打算学习 Python 来作数据分析的你，是否是在开始时就遇到各类麻烦呢？python
- 到底该装 Python2 呢仍是 Python3 ？
- 为何安装 Python 时老是出错？
- 怎么安装工具包呢？
- 为何提示说在安装这个工具前必须先安装一堆其余不明因此的工具？
相信大多数 Python 的初学者们都曾为环境问题而头疼不已，但你并不孤独，你们都是这么折腾过来的。为了在入门时少走弯路，而且让高涨的积极性不至于太受打击，这里推荐使用 Anaconda 来管理你的安装环境和各类工具包。git
本文介绍了Anaconda的使用，全文大纲以下：github
- 为何选择 Anaconda
- 什么是 Anaconda
- 什么是 conda
- Anaconda 的优势
- 如何安装 Anaconda
- 如何管理 Python 包
- 如何管理 Python 环境
1、为何选择Anaconda？
1.1 什么是 Anaconda？
Anaconda是专一于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。做为好奇宝宝的你是否是发现了一个新名词 conda，那么你必定会问 conda 又是什么呢？web
1.2 什么是 conda ？
conda 是开源包（packages）和虚拟环境（environment）的管理系统。c#
- packages 管理： 可使用 conda 来安装、更新 、卸载工具包 ，而且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中经常使用的包。另外值得一提的是，conda 并不只仅管理Python的工具包，它也能安装非python的包。好比在新版的 Anaconda 中就能够安装R语言的集成开发环境 Rstudio。
- 虚拟环境管理： 在conda中能够创建多个虚拟环境，用于隔离不一样项目所需的不一样版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同窗们，咱们也能够创建 Python2 和 Python3 两个环境，来分别运行不一样版本的 Python 代码。
知道 是什么（what） 的同时，咱们也须要问一问 为何（why）。那么，为何要选择用Anaconda呢？机器学习
1.3 Anaconda 的优势？
Anaconda的优势总结起来就八个字：省时省心、分析利器。函数
- 省时省心： Anaconda经过管理工具包、开发环境、Python版本，大大简化了你的工做流程。不只能够方便地安装、更新、卸载工具包，并且安装时能自动安装相应的依赖包，同时还能使用不一样的虚拟环境隔离不一样要求的项目。
- 分析利器： 在 Anaconda 官网中是这么宣传本身的：适用于企业级大数据分析的Python工具。其包含了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。不只能够作数据分析，甚至能够用在大数据和人工智能领域。
解决了 是什么 以及 为何 的问题后，下面让咱们看一下 怎么作（How）。工具
2、如何安装Anaconda？
能够从这里下载 Anaconda 的安装程序以及查看安装说明。不管是 Windows、Linux 仍是 MAC 的 OSX 系统，均可以找到对应的安装软件。若是你的电脑是64位则尽可能选64位版本。至于 Python 的版本是 2.7 仍是 3.x，这里推荐你使用 Python3，由于 Python2 终将中止维护。可能目前市面上大多数教程使用的都仍是 Python2，这也不用着急，由于在 Anaconda 中能够同时管理两个 Python 版本的环境。学习
根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担忧，咱们一项项来看：大数据
- Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也能够在 Navigator 中手工实现。
- Jupyter notebook ：基于web的交互式计算环境，能够编辑易于人们阅读的文档，用于展现数据分析的过程。
- qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 能够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 ：一个使用Python语言、跨平台的、科学运算集成开发环境。
安装完成后，咱们还须要对全部工具包进行升级，以免可能发生的错误。打开你电脑的终端，在命令行中输入：
|
1
|
conda
upgrade
--
all
|
在终端询问是否安装以下升级版本时，输入 y。
有的状况下，你可能会遇到找不到 conda 命令的错误提示，这极可能是环境路径设置的问题，须要添加conda环境变量：export PATH=xxx/anaconda/bin:$PATH, 其中xxx替换成anaconda的安装路径。
至此，安装完成，下面让咱们看一下如何用 Anaconda 管理工具包和环境。
3、如何管理Python包？
安装一个 package：
|
1
|
conda
install
package_name
|
这里 package_name 是须要安装包的名称。你也能够同时安装多个包，好比同时安装numpy 、scipy 和 pandas，则执行以下命令：
|
1
|
conda
install
numpy
scipy
pandas
|
你也能够指定安装的版本，好比安装 1.1 版本的 numpy ：
|
1
|
conda
install
numpy
=
1.10
|
移除一个 package：
|
1
|
conda
remove
package_name
|
升级 package 版本：
|
1
|
conda
update
package_name
|
查看全部的 packages：
|
1
|
conda
list
|
若是你记不清 package 的具体名称，也能够进行模糊查询：
|
1
|
conda
search
search_term
|
4、如何管理Python环境？
默认的环境是 root，你也能够建立一个新环境：
|
1
|
conda
create
-
n
env_name
list
of
packages
|
其中 -n 表明 name，env_name 是须要建立的环境名称，list of packages 则是列出在新环境中须要安装的工具包。
例如，当我安装了 Python3 版本的 Anaconda 后，默认的 root 环境天然是 Python3，可是我还须要建立一个 Python 2 的环境来运行旧版本的 Python 代码，最好还安装了 pandas 包，因而咱们运行如下命令来建立：
|
1
|
conda
create
-
n
py2
python
=
2.7
pandas
|
细心的你必定会发现，py2 环境中不只安装了 pandas，还安装了 numpy 等一系列 packages，这就是使用 conda 的方便之处，它会自动为你安装相应的依赖包，而不须要你一个个手动安装。
进入名为 env_name 的环境：
|
1
|
source
activate
env_name
|
退出当前环境：
|
1
|
source
deactivate
|
另外注意，在 Windows 系统中，使用 activate env_name 和 deactivate 来进入和退出某个环境。
删除名为 env_name 的环境：
|
1
|
conda
env
remove
-
n
env_name
|
显示全部的环境：
|
1
|
conda
env
list
|
当分享代码的时候，同时也须要将运行环境分享给你们，执行以下命令能够将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。
|
1
|
conda
env
export
>
environment
.
yaml
|
一样，当执行他人的代码时，也须要配置相应的环境。这时你能够用对方分享的 YAML 文件来建立一摸同样的运行环境。
|
1
|
conda
env
create
-
f
environment
.
yaml
|
至此，你已跨入 Anaconda 的大门，后续就能够徜徉在 Python 的海洋中了。
祝学习愉快！
注：本文代码示例参考自Udacity数据分析课程之Anaconda章节。