在spyder怎么升级_spyder如何快速稳定的安装使用？

首先说一下为什么会出现Anaconda这个工具。在初学者来说，装最新版本的python及用到的第三方库是没有问题的，因为没有什么情况是必须用老版本的。

但是在真实的工程场景下，在写python程序时会调用多个第三方库(比如你提到的PyQT5之类的)。但是第三方库会时不时升级，甚至有些接口出现变化。往往，在新版本的第三方库下就不能运行了。也就是说，你写的程序可能依赖于特定版本的第三方库。

而且，很多用户往往有不止一个项目，每个项目依赖的包不一样。比如，你有一个爬虫项目，装了些例如Selenium之类的包；另一个项目是做一个小游戏，你用到了PyGame之类的。某些情况下，会出现包冲突的情况。比如一个项目你装了最新版本的基于python3.8的第三方库，但是另一个项目用到的第三方库因为更新不及时，还只能在python3.6下运行。

这种情况下，一种方法是，在不同位置装多个python。显然，这种方法有些笨拙。因此，有人专门为了解决这种问题写了创建和管理python虚拟环境的库，比如pipenv和virtualenv。Anaconda则是更为方便和强大的虚拟环境管理工具。

讲到数据分析，我可以给你提供一个真实发生的场景，说明为什么必须用到包管理。三年前，我写了一些Python程序分析了一些生物学数据。前一段时间，我想调整一些参数重新分析一下数据，但是因为电脑升级等原因，之前写的python程序因为依赖于老版本的第三方库，已经不能运行了。这时候，有两种解决方案，一种是把老版本的库重装一遍(实际上，使用anaconda重装一个虚拟环境非常简单)；另一种是，我把整个程序针对新版本修改和升级。对于年代久远的代码，重新梳理和升级显然会花费很多时间。

数据分析过程中，有时你需要和别人交流，把代码发给别人，别人不一定就能运行，你必须告诉别人，你用了哪些第三方库，具体是什么版本。(比如用pip freeze生成requirements.txt)

总之，即使不用Anaconda，也应该用pipenv或者virtualenv，在虚拟环境上工作，避免经常重装python或者装多个版本的python。

Anaconda或者miniconda实际上不仅可以管理python的虚拟环境，还可以管理R语言的虚拟环境，数据分析领域，还会经常用到R的包。

具体安装Anaconda/miniconda，可以看这里：王加加：安装和配置Anaconda：Python开发和运行环境管理​zhuanlan.zhihu.com

如果实在要用pip安装Spyder，看这里：Installation - Spyder 3 documentation​docs.spyder-ide.org

不过，正如官方文档所说：Warning

While this installation method is a viable option for experienced users, installing Spyder (and other SciPy stack packages) with pip can lead to a number of tricky issues. While you are welcome to try this on your own, we unfortunately do not have the resources to help you if you do run into problems, except to recommend you use Anaconda instead.

【官方警告】使用pip安装会碰到大量tricky的问题。如果不想在这上面折腾，强烈建议不要用pip来安装。

这也是为什么他们捆绑Anaconda安装的原因，因为Anaconda帮你解决了所有潜在的包依赖、编译、安装的问题。

另外，与你的印象不同，Anaconda不是一个软件商店，它是一个开发环境管理工具，只解决开发环境相关的问题。