Anaconda的安装和使用

Anaconda 可以用来管理Python所用的包和环境，它附带了 conda、Python 和 150 多个科学包及其依赖项。Anaconda 能让你在数据科学的工作中轻松安装经常使用的程序包。你还将使用它创建虚拟环境，以便更轻松地处理多个项目。Anaconda 简化了工作流程，并且解决了多个包和 Python 版本之间遇到的大量问题。

1. 安装Anaconda

Anaconda 可用于 Windows、Mac OS X 和 Linux。可以在 https://www.anaconda.com/download/ 上找到安装程序和安装说明。

如果计算机上已经安装了Python，这不会有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。

Windows 上，会随 Anaconda 一起安装一批应用程序：

Anaconda Navigator，它是用于管理环境和包的 GUI
Anaconda Prompt 终端，它可让你使用命令行界面来管理环境和包
Spyder，它是面向科学开发的 IDE

2. 管理包

要安装包，在终端中键入：conda install package_name
可以同时安装多个包，例如： conda install numpy scipy pandas
Conda 会自动安装依赖项。
卸载包使用 conda remove package_name
更新包：conda update package_name
更新环境中所有的包：conda update --all
列出已经安装的包：conda list
不知道要找的包的确切名称，可以使用 conda search search_term 进行搜索。
例如我想安装 Beautiful Soup，但不知到包的确切名称，可以使用:conda search beautifulsoup。

3. 环境管理

创建环境使用： conda create -n env_name list_of_packages。
例如，要创建名为 my_env 的环境并在其中安装 numpy，键入 conda create -n my_env numpy。
创建环境时，可以指定Python版本。例如： conda create -n py3 python=3或 conda create -n py2 python=2，这将分别安装 Python 3 或 Python 2 的最新版本。
进入环境：source activate my_env
离开环境：source deactivate

4. 保存和加载环境

共享环境这项功能确实很有用，它能让其他人安装你的代码时使用的所有包，确保了安装代码时包的版本正确性。

保存环境： conda env export > environment.yaml

这条命令将包保存为 YAML格式的文件，其中conda env export输出环境中的所有包（包括 Python 版本）。

此YAML文件可以随代码一起共享，这样其他人就能够用于创建和你项目相同的环境。
通过环境文件加载环境，使用 conda env create -f environment.yaml。
列出你创建过的环境：conda env list，默认的环境名为 root。
删除指定的环境：conda env remove -n env_name

Tips

为了让 Python 2 和 Python 3 具有独立的环境，可以使用conda create -n py2 python=2和conda create -n py3 python=3创建两个独立的环境。现在每个 Python 版本都有一个通用环境。

还可以为从事的每个项目创建独立的环境，这对于与数据不相关的项目（例如使用 Flask 开发的 Web 应用）很有用。
在 GitHub 上共享代码时，最好将创建环境的文件包含在代码库中。这能让其他人更轻松地安装你的代码。
对于不使用 conda 的用户，可以使用 pip freeze > requirements.txt命令（在此处了解详情）导出 python 环境文件requirements.txt。同样的，可以使用pip install -r requirements.txt导入python包。

Jake Vanderplas 撰写的文章：Conda myths and misconceptions
conda文档