anaconda中的python如何进行关联分析_Python数据分析入门 -- Anaconda

1、简介与下载

Anaconda 本质上是一个软件发行版，包含了 conda、Python 等 180 多个科学包及其依赖项。

简单来说，就是安装了Annaconda，就安装了python、conda和一般可能用到的numpy、scipy、pandas等等常见的科学计算包，而无需再单独下载配置。由于python3和python2的分裂，自行使用virtualenv用pip进行配置，经常会出现无法使用的情况。固推荐安装Anaconda。

官网下载：https://www.continuum.io/downloads/

清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

建议下载清华大学提供的镜像，官网由于在国外，下载十分缓慢而且不稳定，经常下载失败。

清华大学开源镜像站：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

在windows下，下载了安装包后直接安装即可。

2、Conda简介与使用

Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

2.1、conda和Anaconda的关系

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。可以把 conda 看作是 pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库，也就是一个更完整也更大的集成管理工具。

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。

2.2、conda的使用

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。

并且实际上conda也可以用于其他语言，当然个人觉得就java而言maven更加方便。

2.2.1、直接在conda prompt里使用

安装完成后，可以通过Anaconda Prompt打开控制台。

2.2.1.1、conda的常用命令

查看帮助

conda 命令 --help

更新conda

conda update conda

env命令

查看已经安装的所有环境

conda env list

创建新的环境、激活环境、删除环境

# 创建一个名为python34的环境，指定Python版本是3.4

conda create --name python34 python=3.4

# 激活某个环境

activate python34 # for Windows

source activate python34 # for Linux & Mac

deactivate python34 # for Windows

source deactivate python34 # for Linux & Mac

# 删除一个已有的环境

conda remove --name python34 --all

在conda中安装软件

# 查看scrapy的所有信息，看是否有支持当前python版本的包

conda info scrapy

# 安装scrapy到当前的env

conda install scrapy

2.2.2、在pycharm中使用Anaconda

和再pycharm中使用virtualenv实际上相同，只需要选定路径即可。具体如下：

在settings中选择Project Interpreter，选择Add Local

然后选择Anaconda下的python.exe即可