初学anaconda与python分不清，有必要记录一下

在之前的笔记中，我遇到了MySQLdb的问题使用问题，让我困扰了3天。最后发现是因为电脑上安装了Python3.10又安装了Anaconda，调用pip install 包名 实际使用的是Anaconda中的pip，而不是Python3.10中的pip程序。

那么Anaconda是什么？安装了Anaconda后，还需要安装Python吗？

有必要正式记录一下搞搞清楚。

名词：shell，IPython，Jupyter Notebook，Spyder，PyCharm

Python的优点之一是其交互式解释器，也称为shell。shell提供了一种能够快速实现灵感、检验特性的方法，以及交互式的模块界面，能够将一些需要两三行脚本才能完成的任务一次性完成。通常我们编写代码时，会采用同时运行文本编辑器和Python的方式，通过交互地使用编辑器和shell，也就是在两者之间切换来完成程序的编写。我们经常需要将代码从编辑器复制到shell或从shell复制到编辑器。这种方式使得我们可以即时看到代码在Python中的处理结果，并且可以快速地在文本编辑器中编写需要的代码。

事实上，IPython集成了交互式Python的诸多优点。IPython具有卓越的Python shell，其性能远远优于标准Python的shell。IPython支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。同时，IPython提供了基于控制台命令环境的定制功能，可以十分轻松地将交互式Python shell包含在各种Python应用中，甚至可以当作系统级shell来使用。

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。

Spyder是Python(x,y)的作者为它开发的一个简单的集成开发环境。和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。

PyCharm是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。

anaconda简介

anaconda = python + （NumPy、SciPy 等常用第三方库 ）+ IDE
Anaconda是python和NumPy，SciPy 等科学计算库的集成包，省去了自己下载和安装各种包的麻烦，特别在linux上升级和安装python十分痛苦。

以下摘自网络高手的无私分享：

python机器学习，我们似乎总绕不开anaconda，因为很多资料或教程中总建议使用anaconda，其实不用该工具也可以实现数据分析与机器学习等内容，比如在我的一篇专栏文章中《6个套路入门ML：用鸢尾花data建立python机器学习的初步印象(一)》(https://zhuanlan.zhihu.com/p/26802995) ，不过在此之前先要安装很多与数据相关的模块包，如Numpy, Scipy，matplotlib，pandas，sklearn等等。有些包在python3.X的版本下还不好装(具体见我的《6个套路入门ML》文章有一些介绍)，这就需要有一个集成的管理工具，让我们把与数据分析有关的包安装好，省去了过多的麻烦。

1. 为什么安装anaconda？

Anaconda不是语言，它只是python的一个集成管理工具或系统。它把python做相关数据计算与分析所需要的包都集成在了一起，我们只需要安装Anaconda软件就行了，其它什么都不用装，包括python软件。（笔记：因此安装了Anaconda后就不用单独安装Python了）

Anaconda则是一个打包的集合，里面包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习8等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。另外，安装它后就默认安装了python、IPython、Jupyter notebook和集成开发环境 Spyder等等。

总之一句话，安装anaconda让我们省去了大量下载模块包的时间，更加方便。

关于anaconda的安装与使用，目前网上的资料很多，在这里不过多介绍，只是说一两个关键的问题。

2. anaconda的版本问题：选择python2.7还是3.6? 新旧版本兼容解决方案 conda

由于Python有2和3两个版本，因此Anaconda也在Python2和Python3的基础上推出了两个发行版，即Anaconda2和Anaconda3。Python3 被越来越多的开发者所接受，同时让人尴尬的是很多遗留的老系统依旧运行在 Python2 的环境中，因此有时你不得不同时在两个版本中进行开发，调试。

如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题，一个利好的消息是，Anaconda 能完美解决Python2 和 Python3 的共存问题。

conda 是 Anaconda 下用于包管理和环境管理的命令行工具，是 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行 conda 命令

如果你熟悉 virtualenv，那么上手 conda 非常容易，不熟悉 virtulenv 的也没关系，它提供的命令就几个，非常简单。我们可以利用 conda 的虚拟环境管理功能在 Python2 和 Python3 之间自由切换。

多版本切换

基于 python3.6 创建一个名为test_py3 的环境

conda create --name test_py3 python=3.6

基于 python2.7 创建一个名为test_py2 的环境

conda create --name test_py2 python=2.7

激活 test 环境

activate test_py2 # windows

source activate test_py2 # linux/mac

切换到python3

activate test_py3

更多命令，可查看帮助 conda -h

3. anaconda自带了一款编辑器spyder与pycharm的比较

相比较而言，个人认为pycharm用起来更便捷，虽然spyder中所有的变量也都能显示，方便调试，里边还有ipython notebook，但是很细节的一些代码写作还是pycharm更便捷一些，比如引号””，spyder貌似无自动匹配机制，输入一个引号还需输入另一个引号。

强烈推荐anaconda+pycharm组合，因为anaconda安装的时候已经默认为你安装了一大堆做数据分析常用的包，所以，直接在pycharm中把默认解释器改为anaconda中的python即可 (在pycharm-》settings-》Project Interpreter里找到要改环境的项目，选中，然后右上侧点击齿轮，Add local, 选刚才新建环境里的python.exe , 我的在 C:\Anaconda2\envs\tensorflow\python.exe， 之后确认即可)。

另外，只是针对数据分析与机器学习，anaconda用起来更方便一些，对于python的其他用途，比如爬虫、web开发，pycharm更好一些。针对大型的web框架修改调试，还是需要个大型IDE。

学习各位高手的经验梳理，条例终于捋顺了。