如何在使用Jupyter Notebook时，解决Python虚拟环境间的切换问题？本文一步步帮你拆解。希望你能够避免踩坑的痛苦，把更多的时间花在愉快的编程上。
痛点
Python目前有两个主版本并存，这很让人苦恼。
一般人对于软件，总是抱持着“喜新厌旧”的心态。见到小红点儿，就忍不住升级。然而对Python来说，这条规律不大适用。
虽然Python 3有许多优于Python 2的特性，但是Python 2的生态系统更为完善，支持的包更多。因为生态系统内部的依赖关系，许多软件包的运行说明会直接指定“仅适用于Python 2.7版本”。
所以，你会在不同的应用场景下切换这两种Python版本。
我本人比较懒，哪个版本支持的软件包多，更适合我使用，我就用哪个。所以，我安装Anaconda这个Python集成运行环境的时候，选择的是2.7版本。
但是近几天，我遇到了点儿麻烦。
为了进一步学习和掌握学Tensorflow，我买了本书。
这本书配套代码的调试环境，是Jupyter Notebook，Python版本是3.6。
我自然不可能删除掉原先安装的Anaconda，重装一个3.6版本。那样我日常工作就无法进行了。
我选择的方式，是安装虚拟环境。
虚拟
在虚拟环境里，各种软件包的版本，都由你来指定。它们和系统默认Python环境是相互隔离的，因此互不干扰。
我给这个用于学习Python 3版本Tensorflow的虚拟环境起了个好记的名字，叫做tfpy3。
进入终端环境，使用Anaconda的环境创建命令，一行代码就可以创建成功。
conda create -n tfpy3 python=3
我在~/learn/实验目录下创建了一个名为tensorflow的文件夹。创建好后进入。
cd learn/tensorflow
下面我们呼唤刚才创建的虚拟环境：
source activate tfpy3
这时你会发现终端提示符前面出现了特定虚拟环境标识。
虚拟环境顺利加载。
在这个虚拟环境下，我们就可以安装针对Python 3.6的最新版Tensorflow了。
pip install tensorflow
好了，1.3.0版本tensorflow安装成功。下面我们就呼叫Jupyter Notebook，来编码吧！
jupyter notebook
咦？为什么创建新笔记本的选项中，只有默认的Python 2和后来安装过的R？
tfpy3虚拟环境哪里去了？根本找不到！
插件
头痛半晌，突然想起古人那句：
吾尝终日而思矣，不如须臾之所学也。
对啊，上网搜！
查询了一下，很快发现了解决方案。原来为了让Jupyter Notebook支持虚拟运行环境，需要在Anaconda里安装一个插件。
回到终端下面，用C-c退出目前正在运行的Jupyter Notebook Server，然后执行：
conda install nb_conda
再重新开启Jupyter Notebook：
jupyter notebook
这下我们就能看到差别了——除了最新安装设定的tfpy3外，之前用Anaconda设置过的其他虚拟环境也都可以在此选择使用。太棒了！
我们选择刚刚创建的tfpy3环境。
执行：
import tensorflow as tf
tf.VERSION
第二行语句是反馈tensorflow的版本。
1.3.0，没错！这就是刚刚我们安装的最新Tensorflow版本。
下面就是愉快的编码时间了。加油！
讨论
你在使用Python的过程中，遇到过切换版本的问题吗？你是怎么解决的？有没有更为便捷的方法？你更喜欢Python 2还是3？为什么？欢迎留言，分享给大家，我们一起交流讨论。
如果你对我的文章感兴趣，欢迎点赞，并且微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。
如果本文可能对你身边的亲友有帮助，也欢迎你把本文通过微博或朋友圈分享给他们。让他们一起参与到我们的讨论中来。
