注：無論是任何一門語言，剛開始入門的時候，語言運行環境的搭建都是一件不輕松的事情。
Python的運行環境
要運行或寫Python代碼，就需要Python的運行環境，主要的Python有以下三類：
- 原生態的Python：就是直接從Python的官網下載，然后安裝使用。這類方法最簡單直接，但是后期不容易維護；
- 一些其他類型的Python發行本：這種類型的Python一般與一些package和其他工具整合在一起，類似於定制版的Python，易於安裝和使用，例如用的比較多的Anaconda發行版；
- 使用docker來提供Python的運行環境：使用該方法，不用在自己電腦上直接安裝Python的，只用在docker中構建好相應的Python的image就好了。
回想自己使用Python的過程，一開始也是直接到Python的官網上下載最新版本的安裝包。安裝完Python后，添加環境變量，在cmd中用pip一個一個安裝需要使用的package。每次都是重復這樣的過程，有時候會遇到一些莫名其妙的問題，比如某些package無法安裝成功；有時候只能下源碼自己編譯安裝。有時候還會需要不同版本的Python，電腦里就會出現多個版本的Python。
現在后面兩類方法用的比較多。
關於開發環境
還記得有段時間接觸到Java，一直分不清楚JRE和JDK的區別。現在終於搞明白了，JRE是運行是Java運行環境（Java Runtime Environment），可以用來運行Java的代碼；JDK是Java開發工具包（Java Developer's Kit），即Java的開發環境，主要用來寫代碼。
寫代碼時，有一個好的集成開發環境（integrated development environment，IDE）會讓我們事半功倍，包括但不限於以下這些優點：
- 語法檢查；
- 提示及命令補全；
- 好看的配色和字體；
- 強大的debug功能；
- 對大型project的管理功能。
我用的比較多的IDE包括：PyCharm，Spyder和Jupyter notebook.
- PyCharm在開發大型項目時是首選，但是平時分析數據時就顯得有些笨重了；
- Spyder主要用於科學計算(與RStudio非常像，可以單行運行)；但是對內存要求比較大，數據量比較大的時候容易崩潰；
- Jupyter notebook算是新生代的數據科學界的IDE，非常適合做數據分析。
Anaconda發行版
Anaconda是一種Python語言的免費增值開源發行版，用於進行大規模數據處理, 預測分析, 和科學計算, 致力於簡化包的管理和部署。Anaconda使用軟件包管理系統Conda進行包管理。——wiki
上面是wiki中對Anaconda Python發行版的介紹，其特點就是：為數據科學而定制的版本，利用conda來管理package比原生態的pip更方便。
完整版本的Anaconda
完整版本的Anaconda比較大，最新版的600多兆(windows, 64-Bit, Python3.6)，該版本不僅包括Python，還有預裝好的100多個package，省去了自己安裝包的麻煩。但是體積比較大，通常很多包都用不到。
下載鏈接：https://www.anaconda.com/download/
Miniconda
Minicoda只包含conda, Python和少量的包，大小只有50幾兆。安裝好Miniconda后，可以使用conda install來安裝其他python的包
下載鏈接：https://conda.io/miniconda.html
下面以Miniconda為例，安裝和配置Python的運行環境及開發環境（windows 7, 64位）
1. 安裝miniconda
打開上面的鏈接，下載想要安裝的版本后進行安裝。
更多參考安裝指南：https://conda.io/docs/user-guide/install/index.html
安裝完成后，在開始菜單可以看到下面的標志：
2. 安裝需要的package
點擊上面的Anaconda Prompt，打開anaconda的命令行工具。在這個命令行中可以直接使用conda：
- conda info：查看當前虛擬環境的名稱和路徑，配置文件的位置，channel的列表，Python版本等基本情況；
- conda env list: 列出所有的虛擬環境；
- conda list: 列出當前虛擬環境中已經安裝的包；
- conda search packagex: 搜索包packagex，會返回不同版本的包，可以使用"packagex==x.y"來指定安裝x.y版；
- conda install packagex: 安裝包packagex.
由上圖可以看到，現在只有一個虛擬環境——base，在這個環境中有30個預裝的包。
下面安裝常用的幾個用於數據分析的工具包：
指定安裝0.19.1版的scikit-learn: conda install scikit-learn==0.19.1
conda作為anaconda中Python包管理工具，還有其他很多功能，可參考：
https://docs.conda.io/projects/conda/en/latest/commands.html
- 下載pdf
鏈接：https://pan.baidu.com/s/1P5kyPtDqvL8lekROLL0x0Q
提取碼：f5xd
3. 安裝jupyter notebook
安裝jupyter notebook的命令：conda install jupyter
安裝后，可以看到開始菜單多了一個圖標：
4. 運行jupyter notebook
使用時，可以直接從開始菜單中的"Jupyter Notebook"啟動，或是在命令行中輸入jupyter notebook。打開后，會在瀏覽器中打開一個頁面：
鏈接默認為：http://localhost:8888/tree
界面如下：
點擊圖中框出來的"New"菜單，選擇"Python 3"就可以打開一個新的notebook
界面如下：
這時就可以寫代碼了！
退出時，關閉相應的cmd窗口就可以了。
Jupyter Notebook
對於Jupyter Notebook，完全值得單獨拿出來說說。
jupyter notebook是一個交互式的IDE，雖然不像PyCharm這種重型IDE那么強大，但是仍然可以當做IDE來用，而且有一些特色非常適合用來進行數據分析：
- 可以單行運行代碼，這樣就可以一行一行的檢查代碼，查看運行結果，反復嘗試；
- 每次運行后變量都保存在內存中，因此可以重復使用（這對於一些比較耗時的計算過程，尤其有用）；
- 可以寫markdown格式的注釋，這樣就可以將整個分析過程非常清晰的表達出來；
- 可以利用Mathjax展示數學公式；
- 可以插入圖片等，可以制作出圖和代碼並茂的非常精致的筆記和文檔（有很多已經出版的書都是完全使用notebook來寫作的）.
但是個人感覺jupyter notebook並不適用代碼量比較大的工程類項目。
自己最近幾個月一直在使用這個工具，但是還沒有系統的研究過。這里先放幾個鏈接，后面再來補充：
- 知乎上的一個介紹：https://www.zhihu.com/question/37490497/answer/212044783(你為什么使用 jupyter ，進行分析，而不是用 python 腳本或僅僅利用 excel ？ - 子珂的回答)
- datacamp中介紹Jupyter Notebook的文章（包括如何運行R代碼）：https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook
- 另一篇文章（包括快捷鍵，其他注意事項等）：https://www.dataquest.io/blog/jupyter-notebook-tutorial/
此外，JupyterLab:被稱為下一代Jupyter，對原來的Jupyter Notebook做了很多改進。
參考文檔：https://jupyterlab.readthedocs.io/en/latest/
# 安裝 conda install -c conda-forge jupyterlab # 運行 jupyter lab
由於國內使用默認channel安裝包比較慢，安裝時可以自己設置其他來源的channel，下面使用了清華大學的鏡像:
（更多關於Anaconda 鏡像的使用方法，可以參考清華大學開源軟件鏡像站上的使用幫助）
# 添加channels 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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes # 安裝jupyterlab conda install jupyterlab
在Anaconda中，添加對R的支持
有時候需要用到R，在anaconda中安裝的R默認是由微軟的發行版(Microsoft R Open, MRO)
1. 安裝MRO
conda create -n mro_env r-essentials # 這里創建了一個新的虛擬環境"mro_env"來安裝與R相關的包
2. 安裝IRkernel
安裝好R的虛擬環境后，需要安裝IRKernel才能在在jupyter lab中使用R。第一步結束后進行下面的操作：
conda activate mro_env # 進入新創建的虛擬環境
R # 直接輸入R進入R的命令行界面，在R內部安裝所需的包和IRkernel
install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
3. 激活IRkernal
IRkernel::installspec()
完成以上操作之后，再使用之前的命令安裝JupyterLab，就可以在JupyterLab中使用R了：
<完>