Anacond的介紹
Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。 因為包含了大量的科學包，Anaconda 的下載文件比較大（約 531 MB），如果只需要某些包，或者需要節省帶寬或存儲空間，也可以使用Miniconda這個較小的發行版（僅包含conda和 Python）。
Conda是一個開源的包、環境管理器，可以用于在同一個機器上安裝不同版本的軟件包及其依賴，并能夠在不同的環境之間切換
Anaconda包括Conda、Python以及一大堆安裝好的工具包，比如：numpy、pandas等
Miniconda包括Conda、Python
Anacond下載
下載地址：https://www.anaconda.com/download/
Anaconda 是跨平臺的，有 Windows、macOS、Linux 版本，我們這里以 Windows 版本為例，點擊那個 Windows 圖標。
我這里選擇下載
Python 2.7 version *--Python 2.7 版 *
64-Bit Graphical Installer (564 MB) --64位圖形安裝程序（564 MB）
當然，你也可以根據自己的實際情況，選擇 Python 3.6版的，或者 32-Bit 版本的。
安裝包有 564MB，因為網速的關系，下載時間可能會比較長，請耐心等待。我這里下載完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。
安裝 Anaconda
雙擊下載好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出現如下界面，點擊 Next 即可。
點擊Next
點擊 I Agree （我同意），不同意，當然就沒辦法繼續安裝啦。
Install for: Just me還是All Users，假如你的電腦有好幾個 Users ，才需要考慮這個問題.其實我們電腦一般就一個 User，就我們一個人使用，如果你的電腦有多個用戶，選擇All Users，我這里直接 All User，繼續點擊 Next 。
Destination Folder 是“目標文件夾”的意思，可以選擇安裝到什么地方。默認是安裝到 C:\ProgramData\Anaconda2文件夾下。你也可以選擇 Browse...，選擇想要安裝的文件夾。我這里 C 盤空間充裕，所以我直接就裝到默認的地方。
這里提一下，Anaconda 很強大，占用空間也不小啊，2.6GB，差不多是一部高清電影的體積了。不過，為了學習，這點硬盤空間算什么呢。
繼續點擊 Next> 。
這里來到 Advanced Options 了，所謂的“高級選項”。如果你英文好，有一定背景知識的話，肯定明白這界面上的意思。兩個默認就好，第一個是加入環境變量，第二個是默認使用 Python 2.7，點擊“Install”，終于開始安裝額。
安裝時間根據你的電腦配置而異，電腦配置高，硬盤是固態硬盤，速度就更快。安裝過程其實就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件里壓縮的各種 dll 啊，py 文件啊，全部寫到安裝目標文件夾里。
過程還是很漫長的，畢竟 2.6GB 的無數個小文件啊，請耐心等待。
經過漫長的等待，終于安裝完成 Installation Complete （安裝完成）了，點擊最后一個 Next>。
點擊Install Microsoft VSCode
點擊 Finish，那兩個 √ 可以取消。
配置環境變量
如果是windows的話需要去 控制面板\系統和安全\系統\高級系統設置\環境變量\用戶變量\PATH 中添加 anaconda的安裝目錄的Scripts文件夾, 比如我的路徑是C:\ProgramData\Anaconda2\Scripts, 看個人安裝路徑不同需要自己調整.
之后就可以打開命令行(最好用管理員模式打開) 輸入 conda --version
如果輸出conda 4.5.4之類的就說明環境變量設置成功了.
為了避免可能發生的錯誤, 我們在命令行輸入conda upgrade --all 先把所有工具包進行升級
管理虛擬環境
接下來我們就可以用anaconda來創建我們一個個獨立的python環境了.接下來的例子都是在命令行操作的,請打開你的命令行吧.
activate
activate 能將我們引入anaconda設定的虛擬環境中, 如果你后面什么參數都不加那么會進入anaconda自帶的base環境,
你可以輸入python試試, 這樣會進入base環境的python解釋器, 如果你把原來環境中的python環境去除掉會更能體會到, 這個時候在命令行中使用的已經不是你原來的python而是base環境下的python.而命令行前面也會多一個(base) 說明當前我們處于的是base環境下。
創建自己的虛擬環境
我們當然不滿足一個base環境, 我們應該為自己的程序安裝單獨的虛擬環境.
創建一個名稱為learn的虛擬環境并指定python版本為3(這里conda會自動找3中最新的版本下載)
conda create -n learn python=2
于是我們就有了一個learn的虛擬環境, 接下來我們切換到這個環境, 一樣還是用activae命令 后面加上要切換的環境名稱
切換環境
activate learn
如果忘記了名稱我們可以先用
conda env list
去查看所有的環境
現在的learn環境除了python自帶的一些官方包之外是沒有其他包的, 一個比較干凈的環境我們可以試試
先輸入python打開python解釋器然后輸入
import requests
會報錯找不到requests包, 很正常.接下來我們就要演示如何去安裝requests包
exit()
退出python解釋器
安裝第三方包
輸入
conda install requests
或者
pip install requests
來安裝requests包.
安裝完成之后我們再輸入python進入解釋器并import requests包, 這次一定就是成功的了.
卸載第三方包
那么怎么卸載一個包呢
conda remove requests
或者
pip uninstall requests
就行啦.
查看環境包信息
要查看當前環境中所有安裝了的包可以用
conda list
導入導出環境
如果想要導出當前環境的包信息可以用
conda env export > environment.yaml
將包信息存入yaml文件中.
當需要重新創建一個相同的虛擬環境時可以用
conda env create -f environment.yaml
其實命令很簡單對不對, 我把一些常用的在下面給出來, 相信自己多打兩次就能記住
activate // 切換到base環境
activate learn // 切換到learn環境
conda create -n learn python=3 // 創建一個名為learn的環境并指定python版本為3(的最新版本)
conda env list // 列出conda管理的所有環境
conda list // 列出當前環境的所有包
conda install requests 安裝requests包
conda remove requests 卸載requets包
conda remove -n learn --all // 刪除learn環境及下屬所有包
conda update requests 更新requests包
conda env export > environment.yaml // 導出當前環境的包信息
conda env create -f environment.yaml // 用配置文件創建新的虛擬環境
深入一下
或許你會覺得奇怪為啥anaconda能做這些事, 他的原理到底是什么, 我們來看看anaconda的安裝目錄
這里只截取了一部分, 但是我們和本文章最開頭的python環境目錄比較一下, 可以發現其實十分的相似, 其實這里就是base環境. 里面有著一個基本的python解釋器, lLib里面也有base環境下的各種包文件.
那我們自己創建的環境去哪了呢, 我們可以看見一個envs, 這里就是我們自己創建的各種虛擬環境的入口, 點進去看看
可以發現我們之前創建的learn目錄就在下面, 再點進去
這不就是一個標準的python環境目錄嗎?
這么一看, anaconda所謂的創建虛擬環境其實就是安裝了一個真實的python環境, 只不過我們可以通過activate,conda等命令去隨意的切換我們當前的python環境, 用不同版本的解釋器和不同的包環境去運行python腳本.
與****JetBrains PyCharm 2017.2.3 x64****連接
在工作環境中我們會集成開發環境去編碼, 這里推薦JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虛擬環境結合
在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 點擊齒輪標志再點擊Add Local為你某個環境的python.exe解釋器就行了
比如你要在learn環境中編寫程序, 那么就修改為C:\Users\Administrator\AppData\Local\conda\conda\envs\learn, 可以看到這時候下面的依賴包也變成了learn環境中的包了.接下來我們就可以在pycharm中愉快的編碼了。
Anaconda 初體驗
按下 Windows 徽標鍵，調出 Windows 開始菜單，可以看到 “最近添加”的：Anaconda2(64-bit)
Anaconda Prompt
打開Anaconda Prompt，這個窗口和doc窗口一樣的，輸入命令就可以控制和配置python，最常用的是conda命令，這個pip的用法一樣，此軟件都集成了，你可以直接用，點開的話如下圖。用命令“conda list”查看已安裝的包，從這些庫中我們可以發現NumPy,SciPy,Matplotlib,Pandas，說明已經安裝成功了!
還可以使用conda命令進行一些包的安裝和更新
conda list：列出所有的已安裝的packages
conda install name：其中name是需要安裝packages的名字，比如，我安裝numpy包，輸入上面的命令就是“conda install numpy”。單詞之間空一格，然后回車，輸入y就可以了。
安裝完anaconda，就相當于安裝了Python、IPython、集成開發環境Spyder、一些包等等。你可以在Windows下的cmd下查看：
Anaconda Navigtor
用于管理工具包和環境的圖形用戶界面，后續涉及的眾多管理命令也可以在 Navigator 中手工實現。
Jupyter notebook
基于web的交互式計算環境，可以編輯易于人們閱讀的文檔，用于展示數據分析的過程。
Qtconsole
一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。
Spyder
一個使用Python語言、跨平臺的、科學運算集成開發環境。
點擊 Anaconda Navigator ，第一次啟用，會初始化，耐心等待一段時間，加載完成，界面如圖。
Spyder編輯器，我們以后就可以用這款編輯器來編寫代碼，它最大優點就是模仿MATLAB的“工作空間”。spyder.exe放在安裝目錄下的Scripts里面，如我的是C:\ProgramData\Anaconda2\Scripts\spyder.exe, 直接雙擊就能運行。我們可以右鍵發送到桌面快捷方式，以后運行就比較方便了。
我們簡單編寫一個程序來測試一下安裝是否成功，該程序用來打開一張圖片并顯示。首先準備一張圖片，然后打開spyder，編寫如下代碼：
# -*- coding: utf-8 -*-
"""
Spyder Editor
This is a temporary script file.
"""
from skimage import io
img = io.imread('C:/Users/Administrator/Desktop/379283176280170726.jpg')
io.imshow(img)
將其中的C:/Users/Administrator/Desktop/379283176280170726.jpg改成你自己要顯示圖片的位置，然后點擊上面工具欄里的綠色三角進行運行，最終顯示如下：
jupyterlab
我們點擊 jupyterlab 下面的 Launch ，會在默認瀏覽器（我這里是 Chrome）打開 http://localhost:8888/lab 這樣一個東東，這里就可以輸入 Python 代碼啦，來一句 Hello World 吧。
我們可以打開 Anaconda Navigator -> Launch jupyterlab ，也可以直接在瀏覽器輸入 http://localhost:8888/lab （可以保存為書簽）。如果是布置在云端，可以輸入服務器域名（IP），是不是很爽？
VSCode
Visual Studio Code是一個輕量級但功能強大的源代碼編輯器，可在桌面上運行，適用于Windows，macOS和Linux。它內置了對JavaScript，TypeScript和Node.js的支持，并為其他語言（如C ++，C＃，Java，Python，PHP，Go）和運行時（如.NET和Unity）提供了豐富的擴展生態系統。
Glueviz
Glue是一個Python庫，用于探索相關數據集內部和之間的關系。其主要特點包括：
鏈接統計圖形。使用Glue，用戶可以創建數據的散點圖，直方圖和圖像（2D和3D）。膠水專注于刷牙和鏈接范例，其中任何圖形中的選擇傳播到所有其他圖形。
靈活地跨數據鏈接。Glue使用不同數據集之間存在的邏輯鏈接來覆蓋不同數據的可視化，并跨數據集傳播選擇。這些鏈接由用戶指定，并且是任意靈活的。
完整的腳本功能。Glue是用Python編寫的，并且建立在其標準科學庫（即Numpy，Matplotlib，Scipy）之上。用戶可以輕松地集成他們自己的python代碼進行數據輸入，清理和分析。
Orange3
交互式數據可視化
通過巧妙的數據可視化執行簡單的數據分析。探索統計分布，箱形圖和散點圖，或深入了解決策樹，層次聚類，熱圖，MDS和線性投影。即使您的多維數據也可以在2D中變得合理，特別是在智能屬性排名和選擇方面。
老師和學生都喜歡它
在教授數據挖掘時，我們喜歡說明而不是僅僅解釋。而橙色很棒。Orange在世界各地的學校，大學和專業培訓課程中使用，支持數據科學概念的實踐培訓和視覺插圖。甚至還有專門為教學設計的小部件。
附加組件擴展功能
使用Orange中可用的各種附加組件從外部數據源挖掘數據，執行自然語言處理和文本挖掘，進行網絡分析，推斷頻繁項目集并執行關聯規則挖掘。此外，生物信息學家和分子生物學家可以使用Orange通過差異表達對基因進行排序并進行富集分析。
Rstudio
R軟件自帶的有寫腳本的工具，可是我不是很喜歡用（并不是說不好哈），我更喜歡用RStudio（網上還有Tinn-R，RWinEdt等）。因為我覺得其本身比較方便，另外在編程的時候有些功能很方便。下面這個界面是我修改了主題的，下面我將介紹如何修改主題，來方便編程。
結語
現在你是不是發現用上anaconda就可以十分優雅簡單的解決上面所提及的單個python環境所帶來的弊端了呢, 而且也明白了其實這一切的實現并沒有那么神奇.
當然anaconda除了包管理之外還在于其豐富數據分析包, 不過那就是另一個內容了, 我們先學會用anaconda去換一種方法管里自己的開發環境, 這已經是一個很大的進步了。
