Anaconda配置手冊

由於本文在quiver中寫出，採用了markdown的格式，在這裡就懶得

##簡介

Anaconda 實際上是一個軟體發行版，它附帶了 conda、Python 和 150 多個科學包及其依賴項。應用程序 conda 是包和環境管理器。Anaconda 的下載文件比較大（約 500 MB），因為它附帶了 Python 中最常用的數據科學包。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）。但你仍可以使用 conda 來安裝任何可用的包，它只是自身沒有附帶這些包而已。

conda 只能通過命令行來使用。因此，如果你覺得它很難用，可以參考面向 Windows 的命令提示符教程，或者學習面向 OSX/Linux 用戶的 Linux 命令行基礎知識課程。

##安裝anaconda

Anaconda 可用於 Windows、Mac OS X 和 Linux。可以在 Downloads 上找到安裝程序和安裝說明。

如果計算機上已經安裝了 Python，這不會有任何影響。實際上，腳本和程序使用的默認 Python 是 Anaconda 附帶的 Python。

選擇 Python 3.6 版本（你也可以根據具體的需要選擇 Python 2 的版本）。此外，如果是 64 位操作系統，則選擇 64 位安裝程序，否則選擇 32 位安裝程序。繼續並選擇合適的版本，然後安裝它。之後，繼續進行！

完成安裝後，會自動進入默認的 conda 環境，而且所有包均已安裝完畢，如下面所示。可以在終端或命令提示符中鍵入 conda list，以查看你安裝的內容。

##管理包

安裝了 Anaconda 之後，管理包是相當簡單的。要安裝包，請在終端中鍵入 conda install package_name。例如，要安裝 numpy，請鍵入 conda install numpy。

你還可以同時安裝多個包。類似 conda install numpy scipy pandas 的命令會同時安裝所有這些包。還可以通過添加版本號（例如 conda install numpy=1.10）來指定所需的包版本。

Conda 還會自動為你安裝依賴項。例如，scipy 依賴於 numpy，因為它使用並需要 numpy。如果你只安裝 scipy (conda install scipy)，則 conda 還會安裝 numpy（如果尚未安裝的話）。

大多數命令都是很直觀的。要卸載包，請使用 conda remove package_name。要更新包，請使用 conda update package_name。如果想更新環境中的所有包（這樣做常常很有用），請使用 conda update --all。最後，要列出已安裝的包，請使用前面提過的 conda list。

如果不知道要找的包的確切名稱，可以嘗試使用 conda search search_term 進行搜索。例如，我知道我想安裝 Beautiful Soup，但我不清楚確切的包名稱。因此，我嘗試執行 conda search beautifulsoup。

##管理環境

如前所述，你可以使用 conda 創建環境以隔離項目。要創建環境，請在終端中使用 conda create -n env_name list of packages。在這裡，-n env_name 設置環境的名稱（-n 是指名稱），而 list of packages 是要安裝在環境中的包的列表。例如，要創建名為 my_env 的環境並在其中安裝 numpy，請鍵入 conda create -n my_env numpy。

創建環境時，可以指定要安裝在環境中的 Python 版本。這在你同時使用 Python 2.x 和 Python 3.x 中的代碼時很有用。要創建具有特定 Python 版本的環境，請鍵入類似於 conda create -n py3 python=3 或 conda create -n py2 python=2 的命令。實際上，我在我的個人計算機上創建了這兩個環境。我將它們用作與任何特定項目均無關的通用環境，以處理普通的工作（可輕鬆使用每個 Python 版本）。這些命令將分別安裝 Python 3 和 Python 2 的最新版本。要安裝特定版本（例如 Python 3.3），請使用 conda create -n py python=3.3。

##進入環境

創建了環境後，在 OSX/Linux 上使用 source activate my_env 進入環境。在 Windows 上，請使用 activate my_env。

進入環境後，你會在終端提示符中看到環境名稱，它類似於 (my_env) ~ $。環境中只安裝了幾個默認的包，以及你在創建它時安裝的包。你可以使用 conda list 檢查這一點。在環境中安裝包的命令與前面一樣：conda install package_name。不過，這次你安裝的特定包僅在你進入環境後才可用。要離開環境，請鍵入 source deactivate（在 OSX/Linux 上）。在 Windows 上，請使用 deactivate。

##更多環境操作

共享環境這項功能確實很有用，它能讓其他人安裝你的代碼中使用的所有包，並確保這些包的版本正確。你可以使用 conda env export > environment.yaml 將包保存為 YAML。命令的第一部分 conda env export 用於輸出環境中的所有包的名稱（包括 Python 版本）。上圖中，你可以看到環境的名稱和所有依賴項及其版本。導出命令的第二部分 > environment.yaml 將導出的文本寫入到 YAML 文件 environment.yaml 中。現在可以共享此文件，而且其他人能夠用於創建和你項目相同的環境。

要通過環境文件創建環境，請使用 conda env create -f environment.yaml。這會創建一個新環境，而且它具有同樣的在 environment.yaml 中列出的庫。

###列出環境

如果忘記了環境的名稱（我有時會這樣），可以使用 conda env list 列出你創建的所有環境。你會看到環境的列表，而且你當前所在環境的旁邊會有一個星號。默認的環境（即當你不在選定環境中時使用的環境）名為 root。

###刪除環境

再刪除環境之前還需要deactivate the environment

Deactivating an environment

To deactivate an environment:

On Windows, in your Anaconda Prompt, run deactivate

On macOS and Linux, in your Terminal Window, run source deactivate

如果你不再使用某些環境，可以使用 conda env remove -n env_name 刪除指定的環境（在這裡名為 env_name）。

##最佳做法

對我幫助很大的一點是，我的 Python 2 和 Python 3 具有獨立的環境。我使用了 conda create -n py2 python=2 和 conda create -n py3 python=3 創建兩個獨立的環境，即 py2 和 py3。現在，我的每個 Python 版本都有一個通用環境。在所有這些環境中，我都安裝了大多數標準的數據科學包（numpy、scipy、pandas 等）。