本文引用
以下僅作學習記錄
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython、anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，此外，還有virtualenv、pyenv等工具管理虛擬環境。
個人嘗試了很多類似的發行版，最終選擇了anaconda，因為其強大而方便的包管理與環境管理的功能。該文主要介紹下anaconda，對anaconda的理解，並簡要總結下相關的操作。
anaconda是乙個用於科學計算的python發行版，支援 linux, mac, windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。anaconda利用工具/命令conda來進行package和environment的管理，並且已經包含了python和相關的配套工具。
這裡先解釋下conda、anaconda這些概念的差別。conda可以理解為乙個工具，也是乙個可執行命令，其核心功能是包管理與環境管理。包管理與pip的使用類似，環境管理則允許使用者方便地安裝不同版本的python並可以快速切換。anaconda則是乙個打包的集合，裡面預裝好了conda、某個版本的python、眾多packages、科學計算工具等等，所以也稱為python的一種發行版。其實還有miniconda，顧名思義，它只包含最基本的內容——python與conda，以及相關的必須依賴項，對於空間要求嚴格的使用者，miniconda是一種選擇。
進入下文之前，說明一下conda的設計理念——conda將幾乎所有的工具、第三方包都當做package對待，甚至包括python和conda自身！因此，conda打破了包管理與環境管理的約束，能非常方便地安裝各種版本python、各種package並方便地切換。
安裝時，會發現有兩個不同版本的anaconda，分別對應python 2.7和python 3.5，兩個版本其實除了這點區別外其他都一樣。後面我們會看到，安裝哪個版本並不本質，因為通過環境管理，我們可以很方便地切換執行時的python版本。（由於我常用的python是2.7和3.4，因此傾向於直接安裝python 2.7對應的anaconda）
對於mac、linux系統，anaconda安裝好後，實際上就是在主目錄下多了個資料夾（~/anaconda）而已，windows會寫入登錄檔。安裝時，安裝程式會把bin目錄加入path（linux/mac寫入~/.bashrc，windows新增到系統變數path），這些操作也完全可以自己完成。以linux/mac為例，安裝完成後設定path的操作是12
34# 將anaconda的bin目錄加入path，根據版本不同，也可能是~/anaconda3/bin
echo'export path="~/anaconda2/bin:$path"'>>~/.bashrc
# 更新bashrc以立即生效
source~/.bashrc
配置好path後，可以通過which conda或conda --version命令檢查是否正確。假如安裝的是python 2.7對應的版本，執行python --version或python -v可以得到python 2.7.12 :: anaconda 4.1.1 (64-bit)，也說明該發行版預設的環境是python 2.7。
conda的環境管理功能允許我們同時安裝若干不同版本的python，並能自由切換。對於上述安裝過程，假設我們採用的是python 2.7對應的安裝包，那麼python 2.7就是預設的環境（預設名字是root，注意這個root不是超級管理員的意思）。
假設我們需要安裝python 3.4，此時，我們需要做的操作如下：12
3456
78910
1112
1314
1516
1718
# 建立乙個名為python34的環境，指定python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create--name python34 python=3.4
# 安裝好後，使用activate啟用某個環境
activate python34# for windows
source activate python34# for linux & mac
# 啟用後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把預設2.7環境從path中去除，再把3.4對應的命令加入path
# 此時，再次輸入
python--version
# 可以得到`python 3.4.5 :: anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境
# 如果想返回預設的python 2.7環境，執行
deactivate python34# for windows
source deactivate python34# for linux & mac
# 刪除乙個已有的環境
conda remove--name python34--all
使用者安裝的不同python環境都會被放在目錄~/anaconda/envs下，可以在命令中執行conda info -e檢視已安裝的環境，當前被啟用的環境會顯示有乙個星號或者括號。
說明：有些使用者可能經常使用python 3.4環境，因此直接把~/anaconda/envs/python34下面的bin或者scripts加入path，去除anaconda對應的那個bin目錄。這個辦法，怎麼說呢，也是可以的，但總覺得不是那麼elegant……
如果直接按上面說的這麼改path，你會發現conda命令又找不到了（當然找不到啦，因為conda在~/anaconda/bin裡呢），這時候怎麼辦呢？方法有二：1. 顯式地給出conda的絕對位址 2. 在python34環境中也安裝conda工具（推薦）。
conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：12
3456
7# 安裝scipy
conda install scipy
# conda會從從遠端搜尋scipy的相關資訊和依賴專案，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）
# 檢視已經安裝的packages
conda list
# 最新版的conda是從site-packages資料夾中搜尋已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包
conda的一些常用操作如下：12
3456
78910
1112
1314
1516
1718
19# 檢視當前環境下已安裝的包
conda list
# 檢視某個指定環境的已安裝包
conda list-npython34
# 查詢package資訊
conda search numpy
# 安裝package
conda install-npython34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝
# 更新package
conda update-npython34 numpy
# 刪除package
conda remove-npython34 numpy
前面已經提到，conda將conda、python等都視為package，因此，完全可以使用conda來管理conda和python的版本，例如12
3456
789# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python公升級為3.4.x系列的當前最新版本
補充：如果建立新的python環境，比如3.4，執行conda create -n python34 python=3.4之後，conda僅安裝python 3.4相關的必須項，如python, pip等，如果希望該環境像預設環境那樣，安裝anaconda集合包，只需要：12
3456
# 在當前環境下安裝anaconda包集合
conda install anaconda
# 結合建立環境的命令，以上操作可以合併為
conda create-npython34 python=3.4anaconda
# 也可以不用全部安裝，根據需求安裝自己需要的package即可12
3456
# 新增anaconda的tuna映象
conda config--add channels
# tuna的help中映象位址加有引號，需要去掉
# 設定搜尋時顯示通道位址
conda config--set show_channel_urls yes
執行完上述命令後，會生成~/.condarc(linux/mac)或c:usersuser_name.condarc檔案，記錄著我們對conda的配置，直接手動建立、編輯該檔案是相同的效果。
anaconda的一些使用記錄
檢視環境有哪些 conda info e 建立環境 conda create n lls python37 python 3.7 啟用環境 activate 如 activate lls python37 注 由於配置的是清華的映象，不知什麼原因，使用python3.7的conda環境時，安裝ten...
PIP安裝包使用記錄 anaconda下
把d anaconda lib site packages下需要的包，拷貝至，下面資料夾中 d anaconda envs tensorflow lib site packages 此資料夾就是anaconda的安裝目錄 之後，就可以在ide中，使用import命令，安裝對應的模組 今天準備安裝的時...
Anaconda使用總結
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，...