Anaconda使用簡介

餘欣是一名資料科學從業者。曾獲得中科院理論物理博士學位，她曾在大資料企業擔任研發組長，負責企業級搜尋引擎和輿情分析產品的開發管理。

熱愛思考、擁抱新知，對大資料充滿熱情，立志成為優秀的資料科學家。

打算學習 python 來做資料分析的你，是不是在開始時就遇到各種麻煩呢？

相信大多數 python 的初學者們都曾為環境問題而頭疼不已，但你並不孤獨，大家都是這麼折騰過來的。為了在入門時少走彎路，並且讓高漲的積極性不至於太受打擊，這裡推薦使用 anaconda 來管理你的安裝環境和各種工具包。

如何安裝 anaconda

如何管理 python 包

如何管理 python 環境

anaconda是專注於資料分析的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乙個新名詞 conda，那麼你一定會問 conda 又是什麼呢？

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

知道是什麼（what）的同時，我們也需要問一問為什麼（why）。那麼，為什麼要選擇用anaconda呢？

anaconda的優點總結起來就八個字：省時省心、分析利器。

解決了是什麼以及為什麼的問題後，下面讓我們看一下怎麼做（how）。

根據提示進行安裝，完成後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：

安裝完成後，我們還需要對所有工具包進行公升級，以避免可能發生的錯誤。開啟你電腦的終端，在命令列中輸入：

conda upgrade --all

在終端詢問是否安裝如下公升級版本時，輸入 y。

有的情況下，你可能會遇到找不到 conda 命令的錯誤提示，這很可能是環境路徑設定的問題，需要新增conda環境變數：export path=***/anaconda/bin:$path, 其中***替換成anaconda的安裝路徑。

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。

安裝乙個 package：

conda install package_name

這裡 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

移除乙個 package：

conda remove package_name

公升級 package 版本：

conda update package_name

檢視所有的 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

預設的環境是 root，你也可以建立乙個新環境：

conda create -n env_name  list of packages

其中 -n 代表 name，env_name 是需要建立的環境名稱，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 後，預設的 root 環境自然是 python3，但是我還需要建立乙個 python 2 的環境來執行舊版本的 python **，最好還安裝了 pandas 包，於是我們執行以下命令來建立：

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，而不需要你乙個個手動安裝。

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 env list

當分享**的時候，同時也需要將執行環境分享給大家，執行如下命令可以將當前環境下的 package 資訊存入名為 environment 的 yaml 檔案中。

conda env export > environment.yaml

同樣，當執行他人的**時，也需要配置相應的環境。這時你可以用對方分享的 yaml 檔案來建立一摸一樣的執行環境。

conda env create -f environment.yaml

至此，你已跨入 anaconda 的大門，後續就可以徜徉在 python 的海洋中了。

祝學習愉快！