anaconda

终极参考：https://zhuanlan.zhihu.com/p/32925500

文章最后是我的具体实践步骤，环境是ubuntu16.04

一、 什么是 Anaconda？

　　Anaconda 是 Python 的一个发行版，如果把 Python 比作 Linux，那么 Anancoda 就是 CentOS 或者 Ubuntu。它解决了Python开发者的两大痛点。

• 第一：提供包管理，功能类似于 pip，Windows 平台安装第三方包经常失败的场景得以解决。
• 第二：提供虚拟环境管理，功能类似于 virtualenv，解决了多版本Python并存问题。

1.2 什么是 conda ？

　　conda 是开源包（packages）和虚拟环境（environment）的管理系统。

　　packages 管理： 可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、　　Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。

　　虚拟环境管理： 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。

二、如何安装Anaconda？

无论是 Windows、Linux 还是 MAC 的 OSX 系统，都可以找到对应的安装软件。如果你的电脑是64位则尽量选64位版本。至于 Python 的版本是 2.7 还是 3.x，这里推荐你使用 Python3，因为 Python2 终将停止维护。可能目前市面上大多数教程使用的都还是 Python2，这也不用着急，因为在 Anaconda 中可以同时管理两个 Python 版本的环境。

根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担心，我们一项项来看：

Anaconda Navigator ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。 
Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。 
qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。 
spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。 
安装完成后，我们还需要对所有工具包进行升级，以避免可能发生的错误。打开你电脑的终端，在命令行中输入：

conda upgrade –all 
在终端询问是否安装如下升级版本时，输入 y。

有的情况下，你可能会遇到找不到 conda 命令的错误提示，这很可能是环境路径设置的问题，需要添加conda环境变量：export PATH=xxx/anaconda/bin:$PATH, 其中xxx替换成anaconda的安装路径。

配置好PATH后，可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本，运行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发行版默认的环境是Python 2.7。

三、如何管理Python包？

安装一个 package：

conda install package_name 
这里 package_name 是需要安装包的名称。你也可以同时安装多个包，比如同时安装numpy 、scipy 和 pandas，则执行如下命令： 
conda install numpy scipy pandas

你也可以指定安装的版本，比如安装 1.1 版本的 numpy ： 
conda install numpy=1.10

移除一个 package： 
conda remove package_name

升级 package 版本： 
conda update package_name

查看所有的 packages： 
conda list

如果你记不清 package 的具体名称，也可以进行模糊查询： 
conda search search_term

四、如何管理Python环境？

默认的环境是 root，你也可以创建一个新环境：

conda create -n env_name list of packages 
其中 -n 代表 name，env_name 是需要创建的环境名称，list of packages 则是列出在新环境中需要安装的工具包。

例如，当我安装了 Python3 版本的 Anaconda 后，默认的 root 环境自然是 Python3（默认环境会自动安装anaconda集合包）。但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码，最好还安装了 pandas 包，于是我们运行以下命令来创建： 
conda create -n py2 python=2.7 pandas

但在新的python环境，conda仅安装python2.7相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包

# 在当前环境下安装anaconda包集合

~$ conda install anaconda

# 结合创建环境的命令，以上操作可以合并为

~$ conda create -n python34 python=3.4 anaconda

进入名为 env_name 的环境： 
source activate env_name

退出当前环境： 
source deactivate

另外注意，在 Windows 系统中，使用 activate env_name 和 deactivate 来进入和退出某个环境。

删除名为 env_name 的环境： 
conda env remove -n env_name

显示所有的环境： 
conda env list

当分享代码的时候，同时也需要将运行环境分享给大家，执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。 
conda env export > environment.yaml

同样，当执行他人的代码时，也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。

conda env create -f environment.yaml

总结

总结而言，整套安装、配置流程如下：

• 下载Anaconda、安装
• 配置PATH（bashrc或环境变量），更改TUNA镜像源
• 创建所需的不用版本的python环境，每个版本里面在分别配置tensorflow、numpy、scipy等等工具如：
• 创建环境python27，然后再该环境下配置tensorflowipythonjupyter umpymatplotlibscipypandasscikit-learnkeras等工具
• 创建环境python35，然后再该环境下配置tensorflowipythonjupyter umpymatplotlibscipypandasscikit-learnkeras等工具（如果想在后续的jypyter notebook中使用环境python27或者环境python35中的tensorflow、numpy、scikit-learn等工具，此时必须在相应的环境中安装jupyter工具，然后再该环境中运行jupyter notebook）
• Just Try!

三：待验证

pycharm中使用anaconda

方法一，针对默认环境：

打开pycharm， 依次点击 file - > Settings(如果以后想所有项目都用anaconda python解释器就点击Default settings) - >Project: xx - >Project Interpreter 

地址中选择：/usr/local/anaconda2/bin/python2.7这里，然后选择让这个文件当解释器

方法二，针对子环境：

File –> Default Settings –> Project Interpreter, 新增本地的python解析器, 在出现的对话框中左侧选中 Conda Environment, 对应的右侧pycharm会自动帮你找到anaconda中安装的python位置,你可以给它取个好记点的名字,如我这的/home/xugaoxiang/anaconda3/envs/xugaoxiang,版本号是3.6,点击Appy,再选中OK完成配置.

在上述步骤结束之后,可以到/home/xugaoxiang/anaconda3/envs/目录下看看, 在配置之前这个目录是空的,现在多处了很多的文件及目录,它是一个独立的虚拟环境

下载、安装Anaconda 

　　　　清华镜像  https://blog.csdn.net/xiaerwoailuo/article/details/70054429

　　　　https://www.jianshu.com/p/03d757283339

　　　　Anaconda 入门教程  https://foofish.net/anaconda-install.html

　　　　Anaconda安装与入门介绍  https://www.zhihu.com/question/58033789

　　　　使用  https://blog.csdn.net/zhangxinyu11021130/article/details/64125058

####################################################################

具体实践:

环境：

　　系统: ubuntu 16.04

安装：

　　以下源自：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ （清华大学镜像站）

　　Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

　　Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载。

　　1、请参考这里：https://www.jianshu.com/p/03d757283339

　　2、如果把Anaconda的路径放进环境变量中~/.bashrc，那每次开机，自动就进入anacoda环境下，我采用的是没有放进系统变量中，自己编写start-anaconda.sh,内容是

　　　　export PATH=/home/sumeng/anaconda3/bin:$PATH

　　3、每次开机，都需要运行命令 source   start-anaconda.sh

　　4、可以通过 which python 命令来判断是否在anacoda环境下，如果打印出的结果是/home/sumeng/anaconda3/bin/python 则说明是在anacode环境下，如果结果是/usr/bin/python 则说明是普通环境下

安装之后：

　　请参考：https://www.zhihu.com/question/38252144

　　TUNA 还提供了 Anaconda 仓库的镜像，运行以下命令:（添加源）

　

　　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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  （想要删除清华源把add改成remove就行。）

　　conda config --set show_channel_urls yes

　　即可添加 Anaconda Python 免费仓库。

　　查看 vim ~/.condarc 看起来是这样的：

运行 conda install numpy 测试一下吧。

###############################################################

创建子环境：

conda create -n [name]     #创建名为name的conda环境，如tensorflow

source activate [name]     #激活刚才创建的环境，命令完成后，回答先命令行之前多了刚创建的环境的名字

source deactivate [name]    #退出名为name的环境，回到系统默认环境

conda remove -n [name] --all   #删除刚刚创建的conda环境 

conda info -envs    #查看所安装环境列表，创建的环境都在`~/anaconda2/envs/`目录下面

conda list      #查看已经安装的包

conda install [packagename]        #安装具体的包，加-n [name]可以安装到指定环境

conda list -n [name]      #name环境下安装了哪些包

conda update -n [name] [packagename]     #升级name环境的名为packagename的包

conda remove -n [name] [packagename]     #删除name环境的名为packagename的包