Anaconda 完全入门指南

From：https://www.jianshu.com/p/eaee1fadc1e9

Anaconda官网：https://www.anaconda.com/
Anaconda 官网 文档：http://docs.anaconda.com/anaconda/user-guide

Anaconda介绍、安装及使用教程：https://zhuanlan.zhihu.com/p/32925500
知乎：初学python者自学anaconda的正确姿势是什么？：https://www.zhihu.com/question/58033789
Anaconda 的新手使用大全：http://www.php.cn/python-tutorials-392031.html

Anaconda 入门使用总结：https://www.jb51.net/article/137786.htm

conda config --set auto_activate_base false #取消默认加载环境
false改为true时，命令为 确认默认加载环境

Anaconda 使用指南

        Anaconda 是 Python 的一个开源发行版本。Anaconda 里面集成了很多关于 python 科学计算的第三方库，主要面向科学计算且安装方便，而 python 是一个编译器。如果不使用 anaconda，那么安装库的时候，库的依赖安装起来比较麻烦。

        Anaconda 提供一个管理工具 conda，conda 是开源包(packages)和 虚拟环境(environment)的管理系统，，可以把 conda 看作是：pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库。即 conda 就是一个更完整也更大的集成管理工具。主要优点是预装了很多第三方库，而且 Anaconda 中增加了conda install 命令，安装新 package 格外方便，还自带 Spyder IDE 和 Jupyter Notebook

安装 Anaconda：安装Anaconda_时光星雨-CSDN博客

概述

很多学习 python 的人接触到 anaconda 或者其他 虚拟环境 工具 时觉得无从下手，其主要原因就是不明白这些工具究竟有什么用，是用来做什么的，为什么要这么做。

比如安装完了 Python 后，为什么还需要这么一个东西，他和Python 到底有啥联系和区别，为啥能用来管理 Python。

先来解决一个初学者都会问的问题：我已经安装了 Python，那么为什么还需要 Anaconda 呢？原因有以下几点：

1. Anaconda 附带了一大批常用数据科学包，它附带了conda、Python 和 150 多个科学包及其依赖项。因此你可以用Anaconda 立即开始处理数据。
2. 管理包。Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。在数据分析中，你会用到很多第三方的包，而 conda(包管理器)可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3. 管理环境。为什么需要管理环境呢？比如你在 A 项目中用到了Python2，而新的项目要求使用 Python3，而同时安装两个Python 版本可能会造成许多混乱和错误。这时候 conda 就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同，比如不同的 pandas 版本，不可能同时安装两个 pandas 版本。你要做的应该是在项目对应的环境中创建对应的 pandas 版本。这时候 conda 就可以帮你做到。

Anaconda 是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

进入下文之前，说明一下conda的设计理念 —— conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

Python本身

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，比如我的在C:\Users\Acring\AppData\Local\Programs\Python\Python36-32

项目结构如上图，这里有我们很熟悉的 python.exe， 也就是 Python解释器。除此之外还有个很重要的 文件夹 Lib

Lib 目录如上图，这里有 python 自带的包 和 第三方包，而所有的第三方包都放在 site-packages文件夹里面。

了解了这些我们就对整个 python 环境有了大概的了解，

其实最关键的，一个python环境中需要有一个解释器，和一个包集合。

1. 解释器：解释器 根据 python 的版本大概分为 2 和 3。python2 和 python3 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。
2. 包 集合：包集合中包含了自带的包和第三方包，第三方包一般是通过 pip 或者 easy_install 来下载安装的，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。比如说一个爬虫脚本用到了第三方的requests包，而另一台计算机是刚刚装好原始python的，也就是说根本没有任何第三方包，那么这个爬虫脚本是无法在另一台机器上运行的。

问题所在

python 环境解释完了，接下来就要说下这样的环境究竟会产生哪些问题。因为 anaconda 正是为了解决这些问题而产生的。

1. 到底该装 Python2 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，如果还的切换环境变量岂不是很麻烦.
2. 包 管理。如果我在本地只有一个 p