Anaconda

简介

我们用Anaconda发行版作为Python的使用环境。Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。

注意：anaconda就安装了python，不需要额外另装python

Anaconda支持Linux,Mac, Windows,包含了众多流行的科学计算、数据分析的 Python包。Anaconda和 Jupyter notebook已成为数据分析的标准环境。

下载

官网下载
https://www.anaconda.com/

清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装

具体安装细节不多讲了，可以参考以下教程：

（待补充）

使用

首先，可以打开Anaconda 自带的命令行Anaconda Prompt(anaconda3)，特点是可以进入anaconda命令行的基础环境，

查看python版本

此外anaconda还有ipython这个增强的python解释器。

换源

TUNA还提供了Anaconda仓库的镜像，运行以下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

可以切换使用清华源，访问速度很快

也可以在用户文件夹下寻找anaconda的配置文件，常见路径为：C:\Users\yourname 编辑里面的.condarc文件，删除default即可。

conda管理工具

安装好Anaconda后，我们就一并安装了conda这个包管理工具包括Python、Jupyter NoteBook、Numpy、Pandas、Matplotlib.Sklearn等180多个科学包及其依赖项。

conda 包管理器命令

which conda 或conda -version命令检查是否安装正确

conda list查询

conda install* 安装

conda update* 升级

conda remove* 卸载

注意：conda非常强大，可以安装非python的依赖库。而pip只能安装python的相关库。

使用conda新建python环境:

conda create -n myenv python=3

进入环境source activate myenv

离开环境source deactivate

列出环境conda env list

删除环境conda env remove -n env_name

除了直接安装anaconda外，还可以采用以下两种方式

安装miniconda

如果不希望直接那么多包，也可以下载miniconda

https://conda.io/miniconda.html

安装miniconda（仅仅提供一个conda包管理工具），然后conda安装你需要的包

$ conda install numpy

使用pip安装

这里我们使用豆瓣源安装,速度很快

pip install numpy pandas matplotlib sklearn -i https://pypi.doubanio.com/simple

参数-i表示源

继续安装Jupyer notebook
pip install notebook

Jupyter Notebook

简介

其中针对Jupyter Notebook官方描述如下：

The Jupyter Notebook is a web-based interactive computing platform. The notebook combines live code, equations, narrative text, visualizations, interactive dashboards and other media.

Jupyter Notebook 是一个基于 Web 的交互式计算平台。该笔记本结合了实时代码、方程式、叙述性文本、可视化、交互式仪表板和其他媒体。

简单讲，Jupyter Notebook(此前被称为IPython notebook)是一个基于网页的交互式笔记本，支持运行多种编程语言。本质是一个Web应用程序，便于创建和共享文学化程序文档, 支持实时代码，数学方程，可视化和markdown。用途包括: 数据清理和转换, 数值模拟，统计建模，机器学习等等。