Anaconda入门

1. 关于Python

Python是一种面向对象的解释型计算机程序设计语言，可以在Linux、macOS以及Windows系统中搭建环境并使用，具有跨平台的特点，且代码在不同平台上运行时几乎不需要较大改动。
Python应用领域范围广泛，遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏开发等。实现强大功能的前提是Python具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用，能够实现对不同领域业务的开发。然而，由于库的数量庞大，管理和及时维护这些库是重要但复杂度高的事情。

2. 关于Anaconda

Anaconda是可以便捷获取包且对包进行管理，同时对环境统一管理的发行版本。Anaconda附带了一大批常用数据科学包，包含conda、Python在内的超过180个科学包及其依赖项。

管理环境
如果项目A中用了Python 2，新项目B要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。conda可以为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本。conda可以为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。

管理包
Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。在数据分析中会用到很多第三方包，conda（包管理器）可以很好地安装、卸载和更新包。

验证conda已被安装

conda --version

更新conda至最新版本

conda update conda

查看conda帮助信息

conda --help

3. 管理环境

3.1 创建新环境

conda create --name <env_name><package_name>

即创建的环境名。
即安装在环境中的包名。
如果要安装指定的版本号，则只需要在包名后面以=和版本号的形式执行。

conda create --name python2 python=2.7

即创建一个名为“python2”的环境，环境中安装版本为2.7的python。

如果要在新创建的环境中创建多个包，则直接在后以空格隔开，添加多个包名即可。

conda create -n python3 python=3.5 numpy pandas

即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。
默认情况下，新创建的环境保存在Users//anaconda3/env。

3.2 切换环境

activate <env_name>

如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python 2.x；如果安装Anaconda第3版，则会自动安装Python 3.x。
当成功切换环境之后，在该行行首将以“(env_name)”开头。

3.3 退出环境至root

deactivate

当执行退出当前环境，回到root环境命令后，原本行首以“(env_name)”开头的字符将不再显示。

3.4 显示已创建环境

conda info --envs

conda env list

结果中星号“*”所在行即为当前所在环境。

3.5 复制环境

conda create --name <new_env_name> --clone <copied_env_name>

即为被复制/克隆环境名。
即为复制之后新环境的名称。

conda create --name py2 --clone python2

即克隆名为“python2”的环境，克隆后的新环境名为“py2”。此时，环境中将同时存在“python2”和“py2”环境，且两个环境的配置相同。

3.6 删除环境

conda remove --name <env_name> --all

4. 管理包

4.1 查找可供安装的包版本

精确查找

conda search --full-name <package_full_name>

–full-name为精确查找的参数，是被查找包的全名。

conda search --full-name python

即查找全名为“python”的包有哪些版本可供安装。

模糊查找

conda search <text>

是查找含有此字段的包名。

conda search py

即查找含有“py”字段的包，有哪些版本可供安装。

获取当前环境中已安装的包信息

conda list

执行上述命令后将在终端显示当前环境已安装包的包名及其版本号。

4.2 安装包

在指定环境中安装包

conda install --name <env_name> <package_name>

即要安装的指定环境名，即要安装的包名。

conda install --name python2 pandas

即在名为“python2”的环境中安装pandas包。

在当前环境中安装包

conda install <package_name>

即要安装的包名。

conda install pandas

即在当前环境中安装pandas包。

使用pip安装包
使用场景：当使用conda install无法安装时，可以使用pip进行安装，如see包。

pip install <package_name>

pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。
pip无法更新python，因为pip并不将python视为包。
pip可以安装一些conda无法安装的包，conda也可以安装一些pip无法安装的包。当使用一种命令无法安装包时，可以尝试用另一种命令。

4.3 卸载包

卸载指定环境中的包

conda remove --name <env_name> <package_name>

即卸载包所在指定环境的名称，即要卸载包的名称。

conda remove --name python2 pandas

即卸载名为“python2”的环境中的pandas包。

卸载当前环境中的包

conda remove <package_name>

即要卸载包的名称。

conda remove pandas

即在当前环境中卸载pandas包。

4.4 更新包

更新所有包

conda update --all

conda upgrade --all

在安装Anaconda之后执行上述命令更新Anaconda中的所有包至最新版本，便于使用。

更新指定包

conda update <package_name>

conda upgrade <package_name>

更新多个指定包，则包名以空格隔开，向后排列。

conda upgrade pandas numpy matplotlib

即更新pandas、numpy、matplotlib包。

5. 组件

Anaconda Navigtor
Anaconda可视化的管理界面，用于管理工具包和环境的图形用户界面。

Anaconda Prompt
Anaconda终端，可以便捷地操作conda环境。

IPython
python的交互式shell，比默认的python shell好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置许多很有用的功能和函数。

Jupyter Notebook
Jupyter notebook是基于web的交互式计算环境，可以编辑易于人们阅读的文档，展示数据分析的过程，将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。

Jupyter是服务的三种语言的缩写：Julia，Python和R。

IPython 3.x版本是最后的大一统版本，包括Notebook、Qtconsole等，从IPython 4.0版本开始IPython集中精力做交互式shell，变得轻量化，而剩下的Notebook格式，Qtconsole，和Notebook Web应用等都分离出来统一命名为Jupyter，IPython和Jupyter分家。

安装环境自动关联包

conda install nb_conda

该包可以将conda中创建的环境自动关联到你的notebook中。

安装代码自动补全包

conda install pyreadline

Qtconsole
可执行IPython的仿终端图形界面程序，相比Python Shell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
使用Python语言、跨平台、科学运算集成开发环境。使用Python语言的开放源代码跨平台科学运算IDE，可以跨平台，也可以使用附加组件扩充，自带交互式工具以处理数据。

VSCode
Visual Studio Code是轻量级但功能强大的源代码编辑器，可在桌面上运行，适用于Windows，macOS和Linux。它内置了对JavaScript，TypeScript和Node.js的支持，并为其他语言（如C ++，C＃，Java，Python，PHP，Go）和运行时（如.NET和Unity）提供丰富的扩展生态系统。

Glueviz
Glue是一个Python库，用于探索相关数据集内部和之间的关系。主要特点包括：
链接统计图形。Glue可以创建数据散点图、直方图和2D、3D图像。胶水专注于刷牙和链接范例，其中任何图形中的选择传播到所有其他图形。
灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化，并跨数据集传播选择。链接由用户指定，且任意灵活。
完整的脚本功能。Glue是用Python编写的，并且建立在其标准科学库（即Numpy，Matplotlib，Scipy）之上。用户可以轻松地集成他们自己的python代码进行数据输入，清理和分析。

Orange3
交互式数据可视化
通过巧妙的数据可视化执行简单的数据分析。探索统计分布，箱形图和散点图，或深入了解决策树，层次聚类，热图，MDS和线性投影。
附加组件扩展功能
使用Orange中可用的各种附加组件从外部数据源挖掘数据，执行自然语言处理和文本挖掘，进行网络分析，推断频繁项目集并执行关联规则挖掘。此外，生物信息学家和分子生物学家可以使用Orange通过差异表达对基因进行排序并进行富集分析。

R studio
R软件自带的写脚本的工具。