Anaconda
Anaconda 是一个包含数据科学常用包的发行版本。它基于 conda ——一个包和环境管理器——衍生而来。
Anaconda 实际上是一个软件发行版，它附带了 conda、Python 和 150 多个科学包及其依赖项。应用程序 conda 是包和环境管理器。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。如果只需要某些包，或者需要节省带宽或存储空间，也可以使用 Miniconda 这个较小的发行版（仅包含 conda 和 Python）。
安装Anaconda
Anaconda 可用于 Windows、Mac OS X 和 Linux。可以在 https://www.continuum.io/downloads 上找到安装程序和安装说明。
如果计算机上已经安装了 Python，这不会有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。
这里需要注意的是选对自己操作系统对应的版本。
安装完后打开cmd,输入conda list可以查看当前
安装的内容。
输入conda upgrade --all，可以更新默认环境下的所有包。并在提示是否更新的时候输入y（Yes）以便让更新继续。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。
管理包
conda 是一种只能通过命令行来使用的程序。类似于pip那样可以对Python库的包进行管理。
安装命令：conda install package_name。如安装numpy,输入conda install numpy
同时安装多个包：conda install numpy scipy pandas
安装指定版本的包：conda install numpy=1.11
conda会自动安装依赖库。
卸载包：conda remove package_name
更新包：conda update package_name
更新环境中的所有包：conda update --all
列出已安装的包：conda list
为conda添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
如果不知道要找的包的确切名称，可以使用 conda search search_term 进行搜索。
管理环境
除了管理包之外，conda 还是虚拟环境管理器。它类似于另外两个很流行的环境管理器，即 virtualenv 和 pyenv。
环境可以分隔不同项目的包。因为我们使用的时候会依赖于某个库的不同版本的代码或在py2和py3之间进行切换。
也可以将环境中的包的列表导出为文件，然后将该文件与代码包括在一起。这能让其他人轻松加载代码的所有依赖项。pip 提供了类似的功能，即 pip freeze > requirements.txt
创建环境：
conda create -n env_name list of packages，-n env_name 设置环境的名称（-n 是指名称），而 list of packages 是要安装在环境中的包的列表。
创建环境时，可以指定要安装在环境中的 Python 版本。 conda create -n py3 python=3 或 conda create -n py2 python=2 。要安装特定版本（例如 Python 3.3），请使用 conda create -n py python=3.3。
进入环境
创建了环境后，在 OSX/linux 上使用 source activate my_env 进入环境。在 Windows 上，请使用 activate my_env。
要离开环境，请键入 source deactivate（在 OSX/Linux 上）。在 Windows 上，请使用 deactivate。
保存和加载环境
共享环境这项功能确实很有用，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。可以使用 conda env export > environment.yaml 将包保存为 YAML。第一部分 conda env export 写出环境中的所有包（包括 Python 版本）。
第二部分 > environment.yaml 将导出的文本写入到 YAML 文件 environment.yaml 中。现在可以共享此文件，而且其他人能够创建和你用于项目相同的环境。
要通过环境文件创建环境，请使用 conda env create -f environment.yaml。这会创建一个新环境，而且它具有在 environment.yaml 中列出的同一库。
列出环境
如果忘记了环境的名称，可以使用 conda env list 或conda info -e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（即当你不在环境中时使用的环境）名为 root。
删除环境
不再使用某些环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里名为 env_name）。
共享环境
共享环境
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。对于不使用 conda 的人，我通常还会使用 pip freeze(在此处了解详情)将一个 pip requirements.txt 文件包括在内。
> pip freeze > requirements.txt
> pip install -r requirements.txt