Python数据科学环境：Anaconda 了解一下

几乎全部的 Python 学习者都遇到过“安装”方面的问题。这些安装问题包括 Python 自身环境的安装、第三方模块的安装、不一样版本的切换，以及不一样平台、版本间的兼容问题等。当你由于这些问题而卡壳，一行代码没写就已疯，相信我，你不是一我的……包括我本身，也是这么被坑过来的。

我本身印象最深的是在 Mac 上安装 pycrypto（加密）和 scipy（科学计算）模块，折腾了好久。由于这类模块并非单纯的 Python 代码，而是须要调用诸如 C 语言的库，因而就牵涉到在不一样平台上的编译，有些还不能很方便地用虚拟环境分离版本。在数次尝试失败以后，最终靠着同样工具竟轻松搞定。这就是今天要介绍的：

Anaconda

应该有很多人已经了解和在使用中，另外也考虑到先 Mark 之后须要时再看的收藏党，这里先给个“嫌长不想看”版：

1. Anaconda 就是一个扩展版 Python，最直接的好处是帮你打包好了一整套数据科学相关的 Python 库，一次安装就能够拥有数据分析、数值计算、数据可视化、机器学习经常使用的几十个库，不用担忧安装不成功、版本不匹配等问题，省时省心。
2. Anaconda 的核心是 conda 这个包/环境管理器，相似于咱们以前介绍过的虚拟环境 virtualenv，且功能更丰富。装了 Anaconda，同时也就可使用 conda 来管理电脑上不一样版本的 Python 环境。
3. 若是对 conda 的使用不熟悉也不要紧。Anaconda 还附带了一个叫作 Navigator（导航）的桌面 GUI 工具，能够直观的建立和管理环境，安装、删除扩展包。
4. Anaconda 安装后，附带了 Jupyter 和 Spyder 两种 IDE。Jupyter 是一种基于浏览器的交互式开发环境，这种边开发边执行的模式很适合编写数据科学类的程序。Spyder 的界面和 Matlab 很类似。不过若是你对 PyCharm 已经熟悉，也能够直接经过设置 interpreter（解释器）路径来直接使用 Anaconda 的环境。

主要就是这几点，若是你在使用中遇到过什么问题，欢迎在文本下方留言讨论。有其余想法或者想听的内容，也欢迎告诉咱们。

---

Anaconda 这个词，字面意思和 Python 相似，都是大蟒蛇。系列电影《狂蟒之灾》的主角就是这玩意儿。美国著名嘻哈歌手麻辣鸡（Nicki Minaj）有首歌就叫《Anaconda》（本文的封面，小孩子不要去搜）。这个项目命名其实很形象：Anaconda 就是一种更大的 Python。

再作个类比：安装了 Python 就像买了个毛坯房，虽然刷了涂料通了水电（内置库），但你真的想住进去，还得本身根据须要进行装修（安装各类第三方库）。而 Anaconda 就是个精装修。这个精装是面向数据科学的，同时也保留了你本身进一步改装的空间。

官网上有一个 Anaconda 支持库的列表：

http://docs.anaconda.com/anaconda/packages/pkg-docs/

里面有不少熟悉的面孔（挑了其中几个常见的）：

打钩的是包含在安装包中，未打钩的须要后续手动安装。数据分析必备的 numpy、pandas、scipy、matplotlib 自不用说，像数据采集的 requests、beautifulsoup、scapy，Web 开发的 flask，GUI 的 pyqt，图像处理的 pillow，机器学习 scikit-learn，都直接帮你装好了。就连 vs2015_runtime 这种也为你贴心附上，被坑过的同窗应该都懂。

惟一的缺点大概就是这样会比较占空间。但既然你都下决心深刻 Python 开发了，这也就是少装一个游戏的空间吧。

若是你安装 Anaconda 的话，是没必要装 Python 的，由于它自己包含了 Python 的环境，避免了版本不匹配的问题。Windows、Mac、Linux 三个平台都支持，直接从官网下载安装便可。（建议选择最新版）

https://www.anaconda.com/download/

正常按提示安装没有太大问题，网上的安装示例也一搜一大把，这里不赘述。Windows 建议安装时右键点击，选择“以管理员身份运行”。

安装好以后，检查下你的 Python 是否已是 Anaconda 环境下的了。（从提示中能够看出）

这时候，你能够经过 conda 来管理你的安装包和环境。使用方法和咱们以前介绍过的 virtualenv 相似（参见《为何你的python版本一团糟？由于少了这个操做》）。经常使用的命令有

• conda list：查看环境中的全部包
• conda install XXX：安装 XXX 包
• conda remove XXX：删除 XXX 包
• conda env list：列出全部环境
• conda create -n XXX：建立名为 XXX 的环境
• conda env remove -n XXX：删除指定环境
• activate XXX（或 source activate XXX）：启用 XXX 环境
• deactivate（或 source deactivate）：退出环境

同 pip 同样，若是使用 conda 安装很慢，能够经过修改国内源的方式来加速。修改 C:\Users\当前用户名\.condarc（非 Windows 是 ~/.condarc），加入以下配置：

channels:
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 - defaults
show_channel_urls: true

Anaconda 的又一贴心之处在于，给了你一个叫作 Anaconda Navigator 的桌面 GUI 工具，把上述 conda 的功能都作成了点击按钮就能够完成的事情。

包管理和环境管理都一目了然。

数据科学库、包/环境管理、Navigator 工具，这几样就是 Anaconda 的主要功能。

另外值得一提的是：Anaconda 是附带了一系列第三方库的 Python 以及对这些库的管理工具，和咱们以前说的 PyCharm 不是一类东西。PyCharm 是 IDE，用来写代码的编辑器。你能够把 Anaconda 做为运行环境放在 PyCharm 里使用。只要你建立项目的时候选择已经配置好的 Anaconda 环境便可。关于 PyCharm 的具体配置能够在公*号（Crossin的编程教室）里回复关键字 pycharm

而 Anaconda 默认附带的另外一个开发工具 Jupyter，也是很是值得推荐的。你能够从 Navigator 里运行，或者在命令行执行命令：

jupyter notebook

它是一个基于浏览器的交互式开发工具。跟 Python 自带的交互环境相比，它的自动完成和提示功能都强大许多，而且你不用再纠结不能在交互环境里写多行代码的问题。

这种代码分块，能够边开发边执行的模式，很是适合编写爬虫、数据处理、数据分析等数据科学类的程序。我以前的不少案例都是使用它来开发，大家看到项目代码中的.ipynb 文件就是能够导入 Jupyter 的文件。另外它还有个好处，就是能够部署在本身的服务器上使用（固然这也有安全风险），这样只要有网络，你就能随时随地写 Python 了。

不论是 Anaconda 仍是 Jupyter，以及以前推荐屡次的 PyCharm，到底好很差用，是否是适合你，本身试过了才知道。花点时间装起来用一下，而后欢迎你回来报告使用体验。

════

其余文章及回答：

如何自学Python | 新手引导 | 精选Python问答 | Python单词表 | 人工智能 | 爬虫 | 我用Python | requests | 计算机视觉 | 字符播放器 | 一图学Python

欢迎搜索及关注公*号：Crossin的编程教室