Anaconda介绍及使⽤教程
序
Python易⽤，但⽤好却不易，其中⽐较头疼的就是包管理和Python不同版本的问题，特别是当你使⽤Windows的时候。为了解决这些问题，有不少发⾏版的Python，⽐如WinPython、Anaconda等，这些发⾏版将python和许多常⽤的package打包，⽅便 pythoners直接使⽤，此外，还有virtualenv、pyenv等⼯具管理虚拟环境。个⼈尝试了很多类似的发⾏版，最终选择了Anaconda，因为其强⼤⽽⽅便的包管理与环境管理的功能。该⽂主要介绍下Anaconda，对Anaconda的理解，并简要总结下相关的操作。
Anaconda概述
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。
Anaconda的安装
Anaconda的下载页参见，Linux、Mac、Windows均⽀持。安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都⼀样。后⾯我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很⽅便地切换运⾏时的Python版本。（由于我常⽤的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）下载后直接按照说明安装即可。这⾥想提醒⼀点：尽量按照Anaconda默认的⾏为安装——不使⽤root权限，仅为个⼈安装，安装⽬录设置在个⼈主⽬录下（Windows 就⽆所谓了）。这样的好处是，同⼀台机器上的不同⽤户完全可以安装、配置⾃⼰的Anaconda，不会互相影响。对于Mac、Linux系
统，Anaconda安装好后，实际上就是在主⽬录下多了个⽂件夹（~/anaconda）⽽已，Windows会写⼊注册表。安装时，安装程序会把bin⽬录加⼊PATH（Linux/Mac写⼊~/.bashrc，Windows添加到系统变量PATH），这些操作也完全可以⾃⼰完成。以Linux/Mac为例，安装完成后设置PATH的操作是
# 将anaconda的bin⽬录加⼊PATH，根据版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以⽴即⽣效
source ~/.bashrc
配置好PATH后，可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本，运⾏python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发⾏版默认的环境是Python 2.7。
Conda的环境管理
Conda的环境管理功能允许我们同时安装若⼲不同版本的Python，并能⾃由切换。对于上述安装过程，假设我们采⽤的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是root，注意这个root不是超级管理员的意思）。假设我们需要安装Python 3.4，此时，我们需要做的操作如下：
# 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 & Macnumpy教程 pdf
# 激活后，会发现terminal输⼊的地⽅多了python34的字样，实际上，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
⽤户安装的不同python环境都会被放在⽬录~/anaconda/envs下，可以在命令中运⾏conda info -e查看已安装的环境，当前被激活的环境会显⽰有⼀个星号或者括号。说明：有些⽤户可能经常使⽤python 3.4环境，因此直接把~/anaconda/envs/python34下⾯的bin或者Scripts加⼊PATH，去除anaconda对应的那个bin⽬录。这个办法，怎么说呢，也是可以的，但总觉得不是那么elegant…… 如果直接按上⾯说的这么改PATH，你会发现conda命令⼜不到了（当然不到啦，因为conda在~/anaconda/bin⾥呢），这时候怎么办呢？⽅法有⼆：1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda⼯具（推荐）。
Conda的包管理
Conda的包管理就⽐较好理解了，这部分功能与pip类似。例如，如果需要安装scipy：
# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项⽬，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages⽂件夹中搜索已经安装的包，不依赖于pip，因此可以显⽰出通过各种⽅式安装的包
conda的⼀些常⽤操作如下：
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python34
# 查package信息
conda search numpy
# 安装package
conda install -n python34 numpy
# 如果不⽤-n指定环境名称，则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
前⾯已经提到，conda将conda、python等都视为package，因此，完全可以使⽤conda来管理conda和python的版本，例如
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
补充：如果创建新的python环境，⽐如3.4，运⾏conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip 等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：
# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不⽤全部安装，根据需求安装⾃⼰需要的package即可
设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加⼊conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显⽰通道地址
conda config --set show_channel_urls yes
执⾏完上述命令后，会⽣成~/.condarc(Linux/Mac)或C:\Users\USER_NAME\.condarc⽂件，记录着我们对conda的配置，直接⼿动创建、编辑该⽂件是相同的效果。
跋
Anaconda具有跨平台、包管理、环境管理的特点，因此很适合快速在新的机器上部署Python环境。总结⽽⾔，整套安装、配置流程如下：
下载Anaconda、安装
配置PATH（bashrc或环境变量），更改TUNA镜像源
创建所需的不⽤版本的python环境
Just Try!
cheat-sheet 下载：
参考资料

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。