摘要：的包使用軟件包管理系統進行管理。超過萬人使用發行版本，并且擁有超過個適用于和的數據科學軟件包。提供了大部分功能，并且大多數情況下兩個可以同時使用。

Anaconda是一個免費開源的Python和R語言的發行版本，用于計算科學（數據科學、機器學習、大數據處理和預測分析），Anaconda致力于簡化包管理和部署。Anaconda的包使用軟件包管理系統Conda進行管理。超過1200萬人使用Anaconda發行版本，并且Anaconda擁有超過1400個適用于Windows、Linux和MacOS的數據科學軟件包。

Anaconda擁有超過1400個軟件包其中包含Conda和虛擬環境管理，他們都被包含在Anaconda Navigator中，因此無需去了解獨立安裝每個庫。支持 Linux, Mac, Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本python并存、切換以及各種第三方包安裝問題。Anaconda利用工具/命令conda來進行package和environment的管理，并且已經包含了Python和相關的配套工具。可以使用已經包含在Anaconda中的命令conda install或者pip install從Anaconda倉庫中安裝開源軟件包。Pip提供了Conda大部分功能，并且大多數情況下兩個可以同時使用。可以使用conda build命令構建自定義包，然后通過上傳到Anaconda Cloud、PyPI或其他倉庫來分享給其他人。

Anaconda2默認包含Python 2.7，Anaconda3默認包含Python 3.7，但是你可以創建虛擬環境來使用任意版本的Python包。

這里先解釋下conda、anaconda這些概念的差別。conda可以理解為一個工具，也是一個可執行命令，其核心功能是包管理與環境管理。包管理與pip的使用類似，環境管理則允許用戶方便地安裝不同版本的python并可以快速切換。Anaconda則是一個打包的集合，里面預裝好了conda、某個版本的python、眾多packages、科學計算工具等等，所以也稱為Python的一種發行版。其實還有Miniconda，顧名思義，它只包含最基本的內容——python與conda，以及相關的必須依賴項，對于空間要求嚴格的用戶，Miniconda是一種選擇。

進入下文之前，說明一下conda的設計理念——conda將幾乎所有的工具、第三方包都當做package對待，甚至包括python和conda自身！因此，conda打破了包管理與環境管理的約束，能非常方便地安裝各種版本python、各種package并方便地切換。

豐富的第三方庫

Anaconda 附帶了一大批常用數據科學包，它附帶了 conda、Python 和 150 多個科學包及其依賴項。因此你可以立即開始處理數據。

管理包

Anaconda 是在 conda（一個包管理器和環境管理器）上發展出來的。可以使用 conda 來安裝、更新 、卸載工具包 ，并且它更關注于數據科學相關的工具包。在安裝 anaconda 時就預先集成了像 Numpy、Scipy、 pandas、Scikit-learn 這些在數據分析中常用的包。另外值得一提的是，conda 并不僅僅管理Python的工具包，它也能安裝非python的包。比如在新版的 Anaconda 中就可以安裝R語言的集成開發環境 Rstudio。

虛擬環境管理

在conda中可以建立多個虛擬環境，用于隔離不同項目所需的不同版本的工具包，以防止版本上的沖突。對糾結于 Python 版本的同學們，我們也可以建立 Python2 和 Python3 兩個環境，來分別運行不同版本的 Python 代碼。

Anaconda還包含一些功能強大的工具

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。

下載

官網點擊Download進入下載頁面，選擇對應的平臺和版本下載，我這里是Anaconda3-2019.03-MacOSX-x86_64.pkg這個版本

安裝

下載完成后雙擊下一步下一步知道安裝完成，安裝完成后自動會把anaconda的執行文件的路徑添加到環境變量中無需手動配置，如何需要手動改變需要自行配置。

# 獲取幫助
$ conda --help

# 安裝完成后驗證conda的版本和python的版本等詳細信息

$ conda info

C:>conda info

     active environment : None
       user config file : C:UsersAndy.condarc
 populated config files : C:UsersAndy.condarc
          conda version : 4.6.12
    conda-build version : 3.10.5
         python version : 3.6.2.final.0
       base environment : D:softwaredevappsanaconda3-5.2.0  (writable)
           channel URLs : https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/noarch
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64
                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/noarch
                          https://repo.anaconda.com/pkgs/main/win-64
                          https://repo.anaconda.com/pkgs/main/noarch
                          https://repo.anaconda.com/pkgs/free/win-64
                          https://repo.anaconda.com/pkgs/free/noarch
                          https://repo.anaconda.com/pkgs/r/win-64
                          https://repo.anaconda.com/pkgs/r/noarch
                          https://repo.anaconda.com/pkgs/msys2/win-64
                          https://repo.anaconda.com/pkgs/msys2/noarch
          package cache : D:softwaredevappsanaconda3-5.2.0pkgs
                          C:UsersAndy.condapkgs
                          C:UsersAndyAppDataLocalcondacondapkgs
       envs directories : D:softwaredevappsanaconda3-5.2.0envs
                          C:UsersAndy.condaenvs
                          C:UsersAndyAppDataLocalcondacondaenvs
               platform : win-64
             user-agent : conda/4.6.12 requests/2.21.0 CPython/3.6.2 Windows/10 Windows/10.0.17763
          administrator : False
             netrc file : None
           offline mode : False


C:>

# 列出我本機的所有環境，第一個是自己創建的，后面的是我自己后續創建的
$ conda info -e

C:UsersAndy>conda info -e
# conda environments:
#
base                  *  D:softwaredevappsanaconda3-5.2.0
python27                 D:softwaredevappsanaconda3-5.2.0envspython27
python36                 D:softwaredevappsanaconda3-5.2.0envspython36
python37                 D:softwaredevappsanaconda3-5.2.0envspython37


C:UsersAndy>

一般來說 conda 倉庫的軟件沒有 PyPI 更新快和全。所以推薦 conda 只用來創建虛擬環境，包的安裝管理仍然使用 pip。

# 列出當前環境下所有安裝的 conda 包。
$ conda list

# 列舉一個指定環境下的所有包
$ conda list -n env_name

# 查詢庫
$ conda search scrapys

# 安裝庫安裝時可以指定版本例如：（scrapy=1.5.0）
$ conda install scrapy

# 為指定環境安裝某個包
$ conda install --name target_env_name package_name

# 更新安裝的庫
$ conda update scrapy

# 更新指定環境某個包
$ conda update -n target_env_name package_name

# 更新所有包
$ conda update --all

# 刪除已經安裝的庫也尅用（conda uninstall）
$ conda remove scrapy

# 刪除指定環境某個包
$ conda remove -n target_env_name package_name

# 刪除沒有用的包
$ conda clean -p

# 創建環境，后面的python=3.6是指定python的版本
$ conda create --name env_name python=3.6

# 創建包含某些包的環境（也可以加上版本信息）
$ conda create --name env_name python=3.7 numpy scrapy

# 激活某個環境
$ activate env_name

# 關閉某個環境
$ conda deactivate

# 復制某個環境
$ conda create --name new_env_name --clone old_env_name

# 刪除某個環境
$ conda remove --name env_name --all

# 生成需要分享環境的yml文件（需要在虛擬環境中執行）
$ conda env export > environment.yml

# 別人在自己本地使用yml文件創建虛擬環境
$ conda env create -f environment.yml