Anaconda安装使用攻略与实用技巧

Anaconda是一款专为科学计算设计的Python发行版，适用于Linux、Mac和Windows系统。它通过conda工具提供包管理和环境管理功能，简化了多版本Python共存和第三方包安装的问题。Anaconda预装了Numpy、Scipy等数据分析工具包，并支持非Python包如R语言的Rstudio。此外，用户可创建多个虚拟环境以隔离不同项目的依赖，避免版本冲突。Anaconda被誉为“省时省心、分析利器”，适用于企业级大数据分析，涵盖数据可视化、机器学习等领域。

Anaconda是一个专为科学计算设计的Python发行版，适用于Linux、Mac和Windows系统。它提供了包管理和环境管理功能，方便解决多版本Python共存、切换以及各种第三方包的安装问题。Anaconda使用conda工具来管理package和environment，并且已经包含了Python及相关的配套工具。conda是开源包（packages）和虚拟环境（environment）的管理系统。

包管理： 可以使用conda来安装、更新和卸载工具包，尤其关注数据科学相关的工具包。安装Anaconda时，预先集成了像Numpy、Scipy、pandas、Scikit-learn等常用于数据分析的包。此外，conda不仅管理Python包，还可以安装非Python包，例如新版Anaconda中可以安装R语言的集成开发环境Rstudio。

虚拟环境管理： 在conda中，可以创建多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以避免版本冲突。对于需要使用不同Python版本的用户，可以创建Python2和Python3两个环境，分别运行不同版本的Python代码。

Anaconda的优点？ Anaconda的优点可以总结为八个字：省时省心、分析利器。

省时省心： Anaconda通过管理工具包、开发环境和Python版本，大大简化了工作流程。它不仅能方便地安装、更新和卸载工具包，还能自动安装相应的依赖包，并使用不同的虚拟环境隔离不同要求的项目。

分析利器： Anaconda官网宣传其为适用于企业级大数据分析的Python工具，包含了720多个数据科学相关的开源包，涵盖数据可视化、机器学习和深度学习等领域。不仅可用于数据分析，还可应用于大数据和人工智能领域。

在CentOS上安装Anaconda：

wget https://repo.continuum.io/archive/Anaconda2-4.3.0-Linux-x86_64.sh
bash Anaconda2-4.3.0-Linux-x86_64.sh

如果遇到conda命令找不到的错误提示，可能是环境路径设置的问题，需要添加conda环境变量：

export PATH=/root/anaconda2/bin:$PATH

查看conda版本：

conda --version

添加channels：

conda config --add channels conda-forge
conda config --add channels defaults
conda config --add channels r
conda config --add channels bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
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/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes

或者直接修改conda的配置文件，通常在当前用户路径下，例如：

vim ~/.condarc

Conda的包管理： Conda的包管理功能类似于pip。例如，安装scipy：

conda install scipy

conda会从远程搜索scipy的相关信息和依赖项目。对于Python 3.4，conda会同时安装numpy和mkl（运算加速库）。查看已安装的packages：

conda list

最新版的conda从site-packages文件夹中搜索已安装的包，不依赖于pip，因此可以显示通过各种方式安装的包。

conda的一些常用操作：

conda list  # 查看当前环境下已安装的包
conda list -n python34  # 查看某个指定环境的已安装包
conda search numpy  # 查找package信息
conda install -n python34 numpy  # 安装package
conda update -n python34 numpy  # 更新package
conda remove -n python34 numpy  # 删除package

conda将conda、Python等都视为package，因此可以使用conda来管理conda和Python的版本，例如：

conda update conda  # 更新conda，保持conda最新
conda update anaconda  # 更新anaconda
conda update python  # 更新python

假设当前环境是Python 3.4，conda会将Python升级为3.4.x系列的当前最新版本。

如果创建新的Python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装Python 3.4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，只需要：

conda install anaconda  # 在当前环境下安装anaconda包集合

结合创建环境的命令，可以合并为：

conda create -n python34 python=3.4 anaconda

也可以根据需求只安装所需的package。

设置国内镜像： 如果需要安装很多packages，可能会发现conda下载速度很慢，因为Anaconda.org的服务器在国外。幸运的是，清华TUNA镜像源有Anaconda仓库的镜像，可以将其加入conda的配置：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

执行上述命令后，会生成~/.condarc（Linux/Mac）或C:\Users\USER_NAME\.condarc文件，记录着对conda的配置。直接手动创建、编辑该文件也有相同的效果。

理论要掌握，实操不能落！以上关于《Anaconda安装使用攻略与实用技巧》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！