python数据分析环境准备Conda包含在Anaconda和Miniconda之中，Miniconda，见名知意，它是

Conda包管理系统

Conda是一个开源包管理系统和环境管理系统，可用于安装多个版本的软件包及其依赖关系，并能在它们之间切换。

Conda包含在Anaconda和Miniconda之中，Miniconda，见名知意，它是一个小的引导版本，只包含conda，Python和它的依赖包，初学者推荐使用Anaconda。
Anaconda包括conda，Python和超过150个自动安装的数据科学包及其依赖项

Q：刚才提到，conda可以管理多个环境，那为什么需要多个环境？
A：通常有这么几种情况，多个环境可以派上用场。
- 当你需要在电脑上装不同版本的Python；
- 你与他人合作一个项目，要确保所有人所用的包版本都一致，这种时候很适合使用conda来管理环境（一个人使用conda导出一个文件，里面列出了所有的包及对应的版本，其他人可以使用此文件在自己机器上新建一个完全一样的环境）

至此，我们已经下载了Anaconda，默认的base环境(下图中红框区域)已经能用来写python代码做些数据分析任务，你可以使用图形用户界面或者终端(Terminal) 来打开Jupyter Lab/Jupyter notebook（下图中粉色框区域）。但本文旨在介绍相关知识，在写代码之前，我们先来熟悉一些conda常用的命令：

Conda常用命令及环境管理

以下指令都需要在终端Terminal中执行

# 查看当前系统下的环境，在创建新环境之前，一般只有base环境，即刚开始的默认环境，*星号标识的是当前激活的环境
conda info -e
or
conda env list 


# 创建新环境(environment，后文都使用env来代替)
# 比如创建一个名为demo的环境，指定python版本3.7
# (必须至少指定python版本或者一个要安装的包)
# []方括号内表示可选，例如你可以在创建这个conda env的时候，
# 一并安装pip和numpy这两个python包
conda create -n demo python=3.6 [pip numpy]



# 如果想安装anaconda默认提供的所有包, 后面跟anaconda
conda create -n demo python=3.6 anaconda


# 新建了一个demo环境之后，我们可以切换到demo env之下，此时你的
conda activate demo


# 在当前环境下安装所需的包,conda install会把依赖也安装,例如在demo env中安装pandas包
conda install pandas


# 有些包在conda中没有，需要使用pip安装, pip install可选的包相对要丰富的多，但个人推荐，首选conda install
pip install pandas  

# 查看所在env下已安装的包
conda list


# 退出环境，会退回到base env下
conda deactivate


# 删除环境（如果你不再需要这个环境了）
conda env remove -n demo
or 
conda remove -n demo --all


# 如果一些包下载过慢，可以添加清华大学的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

下图展示了多个env的概念，本机中，除了默认就有的base env，还有另外两个新建的env

Jupyter Lab(Notebook)环境

现在可以正式启动写代码的工具了，这里我推荐使用Jupyter Lab，jupyter lab是jupyter notebook的下一代产品，集成了更多功能, 可以参考这篇知乎文章

jupyter lab的基本界面是这样的（图片来自官网）

如何启动jupyter lab呢？这里以Terminal中使用命令为例

# 在某个env下，敲入jupyter lab，浏览器会自动打开上图的界面
jupyter lab

# 如果在某个conda env中启动 jupyter lab
# 遇到如下问题，说明你的env中还没有安装jupyter
-bash: jupyter: command not found

conda install jupyterlab

在jupyter lab中工作，熟悉一些常用的快捷键，可以帮你事半功倍：

# 切换command mode 和 edit mode
# jupyter lab的代码块(cell)有两种模式，分别是edit mode 和 markdown mode
# 在edit mode下可以写代码，并执行
# 在markdown mode下可以写各种markdown文本，这部分不执行
ESC, Enter

# 插入一个新cell
a # above
b # below

# 删除一个cell
dd (连续敲两个d键)

# 撤销 undo
z

# 复制黏贴 copy paste
c # 复制一个cell
v # 黏贴一个cell

# 运行一个cell
Shift+Enter/ control+Enter(依然位于当前cell)

# Markdown mode
ESC -> m

# Markdown mode to command mode
y


# interrupt the running cell *号表示该cell正在运行
# 例如下列代码会无限循环，使用两个i键可以终止该cell执行
import time
while True:
    print('Hello World')
    time.sleep(2)
    
ii，interrupt the running

(重点) conda env作为 jupyter kernel

当你打开Jupyter Lab, 选择/切换kernel时, 发现只有默认的Python 3 kernel, 没有我们自己建立的env。解决办法——需要将我们自己建的conda env设置为kernel，然后才能从Notebook / Lab中选择它。

首先看一下我系统中目前有几个conda env，如下所示，可看到除了base外，还有三个自己建的，接下来我以demo为例，将demo env设置为kernel, 并取名为 python36(demo), 最终就可以在jupyter lab中选择python36(demo)这个kernel了


(base) hezhonghuadeMacBook-Pro:~ hzh$ conda env list
# conda environments:
#
base                  *  /Users/hzh/opt/anaconda3
demo                     /Users/hzh/opt/anaconda3/envs/demo
sibd                     /Users/hzh/opt/anaconda3/envs/sibd
test                     /Users/hzh/opt/anaconda3/envs/test

在设置之前，看一下本机共有几个kernel，如下，可知目前只有一个python3 kernel，这也是为何此时你打开jupyter lab只有python3 kernel一个选项的原因

(base) hezhonghuadeMacBook-Pro:~ hzh$ jupyter kernelspec list
Available kernels:
  python3    /Users/hzh/opt/anaconda3/share/jupyter/kernels/python3

下面解释如何设置demo env为新的kernel，一共5步

进入demo env，当提示符从base变为demo时，表示已经进入了demo env下
随后安装ipykernel，这里我们使用conda install jupyterlab, 因为安装jupyterlab的时候，会顺带安装ipykernel
接下来是最重要的一步，将此env设置为kernel，同时给该kernel取名字（在jupyter lab中跟其他kernel区分），随后再查看本机的所有kernel,发现多出了刚才新设置的Python36(demo),
退出demo env
从base下启动jupyter lab,此时可以在kernel选项中看到新建的Python36(demo)

代码如下：

(base) hezhonghuadeMacBook-Pro:~ hzh$ conda activate demo
(demo) hezhonghuadeMacBook-Pro:~ hzh$ conda install jupyterlab


(demo) hezhonghuadeMacBook-Pro:~ hzh$ python -m ipykernel install --user --name demo --display-name "Python36(demo)"
Installed kernelspec demo in /Users/hzh/Library/Jupyter/kernels/demo


(demo) hezhonghuadeMacBook-Pro:~ hzh$ jupyter kernelspec list
Available kernels:
  demo       /Users/hzh/Library/Jupyter/kernels/demo
  python3    /Users/hzh/opt/anaconda3/envs/demo/share/jupyter/kernels/python3
  
  
(demo) hezhonghuadeMacBook-Pro:~ hzh$ conda deactivate
(base) hezhonghuadeMacBook-Pro:~ hzh$ jupyter lab

为了方便大家理解，我把整个过程制作为下图，可以看到，整个过程最重要的是中间的5步

(Optional) Jupyter Lab 扩展插件

为了增强功能，可以使用一些插件，这里只介绍目录TOC(Table of Content)插件，很实用

在打开的jupyter lab界面中，点击菜单栏[Settings]，选择[Enable Extension Manager]，如下图红色部分，然后在左边的搜索框中输入要安装的插件，这里以TOC为例，搜索框下方会显示相关的插件，点击[install]安装

如果遇到如下错误，根据错误提示可知是缺乏nodejs导致

解决办法：

# 在terminal中安装nodejs
conda install nodejs

至此，用python做数据分析的环境已经准备好了，希望大家在数据科学之路上坚持努力！

参考

[Jupyter Lab Tutorial - Fully Interactive! ] www.youtube.com/watch?v=7wf…
[Customizing JupyterLab using extensions | PyData Austin 2019] www.youtube.com/watch?v=PT9…
[jupyter tools to increase productivity] towardsdatascience.com/jupyter-too…
[conda environment as jupyter kernel] medium.com/towards-art…
[知乎文章-jupyter lab新特性] zhuanlan.zhihu.com/p/38612108
[Building identical conda environments] docs.conda.io/projects/co…

python数据分析环境准备

推荐初学者使用Anaconda

Conda包管理系统

Conda常用命令及环境管理

Jupyter Lab(Notebook)环境

(重点) conda env作为 jupyter kernel

(Optional) Jupyter Lab 扩展插件

参考