Anaconda安装与使用

什么是Anaconda？

 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
 Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
 Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Anaconda下载安装

Anaconda详细安装及使用教程（带图文）

常用环境操作命令

# 创建一个名为python34的环境，指定Python版本是3.4
#（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4
 
 
# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
 
# 激活后，会发现terminal输入的地方多了python34的字样此时系统做的事情
# 就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH
 
# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境
 
# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all

#安装第三方包
conda install requests
#或者
pip install requests

#卸载第三方包
conda remove requests
#或者
pip uninstall requests

#查看当前环境中所有安装了的包
conda list



##导入导出环境

##如果想要导出当前环境的包信息可以用
#将包信息存入yaml文件中.
conda env export > environment.yaml

#当需要重新创建一个相同的虚拟环境时可以用
conda env create -f environment.yaml



#其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住
activate // 切换到base环境

activate learn // 切换到learn环境
conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)
conda env list // 列出conda管理的所有环境
conda list // 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

 anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本
参考：

Anaconda详细安装及使用教程（带图文）

与JetBrains PyCharm 连接

Anaconda Prompt

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可以在 Navigator 中手工实现

Jupyter notebook

 基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程

Qtconsole

 一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以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。

jupyterlab

VSCode

Glueviz

 Glue是一个Python库，用于探索相关数据集内部和之间的关系。其主要特点包括：

• 链接统计图形。使用Glue，用户可以创建数据的散点图，直方图和图像（2D和3D）。胶水专注于刷牙和链接范例，其中任何图形中的选择传播到所有其他图形。

• 灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化，并跨数据集传播选择。这些链接由用户指定，并且是任意灵活的。

• 完整的脚本功能。Glue是用Python编写的，并且建立在其标准科学库（即Numpy，Matplotlib，Scipy）之上。用户可以轻松地集成他们自己的python代码进行数据输入，清理和分析。

Orange3

 交互式数据可视化
 通过巧妙的数据可视化执行简单的数据分析。探索统计分布，箱形图和散点图，或深入了解决策树，层次聚类，热图，MDS和线性投影。即使您的多维数据也可以在2D中变得合理，特别是在智能属性排名和选择方面。

Rstudio

参考

Anaconda详细安装及使用教程（带图文）