作者：猴子

链接：https://www.zhihu.com/question/58033789/answer/254673663

来源：知乎

事实上Anaconda 和 Jupyter notebook已成为数据分析的标准环境。

简单来说，Anaconda是包管理器和环境管理器，Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。

 接下来我详细介绍下Anaconda，并在最后给出Jupyter notebook：

1.Anaconda是什么？

2.如何安装？

3. 如何管理包？

4.如何管理环境？

5.Jupyter notebook如何快速上手？

 

不过在开始前我需要强调下，下面的步骤你要亲自跟着敲一遍并在自己的电脑上实践。虽然下面你会遇到很多命令，给了谁都记不住的。但是别怕，也别中途放弃，因为你没必要记住命令，因为当你在后面学习数据分析用的多了，自然就记住了。

记不住也没关系，学会在哪查找就可以了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。

刚开始学习的过程就像下面这个图，只要中途不放弃，自己实际操作一遍，我保证你可以熟练上手。

 

1.Anaconda是什么？

Anaconda在英文中是“蟒蛇”，麻辣鸡（Nicki Minaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。

所有你看下面Anaconda的图标就像一个收尾互相咬住的“蟒蛇”。

你可能已经安装了 Python，那么为什么还需要 Anaconda？有以下3个原因：

1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

2）管理包

Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。

在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。

3）管理环境

为什么需要管理环境呢？

比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。

 

还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。

 

2. 如何安装Anaconda？

Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。你可以在下面地址上找到安装程序和安装说明。根据你的操作系统是32位还是64位选择对应的版本下载。

（Anaconda已经不支持Windows XP；同时查看自己电脑是32位还是64位，不要装错了。）

官网地址：

如果官网地址网速太慢无法下载，可以从我公众号：猴子聊人物，中回复“资料”从网盘下载

Anaconda 的下载文件比较大（约 500 MB），因为它附带了 Python 中最常用的数据科学包。

如果计算机上已经安装了 Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。

注意：如果你是windows 10系统，注意在安装Anaconda软件的时候，右击安装软件→选择以管理员的身份运行。

完成安装后，如果你是在windows上操作，按下面图打开 Anaconda Prompt （或者 Mac 下的终端），后面我会将Anaconda Prompt统一称为“终端”。

注意：如果你是windows 10系统，按下图操作

如果win10系统没有按上述操作，后面会报下面的错误信息：

 

可以在终端或命令提示符中键入 conda list，以查看你安装的内容。

 

如果安装后，在Anaconda Prompt中都无法使用Conda命令，解决方法在这里：

 

如果Anaconda Prompt中可以使用conda命令，接着下面继续操作。

为了避免后面使用报错，你需要先更新下所有包。在终端输入更新所有包的命令：

conda upgrade    --all

并在提示是否更新的时候输入 y（Yes）让更新继续。初次安装下的软件包版本一般都比较老旧，因此提前更新可以避免未来不必要的问题。

 

如果以上命令运行后报错，参考这里的解决办法：

3. 如何管理包？

安装了 Anaconda 之后，就可以很方便的管理包了（安装，卸载，更新）。

1）安装包

在终端中键入：

conda install package_name

例如，要安装 pandas，在终端中输入：

conda install pandas

你还可以同时安装多个包。类似 conda install pandas numpy 的命令会同时安装所有这些包。还可以通过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。

 

conda 还会自动为你安装依赖项。例如，scipy 依赖于 numpy，因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy)，则 conda 还会安装 numpy（如果尚未安装的话）。

 

2）卸载包

在终端中键入 ：

conda remove package_names

上面命令中的package_names是指你要卸载包的名称，例如你想卸载pandas包：conda remove pandas

3）更新包

在终端中键入：

conda update package_name

如果想更新环境中的所有包（这样做常常很有用），使用：conda update --all。

4）列出已安装的包

#列出已安装的包conda list

例如我已经成功安装了numpy和pandas这两个常用的包。

如果不知道要找的包的确切名称，可以尝试使用 conda search search_term 进行搜索。例如，我知道我想安装numpy，但我不清楚确切的包名称。我可以这样尝试：conda search num。

 

4.如何管理环境？

conda 可以为你不同的项目建立不同的运行环境。

0）安装nb_conda用于notebook自动关联nb_conda的环境。

1）创建环境

在终端中使用:

conda create -n env_name package_names

上面的命令中，env_name 是设置环境的名称（-n 是指该命令后面的env_name是你要创建环境的名称），package_names 是你要安装在创建环境中的包名称。

例如，要创建环境名称为 py3 的环境并在其中安装 numpy，在终端中输入 conda create -n py3 pandas。

2）创建环境时，可以指定要安装在环境中的 Python 版本

当你同时使用 Python 2.x 和 Python 3.x 中的代码时这很有用。要创建具有特定 Python 版本的环境，例如创建环境名称为py3，并安装最新版本的Python3在终端中输入：

conda create -n py3 python=3

或也可以这样创建环境名称为py2，并安装最新版本的Python2：

conda create -n py2 python=2

 

因为我做的项目不同，有时候会用到Python2，还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境，并分别取了这样的环境名称：py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。

如果你要安装特定版本（例如 Python 3.6），请使用 conda create -n py python=3.6

 

3）进入环境

在 Windows 上，你可以使用 activate my_env进入。在 OSX/Linux 上使用 source activate my_env 进入环境。

进入环境后，你会在终端提示符中看到环境名称，下面图片是我进入py3的环境（这里的py3是我上面创建环境时自己起的名称，你可以起个自己喜欢的名称）。

进入环境后，我可以用conda list 查看环境中默认安装的几个包：

在环境中安装包的命令与前面一样：conda install package_name。

不过，这次你安装的特定包仅在你进入环境后才可用。

 

3）离开环境

在 Windows 上，终端中输入：

deactivate

在 OSX/Linux 上 输入：

source deactivate

 

4）共享环境

共享环境非常有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。比如你开发了一个药店数据分析系统，你要提交给项目部署系统的王二狗来部署你的项目，但是王二狗并不知道你当时开发时使用的是哪个python版本，以及使用了哪些包和包的版本。这怎么办呢？

 

你可以在你当前的环境中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中包保存为YAML文件（包括Pyhton版本和所有包的名称）。

命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。

在“notebook工作文件夹”下（及你在终端中上图的路径）可以看到导出的环境文件：

在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。

导出的环境文件，在其他电脑环境中如何使用呢？

首先在conda中进入你的环境，比如activate py3

然后在使用以下命令更新你的环境：

#其中-f表示你要导出文件在本地的路径，所以/path/to/environment.yml要换成你本地的实际路径conda env update -f=/path/to/environment.yml

 

对于不使用 conda 的用户，我通常还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。

具体见这里：

举个例子你可能更容易理解这个使用场景：

首先，我在自己的电脑上在conda中将项目的包导出成environment.txt 文件：

然后我将该文件包含在项目的代码库中，其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境：

他在自己的电脑上进入python命令环境，然后运行以下命令就可以安装该项目需要的包：

pip install -r /path/requirements.txt

其中/path/requirements.txt是该文件在你电脑上的实际路径。

5）列出环境

我有时候会忘记自己创建的环境名称，这时候用 conda env list 就可以列出你创建的所有环境。

你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在选定环境中时使用的环境）名为 root。

6）删除环境

如果你不再使用某个环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里环境名为 env_name）。

 

最后重新再强调下，不要被上面的命令吓到。虽然上述命令多，给了谁都记不住的。后面你跟着我在知乎上多做项目，用的多了自然记住了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。

conda的官方文档：

 

按照上面的步骤你亲自操作一遍后，你已经学会了Anaconda，并安装好你的数据分析Pyhton环境了，接下来你就可以愉快的使用Jupyter notebook来做数据分析了：

 

其他常见问题，见这里：