个人觉得目前最简单的python环境配置是通过Anacoda来实现。 它是一个专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。
无比强大的Anaconda
1. packages 管理利器
我们可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。
另外值得一提的是，conda 并不仅仅管理Python，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
2. python版本便捷切换
在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。
Anaconda 安装
- 官网下载 ： www.anaconda.com/distributio… （推荐使用Python3 ）
如果网速过慢，可以到清华大学开源软件镜像站上下载， 地址如下： mirrors.tuna.tsinghua.edu.cn/anaconda/ar…
- 下载完成后，点击安装包按引导界面安装即可
根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担心，我们一项项来看：
- Anaconda Navigator ：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。
- 安装完成后，还需要对所有工具包进行升级，以避免可能发生的错误。打开电脑终端，在命令行中输入：
conda upgrade --all
注：升级过程中，你可能会遇到找不到 conda 命令的错误提示，这很可能是环境路径的问题，需要添加conda环境变量：export PATH=xxx/anaconda/bin:$PATH, 其中xxx替换成anaconda的安装路径。
Anaconda使用
1. 包管理
安装
# 可以同时安装多个包，或指定版本的包
conda install numpy=1.1.0 scipy pandas
# 指定环境(py3)安装
conda install -n py3 numpy
安装Anaconda时候，访问的是国外的网络，所以下载Anaconda和安装包时会特别慢。我们需要更换到国内镜像源地址，这里我更换到国内的清华大学地址。命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
移除
conda remove numpy
更新
conda remove numpy
查看
# 不指定环境查看安装包
conda list
# 查看某个环境已安装的包
conda list -n py3
查找
conda search numpy
2. 环境管理
创建
conda create –n py36 numpy python=3.6
进入
conda activate py36
离开
conda deactivate
查看
conda env list
删除
conda env remove -n py3
共享
共享环境非常有用，它能让其他人安装你代码中使用的所有包，并确保这些包的版本正确。
1）导出环境
conda env export > enviroment.yaml
2）使用环境
# 首页在conda中进入一个环境，比如py2, 然后执行以下命令
conda env update -f=/path/to/environment.yml
