1 介紹與安裝
The open-source Anaconda Individual Edition is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X.
Anaconda是一個可用於科學計算的Python發行版。
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。
- Quickly download 7,500+ Python/R data science packages 迅速下載各種包
- Manage libraries, dependencies, and environments with Conda 環境管理-解決多版本Python並存切換的問題 包管理-對Python包安裝、卸載和更新
- Develop and train machine learning and deep learning models with scikit-learn, TensorFlow, and Theano 機器學習
- Analyze data with scalability and performance with Dask, NumPy, pandas, and Numba 數據分析
- Visualize results with Matplotlib, Bokeh, Datashader, and Holoviews 可視化
Anaconda官網下載：https://www.anaconda.com/distribution/
Miniconda下載：https://docs.conda.io/en/latest/miniconda.html （如果並不必要使用1,000多個庫）
清華鏡像下載：Tsinghua Open Source Mirror(推薦)
使用conda進行環境管理和包管理
conda是anaconda中的環境管理器和包管理器。
對於conda的操作都發生在命令行內，可以打開Anaconda Prompt進行操作。
conda將conda、python等幾乎所有的工具、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並方便地切換。
適用語言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
pip 與 conda 比較
pip是用於安裝和管理軟件包的包管理器。pip編寫語言：Python。
→ 依賴項檢查
pip：安裝包時或許會直接忽略依賴項而安裝，僅在結果中提示錯誤。
conda：安裝包時自動安裝其依賴項。
安裝
“開始 → Anaconda3（64-bit）→ Anaconda Navigator”，若可以成功啟動Anaconda Navigator則說明安裝成功。
Anaconda Navigator 中可以從不同方式打開python，也有很多學習教程和討論社區及論壇，這個強烈推薦。
“開始 → Anaconda3（64-bit）→ 右鍵點擊Anaconda Prompt → 以管理員身份運行”，在Anaconda Prompt中輸入conda list，可以查看已經安裝的包名和版本號。若結果可以正常顯示，則說明安裝成功。
conda命令(均在Anaconda Prompt中運行)
右鍵使用管理員權限 打開Anaconda Prompt
因為http://Anaconda.org的服務器在國外，所以conda在下載包的時候速度往往很慢。清華TUNA鏡像（https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/）有Anaconda倉庫的鏡像，我們可以將其加入conda的配置，即可解決這個問題。
# 添加Anaconda的TUNA鏡像 永久修改 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/ #可不加 conda config --set show_channel_urls yes #修改pip鏡像地址 #可以在使用pip的時候加參數-i https://pypi.tuna.tsinghua.edu.cn/simple #這樣就會從清華這邊的鏡像去安裝numpy庫 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 也可
#pip還有永久修改： windows下在user目錄中創建一個pip目錄，如：C:\Users\xx\pip，新建文件pip.ini，內容如下： [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple #或者 [global] trusted-host = pypi.douban.com index-url = http://pypi.douban.com/simple
#更新conda到最新版本，這里conda被當作一個包處理 conda update conda #更新anaconda到最新版本 conda update anaconda #更新python #例如我們所啟用的環境是py34，使用的是python3.4,那么conda會將python升級為3.4.x系列中的最新版本 conda update python conda -h #查看幫助 #管理包： #更新所有包 conda update --all #更新指定包 conda update package_name #更新多個指定包 conda update pandas numpy matplotlib #精確查找包 conda search --full-name package_full_name #模糊查找包 只包含text 找到了信息 表示可以用conda下載 conda search <text> #安裝一個包 conda install package_name #在指定環境中安裝包 一般切換到該環境再安裝也可 conda install -n env_name package_name #當使用conda install無法進行安裝時，可以使用pip進行安裝。 pip install package_name #卸載一個包 conda remove package_name #卸載指定環境包 conda remove -n env_name package_name #升級包版本 conda update package_name #查看所有的包 conda list #管理Python環境 #創建一個新環境 conda create -n env_name list of packages conda create -n tensorflow python=3.6 #創建環境案例 #刪除名為env_name的環境 conda env remove -n python36 conda remove -n python36 --all #復制環境 conda create -n <new_env_name> --clone <copied_env_name> #顯示所有的環境 conda env list #查看所安裝的環境 conda info -e #切換進入名為env_name的環境 activate env_name conda activate env_name #只適用於conda 4.6以上版本 #退出當前環境 deactivate #回到基礎base環境 activate conda activate
共享環境
共享環境非常有用，它能讓其他人安裝你代碼中使用的所有包，並確保這些包的版本正確。可以在你當前的環境的終端中使用:
conda env export > environment.yaml #另外： conda activate python27 #進入環境 #其中-f表示你要導出文件在本地的路徑，所以/path/to/environment.yml要換成你本地的實際路徑 conda env update -f=/path/to/environment.yml #不使用conda pip freeze > environment.txt # #別人下載你的環境 #其中C:\Users\Microstrong\enviroment.txt是該文件在你電腦上的實際路徑。 pip install -r C:\Users\Microstrong\enviroment.txt
將你當前的環境保存到保存為YAML文件（包括Pyhton版本和所有包的名稱）。在終端中上可以看到導出的環境文件路徑。
在 GitHub 上共享代碼時，最好同樣創建環境文件並將其包括在代碼庫中。這能讓其他人更輕松地安裝你的代碼的所有依賴項。
從Anaconda.org安裝包
當使用conda install 方法進行安裝時，可以考慮從Anaconda.org中獲取安裝包的命令，並進行安裝，無需注冊。
查詢需要安裝的包，可以通過下載量、適用平台等進行篩選，點擊想要下載的包的名字(seaborn為例，而不是conda-forge)，復制下載路徑到anaconda prompt 進行下載
whl 安裝(用於其他方法也無法安裝時)
例如下載tensorflow‑1.9.0‑cp37‑cp37m‑win_amd64.whl(可以在網頁上Ctrl+F 定位到需要的包)
在終端進入whl文件所在文件夾的路徑： cd C:\Users\usename\Downloads
然后pip install tensorflow-1.9.0-cp37-cp37m-win_amd64.whl
等待安裝完成，就可以在...\Anaconda3\Lib\site-packages中看到一個tensorflow的文件夾
安裝Tensorflow
#在Anaconda Prompt 中創建環境tensorflow conda create -n tensorflow python=3.6 #激活環境 activate tensorflow #使用清華的源安裝 tensorflow pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ #在當前終端輸入python 進行測試： import tensorflow as tf
運行Python
直接在終端輸入python
在終端切換目錄 輸入 jupyter notebook
直接打開Spyder
Pycharm Python–>Preferences–>Project Interpreter–>Python Interpreter
IDE配置請參看官網
初學python者自學anaconda的正確姿勢是什么？？ - 猴子的回答 - 知乎 https://www.zhihu.com/question/58033789/answer/254673663
參考：
https://www.jianshu.com/p/62f155eb6ac5
https://blog.csdn.net/fzyjsy/article/details/84447621
https://cloud.tencent.com/developer/article/1406417
https://zhuanlan.zhihu.com/p/36398337
https://python.swaroopch.com/basics.html
https://www.zhihu.com/question/58033789/answer/254673663?utm_source=wechat_session&utm_medium=social