在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。
点击阅读原文
我要该，理由是：
关闭理由：
删除理由：
忽略理由：
推广（招聘、广告、SEO 等）方面的内容
与已有问题重复（请编辑该提问指向已有相同问题）
答非所问，不符合答题要求
宜作评论而非答案
带有人身攻击、辱骂、仇恨等违反条款的内容
无法获得确切结果的问题
非开发直接相关的问题
非技术提问的讨论型问题
其他原因（请补充说明）为什么安装anaconda以及部分使用技巧7 months ago更多命令，可查看帮助 conda -h（3）anaconda自带了一款编辑器spyder与pycharm的比较相比较而言，个人认为pycharm用起来更便捷，虽然spyder中所有的变量也都能显示，方便调试，里边还有ipython notebook，但是很细节的一些代码写作还是pycharm更便捷一些，比如引号””，spyder貌似无自动匹配机制，输入一个引号还需输入另一个引号。强烈推荐anaconda+pycharm组合，因为anaconda安装的时候已经默认为你安装了一大堆做数据分析常用的包，所以，直接在pycharm中把默认解释器改为anaconda中的python即可（在pycharm-》settings-》Project Interpreter里找到要改环境的项目，选中，然后右上侧点击齿轮，Add local, 选刚才新建环境里的python.exe , 我的在 C:\Anaconda2\envs\tensorflow\python.exe， 之后确认即可）。另外，只是针对数据分析与机器学习，anaconda用起来更方便一些，对于python的其他用途，比如爬虫、web开发，pycharm更好一些。针对大型的web框架修改调试，还是需要个大型IDE。赞赏还没有人赞赏，快来当第一个赞赏的人吧！17收藏分享举报文章被以下专栏收录python网络爬虫与数据分析、可视化{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&基于python爬虫工具，对网络数据进行挖掘与分析、可视化等等，结合一些经济学原理来解释现象，寻找点有趣的内容解析解析&,&permission&:&COLUMN_PUBLIC&,&memberId&:2905002,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&python网络爬虫与数据分析、可视化&,&urlToken&:&zjying2000&,&id&:21626,&imagePath&:&v2-5fb289f2ea5fd1c0aec80f3680d8fce6.jpg&,&slug&:&zjying2000&,&applyReason&:&0&,&name&:&爬虫与数据分析&,&title&:&爬虫与数据分析&,&url&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fzjying2000&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:981,&avatar&:{&id&:&v2-5fb289f2ea5fd1c0aec80f3680d8fce6&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-5fb289f2ea5fd1c0aec80f3680d8fce6_l.jpg&,&articlesCount&:29},&state&:&accepted&,&targetPost&:{&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-b8ac3f28c0ff17f0ef2dba43_r.jpg&,&lastUpdated&:,&imagePath&:&v2-b8ac3f28c0ff17f0ef2dba43.png&,&permission&:&ARTICLE_PUBLIC&,&topics&:[872,4],&summary&:&学习python机器学习，我们似乎总绕不开anaconda，因为很多资料或教程中总建议或者使用anaconda，其实不用该工具也可以实现数据分析与机器学习等内容，比如在我的一篇专栏文章中《6个套路入门ML：用鸢尾花data建立python机器学习的初步印象（一）》（\u003Cu\u003E…\u003C\u002Fu\u003E&,&copyPermission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T11:45:40+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:3395720,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&为什么安装anaconda以及部分使用技巧&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:0,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-b8ac3f28c0ff17f0ef2dba43_r.jpg&,&author&:{&bio&:&爱好大数据的经济学研究者&,&isFollowing&:false,&hash&:&37bcd79a42944a20fabbb&,&uid&:08,&isOrg&:false,&slug&:&zhou-yong-7-54&,&isFollowed&:false,&description&:&知乎专栏，关注精品，https:\u002F\u002Fzhuanlan.zhihu.com\u002Fzjying2000&,&name&:&周永&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fzhou-yong-7-54&,&avatar&:{&id&:&29fc5f352&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:2905002,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:729939}],&title&:&为什么安装anaconda以及部分使用技巧&,&author&:&zhou-yong-7-54&,&content&:&\u003Cp\u003E学习python机器学习，我们似乎总绕不开anaconda，因为很多资料或教程中总建议或者使用anaconda，其实不用该工具也可以实现数据分析与机器学习等内容，比如在我的一篇专栏文章中《6个套路入门ML：用鸢尾花data建立python机器学习的初步印象（一）》（\u003Cu\u003E\u003Ca href=\&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F\& class=\&internal\&\u003E\u003Cspan class=\&invisible\&\u003Ehttps:\u002F\u002F\u003C\u002Fspan\u003E\u003Cspan class=\&visible\&\u003Ezhuanlan.zhihu.com\u002Fp\u002F26\u003C\u002Fspan\u003E\u003Cspan class=\&invisible\&\u003E3C\u002Fspan\u003E\u003Cspan class=\&ellipsis\&\u003E\u003C\u002Fspan\u003E\u003C\u002Fa\u003E\u003C\u002Fu\u003E） ，不过在此之前先要安装很多与数据相关的模块包，如Numpy, Scipy，matplotlib，pandas，sklearn等等。有些包在python3.X的版本下还不好装（具体见我的《6个套路入门ML》文章有一些介绍），这就需要有一个集成的管理工具，让我们把与数据分析有关的包安装好，省去了过多的麻烦。\u003C\u002Fp\u003E\u003Cp\u003E（1）为什么安装anaconda？\u003C\u002Fp\u003E\u003Cp\u003EAnaconda不是语言，它只是python的一个集成管理工具或系统，它把python做相关数据计算与分析所需要的包都集成在了一起，我们只需要安装Anaconda软件就行了，其它什么都不用装，包括python软件。Anaconda则是一个打包的集合，里面包含了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。另外，安装它后就默认安装了python、IPython、Jupyter notebook和集成开发环境 Spyder等等。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E总之一句话，安装anaconda让我们省去了大量下载模块包的时间，更加方便。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E关于anaconda的安装与使用，目前网上的资料很多，在这里不过多介绍，只是说一两个关键的问题。 \u003C\u002Fp\u003E\u003Cp\u003E（2）anaconda的版本问题：选择python2.7还是3.6?\u003C\u002Fp\u003E\u003Cp\u003E由于Python有2和3两个版本，因此Anaconda也在Python2和Python3的基础上推出了两个发行版，即Anaconda2和Anaconda3。Python3 被越来越多的开发者所接受，同时让人尴尬的是很多遗留的老系统依旧运行在 Python2 的环境中，因此有时你不得不同时在两个版本中进行开发，调试。\u003C\u002Fp\u003E\u003Cp\u003E如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题，一个利好的消息是，Anaconda 能完美解决Python2 和 Python3 的共存问题。\u003C\u002Fp\u003E\u003Cp\u003Econda 是 Anaconda 下用于包管理和环境管理的命令行工具，是 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行 conda 命令\u003C\u002Fp\u003E\u003Cp\u003E如果你熟悉 virtualenv，那么上手 conda 非常容易，不熟悉 virtulenv 的也没关系，它提供的命令就几个，非常简单。我们可以利用 conda 的虚拟环境管理功能在 Python2 和 Python3 之间自由切换。\u003C\u002Fp\u003E\u003Cp\u003E多版本切换\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-python\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&c1\&\u003E# 基于 python3.6 创建一个名为test_py3 的环境\u003C\u002Fspan\u003E\n\u003Cspan class=\&n\&\u003Econda\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecreate\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E--\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Ename\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Etest_py3\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Epython\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E\u003Cspan class=\&mf\&\u003E3.6\u003C\u002Fspan\u003E \n\u003Cspan class=\&c1\&\u003E# 基于 python2.7 创建一个名为test_py2 的环境\u003C\u002Fspan\u003E\n\u003Cspan class=\&n\&\u003Econda\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Ecreate\u003C\u002Fspan\u003E \u003Cspan class=\&o\&\u003E--\u003C\u002Fspan\u003E\u003Cspan class=\&n\&\u003Ename\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Etest_py2\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Epython\u003C\u002Fspan\u003E\u003Cspan class=\&o\&\u003E=\u003C\u002Fspan\u003E\u003Cspan class=\&mf\&\u003E2.7\u003C\u002Fspan\u003E\n\u003Cspan class=\&c1\&\u003E# 激活 test 环境\u003C\u002Fspan\u003E\n\u003Cspan class=\&n\&\u003Eactivate\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Etest_py2\u003C\u002Fspan\u003E
\u003Cspan class=\&c1\&\u003E# windows\u003C\u002Fspan\u003E\n\u003Cspan class=\&n\&\u003Esource\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Eactivate\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Etest_py2\u003C\u002Fspan\u003E \u003Cspan class=\&c1\&\u003E# linux\u002Fmac\u003C\u002Fspan\u003E\n\u003Cspan class=\&c1\&\u003E# 切换到python3\u003C\u002Fspan\u003E\n\u003Cspan class=\&n\&\u003Eactivate\u003C\u002Fspan\u003E \u003Cspan class=\&n\&\u003Etest_py3\u003C\u002Fspan\u003E\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E更多命令，可查看帮助 conda -h\u003C\u002Fp\u003E\u003Cp\u003E（3）anaconda自带了一款编辑器spyder与pycharm的比较\u003C\u002Fp\u003E\u003Cp\u003E相比较而言，个人认为pycharm用起来更便捷，虽然spyder中所有的变量也都能显示，方便调试，里边还有ipython notebook，但是很细节的一些代码写作还是pycharm更便捷一些，比如引号””，spyder貌似无自动匹配机制，输入一个引号还需输入另一个引号。\u003C\u002Fp\u003E\u003Cp\u003E强烈推荐anaconda+pycharm组合，因为anaconda安装的时候已经默认为你安装了一大堆做数据分析常用的包，所以，直接在pycharm中把默认解释器改为anaconda中的python即可（在pycharm-》settings-》Project Interpreter里找到要改环境的项目，选中，然后右上侧点击齿轮，Add local, 选刚才新建环境里的python.exe , 我的在 C:\\Anaconda2\\envs\\tensorflow\\python.exe， 之后确认即可）。\u003C\u002Fp\u003E\u003Cp\u003E另外，只是针对数据分析与机器学习，anaconda用起来更方便一些，对于python的其他用途，比如爬虫、web开发，pycharm更好一些。针对大型的web框架修改调试，还是需要个大型IDE。\u003C\u002Fp\u003E\u003Cp\u003E\u003C\u002Fp\u003E&,&updated&:new Date(&T03:45:40.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:1,&collapsedCount&:0,&likeCount&:17,&state&:&published&,&isLiked&:false,&slug&:&&,&lastestTipjarors&:[],&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-b8ac3f28c0ff17f0ef2dba43_r.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&Python&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&Anaconda&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&机器学习&}],&adminClosedComment&:false,&titleImageSize&:{&width&:500,&height&:235},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&tipjarState&:&activated&,&tipjarTagLine&:&真诚赞赏，手留余香&,&sourceUrl&:&&,&pageCommentsCount&:1,&tipjarorCount&:0,&annotationAction&:[],&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T11:45:40+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&&,&isFollowing&:false,&hash&:&7baec5ae82b80&,&uid&:92,&isOrg&:false,&slug&:&chao-vic&,&isFollowed&:false,&description&:&&,&name&:&chao vic&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fchao-vic&,&avatar&:{&id&:&4bd0ba4d1&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&机械&,&isFollowing&:false,&hash&:&bb3eba18aac132f8&,&uid&:949000,&isOrg&:false,&slug&:&li-er-kui-80&,&isFollowed&:false,&description&:&&,&name&:&李二奎&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fli-er-kui-80&,&avatar&:{&id&:&cba79782ed19a&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&压垮人的永远不是压力，而是无尽的欲念&,&isFollowing&:false,&hash&:&5eea215d06a6a&,&uid&:928600,&isOrg&:false,&slug&:&zhou-sheng-zhe-18&,&isFollowed&:false,&description&:&&,&name&:&烨磊&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fzhou-sheng-zhe-18&,&avatar&:{&id&:&v2-dea4cdc7a170b735df9caf8f0551f18e&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:null,&isFollowing&:false,&hash&:&845d0bf3c5e33d061c69eae8ca52d7bd&,&uid&:109200,&isOrg&:false,&slug&:&kggshuang-yu&,&isFollowed&:false,&description&:&&,&name&:&kgg双鱼&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fkggshuang-yu&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&工程师&,&isFollowing&:false,&hash&:&67714f5ffcda667c22fca0ca&,&uid&:454000,&isOrg&:false,&slug&:&cheng-zi-42-85&,&isFollowed&:false,&description&:&&,&name&:&橙子&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fcheng-zi-42-85&,&avatar&:{&id&:&v2-8a1fbfaff0d55b2c92e5ab&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&学习python机器学习，我们似乎总绕不开anaconda，因为很多资料或教程中总建议或者使用anaconda，其实不用该工具也可以实现数据分析与机器学习等内容，比如在我的一篇专栏文章中《6个套路入门ML：用鸢尾花data建立python机器学习的初步印象（一）》（\u003Cu\u003E…\u003C\u002Fu\u003E&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&annotationDetail&:null,&commentsCount&:1,&likesCount&:17,&FULLINFO&:true}},&User&:{&zhou-yong-7-54&:{&isFollowed&:false,&name&:&周永&,&headline&:&知乎专栏，关注精品，https:\u002F\u002Fzhuanlan.zhihu.com\u002Fzjying2000&,&avatarUrl&:&https:\u002F\u002Fpic1.zhimg.com\u002F29fc5f352_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&zhou-yong-7-54&,&bio&:&爱好大数据的经济学研究者&,&hash&:&37bcd79a42944a20fabbb&,&uid&:08,&isOrg&:false,&description&:&知乎专栏，关注精品，https:\u002F\u002Fzhuanlan.zhihu.com\u002Fzjying2000&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fzhou-yong-7-54&,&avatar&:{&id&:&29fc5f352&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&growthSearch&:&s2&,&sEI&:&c&,&nwebQAGrowth&:&experiment&,&qawebRelatedReadingsContentControl&:&close&,&liveStore&:&ls_a2_b2_c1_f2&,&nwebSearch&:&nweb_search_heifetz&,&rt&:&y&,&isOffice&:&false&,&enableTtsPlay&:&post&,&newLiveFeedMediacard&:&new&,&newMobileAppHeader&:&true&,&androidPassThroughPush&:&all&,&hybridZhmoreVideo&:&yes&,&nwebGrowthPeople&:&default&,&nwebSearchSuggest&:&default&,&qrcodeLogin&:&qrcode&,&enableVoteDownReasonMenu&:&enable&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbRecommendAction&:&open&,&biu&:&1&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&default&:&None&,&isNewNotiPanel&:&no&,&biua&:&1&,&zcmLighting&:&zcm&,&adR&:&b&,&wechatShareModal&:&wechat_share_modal_show&,&growthBanner&:&default&,&androidProfilePanel&:&panel_b&}},&columns&:{&next&:{}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}31被浏览6,187分享邀请回答85 条评论分享收藏感谢收起6添加评论分享收藏感谢收起Anaconda使用总结 - Python - 伯乐在线
& Anaconda使用总结
Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，有不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便pythoners直接使用，此外，还有virtualenv、pyenv等工具管理虚拟环境。
个人尝试了很多类似的发行版，最终选择了Anaconda，因为其强大而方便的包管理与环境管理的功能。该文主要介绍下Anaconda，对Anaconda的理解，并简要总结下相关的操作。
Anaconda概述
是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
Anaconda的安装
Anaconda的下载页参见，Linux、Mac、Windows均支持。
安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）
下载后直接按照说明安装即可。这里想提醒一点：尽量按照Anaconda默认的行为安装——不使用root权限，仅为个人安装，安装目录设置在个人主目录下（Windows就无所谓了）。这样的好处是，同一台机器上的不同用户完全可以安装、配置自己的Anaconda，不会互相影响。
对于Mac、Linux系统，Anaconda安装好后，实际上就是在主目录下多了个文件夹（~/anaconda）而已，Windows会写入注册表。安装时，安装程序会把bin目录加入PATH（Linux/Mac写入~/.bashrc，Windows添加到系统变量PATH），这些操作也完全可以自己完成。以Linux/Mac为例，安装完成后设置PATH的操作是
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' && ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/binecho 'export PATH="~/anaconda2/bin:$PATH"' && ~/.bashrc# 更新bashrc以立即生效source ~/.bashrc
配置好PATH后，可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本，运行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发行版默认的环境是Python 2.7。
Conda的环境管理
Conda的环境管理功能允许我们同时安装若干不同版本的Python，并能自由切换。对于上述安装过程，假设我们采用的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是root，注意这个root不是超级管理员的意思）。
假设我们需要安装Python 3.4，此时，我们需要做的操作如下：
# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4
# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH
# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
123456789101112131415161718
# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）conda create --name python34 python=3.4&# 安装好后，使用activate激活某个环境activate python34 # for Windowssource activate python34 # for Linux & Mac# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH&# 此时，再次输入python --version# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境&# 如果想返回默认的python 2.7环境，运行deactivate python34 # for Windowssource deactivate python34 # for Linux & Mac&# 删除一个已有的环境conda remove --name python34 --all
用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。
说明：有些用户可能经常使用python 3.4环境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda对应的那个bin目录。这个办法，怎么说呢，也是可以的，但总觉得不是那么elegant……
如果直接按上面说的这么改PATH，你会发现conda命令又找不到了（当然找不到啦，因为conda在~/anaconda/bin里呢），这时候怎么办呢？方法有二：1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda工具（推荐）。
Conda的包管理
Conda的包管理就比较好理解了，这部分功能与pip类似。
例如，如果需要安装scipy：
# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包
# 安装scipyconda install scipy# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）&# 查看已经安装的packagesconda list# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包
conda的一些常用操作如下：
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python34
# 查找package信息
conda search numpy
# 安装package
conda install -n python34 numpy
# 如果不用-n指定环境名称，则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
12345678910111213141516171819
# 查看当前环境下已安装的包conda list&# 查看某个指定环境的已安装包conda list -n python34&# 查找package信息conda search numpy&# 安装packageconda install -n python34 numpy# 如果不用-n指定环境名称，则被安装在当前活跃环境# 也可以通过-c指定通过某个channel安装&# 更新packageconda update -n python34 numpy&# 删除packageconda remove -n python34 numpy
前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
# 更新conda，保持conda最新conda update conda&# 更新anacondaconda update anaconda&# 更新pythonconda update python# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
补充：如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：
# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装，根据需求安装自己需要的package即可
# 在当前环境下安装anaconda包集合conda install anaconda&# 结合创建环境的命令，以上操作可以合并为conda create -n python34 python=3.4 anaconda# 也可以不用全部安装，根据需求安装自己需要的package即可
设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
# 添加Anaconda的TUNA镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/# TUNA的help中镜像地址加有引号，需要去掉&# 设置搜索时显示通道地址conda config --set show_channel_urls yes
执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。
Anaconda具有跨平台、包管理、环境管理的特点，因此很适合快速在新的机器上部署Python环境。总结而言，整套安装、配置流程如下：
下载Anaconda、安装
配置PATH（bashrc或环境变量），更改TUNA镜像源
创建所需的不用版本的python环境
cheat-sheet 下载：
可能感兴趣的话题
如何删除老版本的python。比如现在有3.5和3.4版本的python共存，怎么删除3.4？
关于 Python 频道
Python频道分享 Python 开发技术、相关的行业动态。
新浪微博：
推荐微信号
（加好友请注明来意）
– 好的话题、有启发的回复、值得信赖的圈子
– 分享和发现有价值的内容与观点
– 为IT单身男女服务的征婚传播平台
– 优秀的工具资源导航
– 翻译传播优秀的外文文章
– 国内外的精选文章
– UI,网页，交互和用户体验
– 专注iOS技术分享
– 专注Android技术分享
– JavaScript, HTML5, CSS
– 专注Java技术分享
– 专注Python技术分享
& 2018 伯乐在线