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
Anaconda
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，它解决了官方 Python 的两大痛点。
第一：提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决，
第二：提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。
Conda与Anaconda：
Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。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则的是一个开源的python发行版本，其包含了conda、python等180多个科学包及其依赖项。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
点此下载
Anaconda，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.x和Python 3.x，两个版本其实除了这点区别外其他都一样。通过环境管理，我们可以很方便地切换运行时的Python版本。
安装时，安装程序会把bin目录加入PATH（Linux/macOS默认写入
~/.bashrc
，Windows添加到系统变量PATH），如果你安装了zsh之类的shell，需要手动配置一下PATH。举个栗子：
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是/anaconda2/bin
# added by Anaconda3 5.0.1 installer
$ export PATH="/anaconda3/bin:$PATH"
# added by Anaconda3 5.0.1 installer
$ export PATH="/Users/Belikovvv/anaconda3/bin:$PATH"
# 更新zshrc以立即生效
$ source ~/.zshrc
配置好PATH后，可以通过conda --version命令检查是否正确。
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。假设我们需要安装Python 2.7，此时，我们需要做的操作如下：
# 创建一个名为python2x的环境，指定Python版本是2.7
$ conda create --name python2x python=2.7
# 使用activate激活该环境
$ activate python2x # for Windows
$ source activate python2x # for Linux & Mac
# 使用deactivate退出该环境
$ deactivate python2x # for Windows
$ source deactivate python2x # for Linux & Mac
#在新环境下使用pip命令安装第三方库，如lxml
$ conda install -n python2x lxml
#查看已有的环境
$ conda info -e
# 删除某个已有的环境（如果不添--all参数，而是指明某个库名，则是删除该库）
$ conda remove --name python2x --all
由于我们现在安装的是Anaconda3，之后又新添加了Python 2.7环境，但是Python 3.6环境中安装了Anaconda自带的科学计算环境，Python 2.7中却没有，那么如何为新添加的环境也装上Anaconda的科学计算包呢，没必要一个一个来，更没有必要再去安装Anaconda2了，只需：
$ conda install -n python2x anaconda
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：shell
# 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，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 python2x
# 查找package信息
$ conda search numpy
# 安装package
$ conda install -n python2x 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 python2x numpy
# 删除package
$ conda remove -n python2x 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 2.7, conda会将python升级为2.7.x系列的当前最新版本
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Anaconda.org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 https://mirrors.tuna.tsinghua.edu.cn/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。
P.S：翻墙也是一个好的选择……
环境搭建好之后就可以开始愉快地玩数据分析了。
