在命令行中输入：
condaupgrade--all
在终端询问是否安装如下升级版本时，输入y。
有的情况下，你可能会遇到找不到conda命令的错误提示，这很可能是环境路径设置的问题，需要添加conda环境变量：exportPATH=xxx/anaconda/bin:$PATH,其中xxx替换成anaconda的安装路径。
至此，安装完成，下面让我们看一下如何用Anaconda管理工具包和环境。
三、如何管理Python包？
安装一个package：
condainstallpackage_name
这里package_name是需要安装包的名称。你也可以同时安装多个包，比如同时安装numpy、scipy和pandas，则执行如下命令：
condainstallnumpyscipypandas
你也可以指定安装的版本，比如安装1.1版本的numpy：
condainstallnumpy=1.10
移除一个package：
condaremovepackage_name
升级package版本：
condaupdatepackage_name
查看所有的packages：
condalist
如果你记不清package的具体名称，也可以进行模糊查询：
conda searchsearch_term
四、如何管理Python环境？
默认的环境是root，你也可以创建一个新环境：
condacreate-nenv_namelistofpackages
其中-n代表name，env_name是需要创建的环境名称，listofpackages则是列出在新环境中需要安装的工具包。
例如，当我安装了Python3版本的Anaconda后，默认的root环境自然是Python3，但是我还需要创建一个Python2的环境来运行旧版本的Python代码，最好还安装了pandas包，于是我们运行以下命令来创建：
condacreate-npy2python=2.7pandas
细心的你一定会发现，py2环境中不仅安装了pandas，还安装了numpy等一系列packages，这就是使用conda的方便之处，它会自动为你安装相应的依赖包，而不需要你一个个手动安装。
进入名为env_name的环境：
sourceactivateenv_name
退出当前环境：
sourcedeactivate
另外注意，在Windows系统中，使用activateenv_name和deactivate来进入和退出某个环境。
删除名为env_name的环境：
condaenvremove-nenv_name
显示所有的环境：
condaenvlist
当分享代码的时候，同时也需要将运行环境分享给大家，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。
condaenvexport>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。
condaenvcreate-fenvironment.yaml
至此，你已跨入Anaconda的大门，后续就可以徜徉在Python的海洋中了。
祝学习愉快！
注：本文代码示例参考自Udacity数据分析课程之Anaconda章节。
更多亮点在相关文章里面，希望大家以后多多支持毛票票。