数据分析标准环境Anaconda
1、Anaconda介绍
1.1概述
Anaconda就是可以便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易，同时对环境可以统一管理的发行版本。
Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项
1.2 特点
- 开源
- 安装过程简单
- 高性能使用
Python和R语言 - 免费的社区支持
1.3了解Anaconda
首先我们需要从python本身说起，从根源寻找问题，我们在使用python语言编写程序之前需要下载一个python解释器，这才是python的本体，没了python解释器，我们即使写了无比正确优雅的python脚本也没办法运行，那这个解释器在哪呢？就在你安装python的地方。所有的第三方包都放在
site-packages文件夹里面。最关键的，一个python环境中需要有一个解释器，和一个包集合。解释器：解释器根据
python的版本大概分为2和3。python2和3之间无法互相兼容，也就是说用python2语法写出来的脚本不一定能在python3的解释器中运行。包集合：包集合中包含了自带的包和第三方包，第三方包我们一般通过pip或者easy_install来下载，当一个python环境中不包含这个包，那么引用了这个包的程序不能在该python环境中运行。
python环境解释完了，那么接下来就要说明这样的环境究竟产生哪些问题，因为anaconda正式为了解决这些问题而诞生的。
- 到底该装
Python2呢还是Python3
python2和python3在语法上是不兼容的，那我的机器上应该装python2还是python3呢，可能一开始选一个学习就好了，但是如果你要开发的程序必须使用python2而不能使用python3，那这时候你就不得不再下载一个python2，那这时候环境变量该设谁的目录呢，如果还是切换环境变量岂不是很麻烦。
虽然目前Python3使用的范围更广，但是Python3小版本之前也存在一些差异
- 包管理
如果我在本地只有一个python环境那我所有程序用到的各种包都只能放到同一个环境中，导致环境混乱。另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包，需要自己手动一个个下载的情况实在是烦人。要是能每个程序开发都选用不同的环境，而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了
1.4anaconda与virtualenv的对比
anaconda
是一个包含180+的科学包及其依赖项的发行版本。可以创建一个独立的Python环境，其包含的科学包包括：
conda, numpy, scipy, ipython,notebook等
virtualenv
用于创建一个独立的Python环境的工具，新环境中需要手动安装需要的三方包
1.5pip与conda比较
依赖项检查
pip
不一定会展示所需其他依赖包
安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误
conda
列出所需其他依赖包
安装包时自动安装其依赖项
可以便捷地在包的不同版本中自由切换
环境管理
pip
维护多个环境难度较大
conda
比较方便地在不同环境之间进行切换，环境管理较为简单
对系统自带Python的影响
pip
在系统自带
Python中包的更新/回退版本/卸载将影响其他程序
conda
不会影响系统自带
Python
适用语言
pip
仅适用于
Python
conda
适用于Python,R,Ruby,Lua,Scala,Java,JavaScript,C/C++,FORTRAN。
conda结合了pip和virtualenv的功能
2、Anaconda安装
- windows(参考图片流程)
1.单击Next
2.点击I Agree
3.All Users
4.更改安装路径
5.点击Install 安装
6.安装好点击下一步
7.继续下一步
8.点击完成
9.现在就
3、管理环境
Windows用户请打开Anaconda Prompt，macOS和Linux用户请打开“终端”进行操作。
3.1 创建新环境
命令：conda create --name <env_name> <package_names>
说明：默认情况下，新创建的环境将会被保存在/Users/<user_name>/anaconda3/env目录下。其中，<user_name>为当前用户的用户名。
env_name：即创建的环境名，建议以英文命名，且不加空格，名称两边不加尖括号< >package_names：即安装在环境中的包名，名称两边不加尖括号< >
如果要安装指定的版本号，则只需要在包名后面以=和版本号的形式执行。如：conda create --name env1 python=2.7，即创建一个名为"python2"的环境，环境中安装版本为2.7的python。如果要在新创建的环境中创建多个包，则直接在
<package_names>后以空格隔开，添加多个包名即可。如：conda create --name env2 python=3.7 numpy pandas，即创建一个名为"python3"的环境，环境中安装版本为3.7的python，同时也安装了numpy和pandas
--name：可以替换为-n
3.2 切换环境
Linux&macOS：conda activate <env_name>
windows：activate <env_name>
说明：
如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python 2.x；如果安装Anaconda第3版，则会自动安装Python 3.x。当成功切换环境之后，在该行行首将以
(env_name)或[env_name]开头。其中，env_name为切换到的环境名。
3.3 退出环境至物理环境
Linux&macOS：conda deactivate
windows：deactivate
3.4 显示已创建环境
conda info --envs或conda info -e或conda env list
3.5 复制环境
命令：conda create --name <new_env_name> --clone <copied_env_name>
copied_env_name：即为被复制/克隆环境名，环境名两边不加尖括号< >
new_env_name：即为复制之后新环境的名称，环境名两边不加尖括号< >
3.6 删除环境
命令：conda remove --name <env_name> --all
4、包管理
4.1 获取当前环境中已安装的包信息
conda list
4.2查找可供安装的包版本
- 精确查找
命令：
conda search --full-name <package_full_name>--full-name：为精确查找的参数<package_full_name>：是被查找包的全名。包名两边不加尖括号“<>” - 模糊查找
命令：
conda search <text><text>：是查找含有“此字段”的包名。此字段两边不加尖括号“<>”
4.3 安装包
- 在当前环境中安装包
conda install <package_name>
- 指定版本号
conda install <package_name>=version
- 在指定环境中安装包
conda install --name <env_name> <package_name>
- 使用pip安装包
pip install <package_name>
说明：当使用conda install无法进行安装时，可以使用pip进行安装。
注意：
pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。pip无法更新python，因为pip并不将python视为包。pip可以安装一些conda无法安装的包；conda也可以安装一些pip无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。
- 从
Anaconda.org安装包
说明：当使用conda install无法进行安装时，可以考虑从Anaconda.org中获取安装包的命令，并进行安装，浏览器中输入http://anaconda.org（无需注册）。
4.4 卸载包
- 卸载当前环境中的包
conda remove <package_name>
- 卸载指定环境中的包
conda remove --name <env_name> <package_name>
4.5 更新包
- 更新指定包
conda update <package_name>或conda upgrade <package_name>
说明：更新多个指定包，则包名以空格隔开，向后排列。
例如：conda update pandas numpy matplotlib即更新pandas、numpy、matplotlib包。
- 更新所有包
conda update --all或conda upgrade --all
说明：在安装Anaconda之后执行上述命令更新Anaconda中的所有包至最新版本，便于使用。
