前言

一直有学习一门新语言的想法，正好最近被问到python弄数据分析的问题，择日不如撞日以此为突破点学习起来

注：以下环境基于Windows

Anaconda 简介及安装

Anaconda 可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。

下载传送门 注意：可能需要科学上网才行

下载后点击exe安装程序

点击后出现以下内容，干啥都有next，点击它就是咯

不管哪里都少不了签个霸王条约，没办法人在屋檐下，签吧，谁让咱要学呢

两个选项都可以，第一个是为当前用户安装，第二个是为所有用户安装（需要管理员权限）。这里因为想知道选择非推荐是啥后果，我选择了第二个，没有这个好奇心的就选第一个（毕竟官方推荐，好吧，遭报应后回来小声说一句选这个）, 最后next 注：windows会有一个权限授权询问弹窗选择是，选否是啥后果咱也不知道

把人迎进来总得给人安排一个位置吧，你看别人从来不自己做主，既有为偷懒人士提出了默认位置方案，也给喜欢自己规划的人士一个自定义的方案；充分让你体验到机主的地位 注：这里很重要，记住了，后面环境变量要用到

毫无疑问我选择自己做主

这里要注意英语不好的，网易有道翻译伺候，别瞎选，自己看情况，这里我三个都选了 最后 install 一下开始安装吧

进度条满了，点击next进入最后一步

没有什么注意的，next

最后告诉你准备好了，是否启动Anaconda navigtor，是否打开文档，狠心拒绝并Finish

开始菜单出现这六个安装到这里就没问题了

Anaconda navigator与环境配置

安装了基础环境必不可少的就要配置环境变量，鼠标右键》属性》高级系统设置》环境变量（好几张图，容我偷个懒，按着这个路径找准不会错）

环境变量配置，选中系统变量 Path》编辑

新建》预览，添加四条环境变量，预览的路径不是乱选的要选Anaconda的安装位置，添加完确认无误，点击确定（有三次）

实验一下吧，wind + R 召唤 cmd，运行 conda -V，大功告成

开始菜单打开 Anaconda Navigtor

自带的编辑器，打开Launch》Tools》Preferences》Application》Advanced settings》Language》简体中文》ok，重启完成自带编辑器的汉化
注： 不用这个编辑器可以不用操作这一步

anaconda中的虚拟环境 依赖缓存默认存放在C盘目录，C盘空间较少的同学建议更改一下存储位置，File》Preferences》conFigure Conda；增加envs_dirs 与 pkgs_dirs 后 Save and Restart (保存并重启), 注：conda 对虚拟环境 依赖缓存有多条候选默认位置，用来避免在文件权限不足的情况下安装失败，新增的路径优先级更高

这里遭报应了，没有听官方推荐只为自己安装，选择了为所有用户安装，anaconda3文件夹的权限被限制，无法使用 D:\DevlopEnv\anaconda3\envs 与 D:\DevlopEnv\anaconda3\pkgs，如果只为自己安装就不用看下面这样图了

Anaconda Navigator Environments 图形操作

Environments (环境)，简单来说就是虚拟环境，每一个项目对应一个虚拟环境，这才是Anaconda的精髓，如panda、python、matplotlib、numpy只是虚拟环境的中的一个依赖项目（组成部分），安装。 Anaconda会有一个默认的 base虚拟环境，默认选中base虚拟环境并在在右侧区域显示已经安装的依赖项

操作区 create、clone、import、backup、remove等操作按钮，操作选中的虚拟环境或者新增环境 以新建一个demos虚拟环境为例，

新创建的虚拟环境只存必须的依赖

如果我们需要安装一个依赖呢？切换一下查询类型，改为 all，在列表中或者使用 search 框搜索依赖的名字 如：matplotlib 勾选依赖项，最后点击 apply 应用，弹出依赖分析，再次确认完成安装

安装依赖既可以使用图形化安装，也有命令形式，如 conda pip

conda 与 pip

图形安装虽然方便，但是既然是学习命令式当然也不能忽视

名称	区别	环境管理
conda	列出所需其他依赖包；安装包时自动安装其他依赖；可以便捷地在包的不同版本中自由切换	比较方便的在不同环境之间切换，环境管理较为方便
pip	不一定会展示所需其他依赖；安装依赖时或许会直接忽略依赖项而安装，最后在结果中提示错误	维护多个环境难度较大

conda 常用命令

注: 示列命令中‘<>’所括起来的词意在表示替换，

查询版本

conda --version

或

conda -V

更新 conda

conda update conda

查看帮助

conda --help

或

conda -h

创建虚拟环境

env_names 代表创建的环境名称，以英文命名，不能出现空格 package_names 代表安装在环境中的依赖名

conda create --name <env_name> <package_names>

如需要指定包的版本号，则需要在包名的后面加 = 和版本号； 如：创建一个demos的虚拟环境环境，并为环境安装2.7版本的python

conda create --name demos python=2.7

安装多个包，则在 package_names后以多个空格隔开； 提示：--name可以简化为 -n

切换环境

activate <env_name>

退出环境

deactivate

显示已创建的环境

conda info --envs

或

conda info -e

或

conda env list

复制环境

new_env_name 表示被复制/克隆环境名。 copied_env_name 表示复制之后新环境的名称。

conda create --name <new_env_name> --clone <copied_env_name>

删除环境

env_name 表示环境名称

conda remove --name <env_name> --all

查找安装包

--full-name 表示精确查找，没有此项参数即为模糊查找 package_full_name 依赖名，没有加精确查找参数，无需全名查找依赖名中包含此字段的包，有精确查找参数就需要是完整的依赖名称

conda search --full-name <package_full_name>

列出当前环境依赖

conda list

安装依赖

env_name 表示环境名称 package_name 表示依赖名称 为指定环境安装依赖

conda install --name <env_name> <package_name>

为当前环境安装依赖

conda install <package_name>

注： 需要安装多个依赖，package_name后加空格依赖名称

升级依赖

更行当前环境指定依赖

conda update <package_name>

注：不加依赖名称即是更新当前环境所有依赖

删除依赖

conda remove <package_name>

注：删除多个依赖，加空格依赖名称即可

pip常用命令

管理环境比较麻烦此处只介绍 依赖管理相关命令 package_name 表示依赖名称

查询版本

pip --version

获取帮助

pip --help

升级pip和依赖

升级pip

pip install -U pip

升级依赖

pip install --upgrade <package_name>

列出所有依赖

pip list

安装依赖

pip install <package_name>

卸载依赖

pip uninstall <package_name>

搜索依赖

pip search <package_name>

导出依赖列表

pip freeze > requirements.txt