From：https://www.jianshu.com/p/eaee1fadc1e9

Anaconda官網：https://www.anaconda.com/
Anaconda 官網 文檔：http://docs.anaconda.com/anaconda/user-guide

Anaconda介紹、安裝及使用教程：https://zhuanlan.zhihu.com/p/32925500
知乎：初學python者自學anaconda的正確姿勢是什么？：https://www.zhihu.com/question/58033789
Anaconda 的新手使用大全：http://www.php.cn/python-tutorials-392031.html

Anaconda 入門使用總結：https://www.jb51.net/article/137786.htm

conda config --set auto_activate_base false #取消默認加載環境
false改為true時，命令為 確認默認加載環境

Anaconda 使用指南

? ? ? ? Anaconda 是 Python 的一個開源發行版本。Anaconda 里面集成了很多關于 python 科學計算的第三方庫，主要面向科學計算且安裝方便，而 python 是一個編譯器。如果不使用 anaconda，那么安裝庫的時候，庫的依賴安裝起來比較麻煩。

? ? ? ? Anaconda 提供一個管理工具?conda，conda 是開源包（packages）和 虛擬環境（environment）的管理系統，，可以把?conda?看作是：pip + virtualenv + PVM (Python Version Manager) + 一些必要的底層庫。即?conda?就是一個更完整也更大的集成管理工具。主要優點是預裝了很多第三方庫，而且 Anaconda 中增加了conda install 命令，安裝新 package 格外方便，還自帶?Spyder IDE 和 Jupyter Notebook

安裝 Anaconda：安裝Anaconda_時光星雨-CSDN博客

概述

很多學習 python 的人接觸到 anaconda 或者其他 虛擬環境 工具 時覺得無從下手，其主要原因就是不明白這些工具究竟有什么用，是用來做什么的，為什么要這么做。

比如安裝完了 Python 后，為什么還需要這么一個東西，他和Python 到底有啥聯系和區別，為啥能用來管理 Python。

先來解決一個初學者都會問的問題：我已經安裝了 Python，那么為什么還需要 Anaconda 呢？原因有以下幾點：

Anaconda 附帶了一大批常用數據科學包，它附帶了conda、Python 和 150 多個科學包及其依賴項。因此你可以用Anaconda 立即開始處理數據。

管理包。Anaconda 是在 conda（一個包管理器和環境管理器）上發展出來的。在數據分析中，你會用到很多第三方的包，而 conda（包管理器）可以很好的幫助你在計算機上安裝和管理這些包，包括安裝、卸載和更新包。

管理環境。為什么需要管理環境呢？比如你在 A 項目中用到了Python2，而新的項目要求使用 Python3，而同時安裝兩個Python 版本可能會造成許多混亂和錯誤。這時候 conda 就可以幫助你為不同的項目建立不同的運行環境。還有很多項目使用的包版本不同，比如不同的 pandas 版本，不可能同時安裝兩個 pandas 版本。你要做的應該是在項目對應的環境中創建對應的 pandas 版本。這時候 conda 就可以幫你做到。

Anaconda 是一個用于科學計算的Python發行版，支持 Linux, Mac, Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本python并存、切換以及各種第三方包安裝問題。Anaconda利用工具/命令conda來進行package和environment的管理，并且已經包含了Python和相關的配套工具。

這里先解釋下conda、anaconda這些概念的差別。conda可以理解為一個工具，也是一個可執行命令，其核心功能是包管理與環境管理。包管理與pip的使用類似，環境管理則允許用戶方便地安裝不同版本的python并可以快速切換。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。其實還有Miniconda，顧名思義，它只包含最基本的內容——python與conda，以及相關的必須依賴項，對于空間要求嚴格的用戶，Miniconda是一種選擇。

進入下文之前，說明一下conda的設計理念 —— conda將幾乎所有的工具、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并方便地切換。

Python本身

在使用 Python 語言編寫程序之前需要下載一個 python 解釋器，這才是 python 的本體，沒了 python 解釋器，我們即使寫了無比正確優雅的 python 腳本也沒辦法運行，那這個解釋器在哪呢？ 就在你安裝 python 的地方，比如我的在C:\Users\Acring\AppData\Local\Programs\Python\Python36-32

項目結構如上圖，這里有我們很熟悉的 python.exe，?也就是 Python解釋器。除此之外還有個很重要的 文件夾?Lib

Lib 目錄如上圖，這里有 python 自帶的包 和 第三方包，而所有的第三方包都放在 site-packages文件夾里面。

了解了這些我們就對整個 python 環境有了大概的了解，

其實最關鍵的，一個python環境中需要有一個解釋器，和一個包集合。

解釋器：解釋器 根據 python 的版本大概分為 2 和 3。python2 和?python3 之間無法互相兼容，也就是說用 python2 語法寫出來的腳本不一定能在 python3 的解釋器中運行。

包 集合：包集合中包含了自帶的包和第三方包，第三方包一般是通過 pip 或者 easy_install 來下載安裝的，當一個 python 環境中不包含這個包，那么引用了這個包的程序不能在該 python 環境中運行。比如說一個爬蟲腳本用到了第三方的requests包，而另一臺計算機是剛剛裝好原始python的，也就是說根本沒有任何第三方包，那么這個爬蟲腳本是無法在另一臺機器上運行的。

問題所在

python 環境解釋完了，接下來就要說下這樣的環境究竟會產生哪些問題。因為 anaconda 正是為了解決這些問題而產生的。

到底該裝 Python2 還是 Python3 。python2 和 python3 在語法上是不兼容的，?那我的機器上應該裝 python2 還是 python3呢，可能一開始選一個學習就好了，但是如果你要開發的程序必須使用 python2 而不能使用 python3，那這時候你就不得不再下載一個python2，那這時候環境變量該設誰的目錄呢，如果還的切換環境變量豈不是很麻煩.

包 管理。如果我在本地只有一個 python 環境那我所有程序用到的各種包都只能放到同一個環境中, 導致環境混亂，另外當我將寫好的程序放到另一電腦上運行時又會遇到缺少相關包，需要自己手動一個個下載的情況，實在是煩人，要是能每個程序開發都選用不同的環境，而開發好之后又能將該程序需要的環境(第三方包)都獨立打包出來就好了。

Anaconda

那么接下來就到我們的 anaconda 上場了，安裝好 Anaconda?就可以解決上面的問題了。

下載

Anaconda 是跨平臺的，有 Windows、macOS、Linux 版本

推薦下載 python3 版本, 畢竟未來 python2 是要停止維護的。

官網下載地址：Anaconda | Individual Edition

安裝

按照安裝程序提示一步步安裝就好了，安裝完成之后會多幾個應用，暫時先不用管，了解一下就行了

• Anaconda Navigtor ：用于管理工具包和環境的圖形用戶界面，后續涉及的眾多管理命令也可以在 Navigator 中手工實現。
• Jupyter notebook ：基于web的交互式計算環境，可以編輯易于人們閱讀的文檔，用于展示數據分析的過程。
• qtconsole ：一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。
• spyder ：一個使用 Python 語言、跨平臺的、科學運算集成開發環境。

安裝完成后，我們還需要對所有工具包進行升級，以避免可能發生的錯誤。但是官方的服務器在國外，因此下載速度很慢，國內清華大學提供了 Anaconda 的倉庫鏡像，我們只需要配置 Anaconda 的配置文件，添加清華的鏡像源，

添加清華源可以參考：關于anaconda環境conda/pip install 報SSL錯誤問題（有兩種情況） - 知乎

升級所有包（建議在安裝 Anaconda 之后執行上述命令，更新 Anaconda 中的所有包至最新版本，便于使用。）

conda upgrade --all 或者 conda update --all

在終端詢問是否安裝如下升級版本時，輸入?y。

配置環境變量

window 環境變量設置：電腦 ---> 屬性 --->?高級系統設置 --->?環境變量 ---> 系統變量 ---> Path?

然后在 Path?中添加 anaconda 的安裝目錄的 Scripts 文件夾

之后就可以打開命令行(最好用管理員模式打開) 輸入：conda --version

如果輸出?conda 4.7.11?之類的就說明環境變量設置成功了.

為了避免可能發生的錯誤, 我們在命令行輸入?conda upgrade --all? 先把所有工具包進行升級。

如果不知道命令的用法，可以加上 --help?參數。例如：conda upgrade --help

conda/pip install 或者 upgrade 超時失敗，可以更換成清華的 anaconda 源：關于anaconda環境conda/pip install 報SSL錯誤問題（有兩種情況） - 知乎

切換 64位 和 32位

anaconda 對于python 版本的管理還是很方便的，所以這里用 anaconda才實現32位和64位python共存

• set CONDA_FORCE_32BIT=1是切換到32位。
• set CONDA_FORCE_32BIT= 是切換到64位。

需要注意的是，這樣切換環境對于已經安裝的python沒有任何影響，即原先是64位的python，現在還是64位，所以需要切換到32位后再安裝python，并且安裝需要在prompt下進行，在navigator里新建的python默認是64位的。

操作步驟：

1、打開anaconda prompt，輸入 conda info ，可以看到現在用的是64位的。

2、切換成32位的 set CONDA_FORCE_32BIT=1 可以看出已經切換成32位的了

3、安裝 32位 的 python3.6

命令：conda create -n python32 python=3.6

安裝完成后在 anaconda3 文件夾下面會有一個envs文件夾

4、激活環境

• conda activate python32? ? ? ? ? ? ? ?激活環境
• conda deactivate python32? ? ? ? ? ?退出環境
• conda remove -n python32--all? ? ?刪除環境

5、如果要在pycharm中使用該環境

點擊add local

管理虛擬環境

接下來我們就可以用 anaconda 來創建我們一個個獨立的 python 環境了。

下面的例子都是在命令行操作的，請打開你的命令行。win + R ，然后?輸入?cmd? 回車即可。

假設我們需要安裝Python 3.4，此時，我們需要做的操作如下：

# 創建一個名為python34的環境，指定Python版本是3.4 #（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本） conda create --name python34 python=3.4# 此時，再次輸入 python --version # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境# 如果想返回默認的python 2.7環境，運行 deactivate python34 # for Windows source deactivate python34 # for Linux & Mac# 刪除一個已有的環境 conda remove --name python34 --all# 安裝好后，使用activate激活某個環境 activate python34 # for Windows source activate python34 # for Linux & Mac # 激活后，會發現terminal輸入的地方多了python34的字樣， # 實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH

補充：如果創建新的python環境，比如3.4，運行conda create -n python34 python=3.4之后，conda 僅安裝 python 3.4 相關的必須項，如 python, pi p等，如果希望該環境像默認環境那樣，安裝 anaconda 集合包，只需要：

# 在當前環境下安裝anaconda包集合 conda install anaconda# 結合創建環境的命令，以上操作可以合并為 conda create -n python34 python=3.4 anaconda # 也可以不用全部安裝，根據需求安裝自己需要的package即可

activate

activate?命令是進入 anaconda 設定的虛擬環境中，如果后面什么參數都不加，那么會進入 anaconda 自帶的 base 環境。可以輸入 python 試試，這樣會進入 base 環境的 python 解釋器，如果你把原來環境中的 python 環境去除掉會更能體會到，這個時候在命令行中使用的已經不是你原來的 python 而是 base 環境下的 python。而命令行前面也會多一個(base) 說明當前我們處于的是 base 環境下。

創建自己的虛擬環境

命令：

conda create -n env_name list_of_packages # 或者 conda create --name env_name list_of_packages

參數說明：

• -n ：代表 name，一個杠 表示短參數，長參數可以使用 --name
• env_name?是需要創建 的 虛擬環境名稱
• list_of_packages?在新環境中需要安裝的工具包 ( 多個 包 用空格分隔 )。

示例：conda create -n py2 python=2.7 pandas?

說明：創建 名叫 py2 的虛擬環境，指定 python 版本為 2.7，并安裝?pandas 。（ python 也相當于 一個 包?），即 創建一個 名叫 py2 的虛擬環境，然后安裝 python2.7 和?pandas 這兩個包。

提示：默認情況下，在 Linux 中新創建的環境將會被保存在?/Users/<user_name>/anaconda3/env?目錄下，其中，?<user_name>?為當前用戶的用戶名。在 windows 中創建的環境則在?anaconda3 安裝目錄 的 env 目錄下。

創建虛擬環境：

1. 直接運行?conda create -n you_env_name python=3?創建。

2. 進入?base?虛擬環境運行?conda create -n you_env_name python=3?創建。

創建了一個名稱為 learn_1?和?learn_2 的虛擬環境并指定 python 版本為 3 ( 這里 conda 會自動找 3 中最新的版本下載 )

使用 activae 切換到不同的虛擬環境，命令格式：activate <要切換的環境名稱>

切換環境

activate learn

如果忘記了名稱我們可以先用

conda env list

去查看所有的環境

現在的 learn 環境除了 python 自帶的一些官方包之外是沒有其他包的，一個比較干凈的環境我們可以試試

先輸入python?打開 python解釋器然后輸入

>>> import requests

會報錯找不到 requests 包，很正常。接下來我們就要演示如何去安裝 requests 包

exit()

退出 python 解釋器

conda 的一些常用操作如下：

# 創建一個名為 python34 的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本） conda?create?--name?python34?python=3.4# 安裝好后，使用 activate 激活某個環境 activate?python34? // for Windows source?activate?python34? // for Linux & Mac# 激活后，會發現 terminal 輸入的地方多了 python34 的字樣 # 實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH # 此時，再次輸入 python?--version # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境# 如果想返回默認的python 2.7環境，運行deactivate?python34? // for Windowssource?deactivate?python34? // for Linux & Mac# 復制 ( 克隆 ) 虛擬環境conda create -n BBB --clone AAA // 從 BBB 克隆一個新的虛擬環境 AAA# 移植過來的環境只是安裝了你原來環境里用 conda install 等命令直接安裝的包，# 你用pip之類裝的東西沒有移植過來，需要你重新安裝。# 查看當前環境下已安裝的包conda list# 查看某個指定環境的已安裝包conda list -n python34# 查找 package 信息conda search numpy# 安裝 package。如果不用 -n 指定環境名稱，則被安裝在當前活躍環境conda install -n python34 numpy# 也可以通過 -c 指定通過某個 channel 安裝# 更新 packageconda update -n python34 numpy# 刪除 package方式 1：卸載當前環境中的包，進入當前的虛擬環境，remove 時 不需要指定虛擬環境conda remove requests 或者 pip uninstall requests方式 2：卸載指定環境中的包。即不進入任何虛擬環境，remove 時需要指定要卸載那個虛擬環境的包conda remove --name <env_name> <package_name>示例：conda remove -n python34 numpy# 刪除一個已有的 虛擬環境，例如：python34conda env remove -n python34 或者 conda remove -n learn_1 --all

前面已經提到，conda 將 conda、python 等都視為 package，

因此，完全可以使用 conda 來管理 conda 和 python 的版本，例如

# 更新conda，保持conda最新 conda update conda# 更新anaconda conda update anaconda# 更新python conda update python # 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本

安裝第三方包

conda install requests 或者 pip install requests# 也可以同時安裝多個包，比如同時安裝numpy 、scipy 和 pandas conda install numpy scipy pandas# 可以指定安裝的版本，比如安裝 1.1 版本的 numpy conda install numpy=1.10

從 Anaconda.org 安裝包

當使用?conda install?無法進行安裝時，可以考慮從 Anaconda.org 中獲取安裝包的命令，并進行安裝。

• 從Anaconda.org安裝包時，無需注冊。

• 在當前環境中安裝來自于 Anaconda.org 的包時，需要通過輸入要安裝的包在 Anaconda.org 中的路徑作為獲取途徑（channel）。查詢路徑的方式如下：
  ? ? ? ? 1. 在瀏覽器中輸入：http://anaconda.org
  ? ? ? ? 2. 在新頁面 “Anaconda Cloud” 的上方搜索框中輸入要安裝的包名，然后點擊右邊 “放大鏡” 標志。

圖 1：

選擇滿足需求的包或下載量最多的包，點擊包名，如圖所示：

執行安裝命令，完成安裝。

卸載第三方包

方式 1：進入所在的虛擬環境，remove 時 不需要指定虛擬環境 conda remove requests 或者 pip uninstall requests方式 2：不進入任何虛擬環境，remove 時需要指定要卸載那個虛擬環境的包conda remove --name <env_name> <package_name>

查看環境包信息

要查看當前環境中所有安裝了的包可以用

conda list # 如果你記不清 package 的具體名稱，也可以進行模糊查詢 conda search search_term

升級包

conda update package_name 升級指定的包conda update --all # 升級所有包 conda upgrade --all # 升級所有包# 更新多個指定包，則包名以空格隔開，向后排列。 conda update pandas numpy matplotlib # 更新 pandas、numpy、matplotlib 包。

導入 和 導出 環境

如果想要導出當前環境的包信息可以用

conda env export > environment.yaml

將包信息存入 yaml 文件中。當需要重新創建一個相同的虛擬環境時可以用

conda env create -f environment.yaml

常用命令

activate? ? ? ? ? ? // 切換到base環境 activate learn? ? // 切換到learn環境 conda create -n learn python=3? ? // 創建一個名為learn的環境并指定python版本為3(的最新版本) conda env list? ? ? ? ? ? ? ? ? // 列出conda管理的所有環境 conda list? ? ? ? ? ? ? ? ? ? ? ? // 列出當前環境的所有包 conda install requests? ? ? // 安裝requests包 conda remove requests? ? // 卸載requets包 conda remove -n learn --all? ? ? // 刪除learn環境及下屬所有包 conda update requests? ? ? ? ? ? // 更新requests包 conda env export > environment.yaml? ? ? // 導出當前環境的包信息 conda env create -f environment.yaml? ? ?// 用配置文件創建新的虛擬環境

深入一下

或許你會覺得奇怪為啥 anaconda 能做這些事, 他的原理到底是什么, 我們來看看anaconda的安裝目錄

這里只截取了一部分, 但是我們和本文章最開頭的python環境目錄比較一下, 可以發現其實十分的相似, 其實這里就是base環境. 里面有著一個基本的python解釋器, lLib里面也有base環境下的各種包文件.

那我們自己創建的環境去哪了呢, 我們可以看見一個envs, 這里就是我們自己創建的各種虛擬環境的入口, 點進去看看

可以發現我們之前創建的learn目錄就在下面, 再點進去

這不就是一個標準的python環境目錄嗎??這么一看，anaconda 所謂的創建虛擬環境其實就是安裝了一個真實的 python 環境, 只不過我們可以通過 activate，conda 等命令去隨意的切換我們當前的 python 環境，用不同版本的解釋器和不同的包環境去運行 python 腳本。

與pycharm連接

在工作環境中我們會集成開發環境去編碼，這里推薦JB公司的 pycharm，而 pycharm 也能很方便的和 anaconda 的虛擬環境結合。在?Setting => Project => Project Interpreter 里面修改 Project Interpreter，點擊 齒輪標志 再點擊 Add Local 為你某個環境的 python.exe 解釋器就行了

比如你要在 learn 環境中編寫程序，那么就修改為?D:\Software\Anaconda\envs\learn，可以看到這時候下面的依賴包也變成了learn 環境中的包了。接下來我們就可以在 pycharm中 愉快的編碼了。

Anaconda?初體驗

按下?Windows?徽標鍵，調出?Windows?開始菜單，可以看到 “最近添加”的：Anaconda2(64-bit)

Anaconda prompt：是一個Anaconda的終端，類似?cmd?命令可以便捷操作?conda?環境，可以建立不同的版本環境?Python2?和3，打開 Anaconda Prompt，這個窗口和 doc 窗口一樣的，打開之后就是base?虛擬環境。輸入命令就可以控制和配置 python，最常用的是 conda 命令，這個 pip 的用法一樣，此軟件都集成了，你可以直接用，點開的話如下圖。用命令 “conda list” 查看已安裝的包，從這些庫中我們可以發現NumPy，SciPy，Matplotlib，Pandas，說明已經安裝成功了!

還可以使用 conda 命令進行一些包的安裝和更新

conda list：列出所有的已安裝的packages

conda install name：其中 name 是需要安裝 packages 的名字，比如，我安裝 numpy 包，輸入上面的命令就是 “conda install numpy”。單詞之間空一格，然后回車，輸入y就可以了。

安裝完 anaconda，就相當于安裝了 Python、IPython、集成開發環境 Spyder、一些包等等。

你可以在 Windows下的 cmd下查看：

Anaconda Navigtor

用于管理工具包 和 環境的 圖形用戶界面，后續涉及的眾多管理命令也可以在?Navigator?中手工實現。點擊?Anaconda Navigator?，第一次啟用，會初始化，耐心等待一段時間，加載完成，界面如圖。

Jupyter notebook 和?Jupyter Lab

基于 web 的交互式計算環境，可以編輯易于人們閱讀的文檔，用于展示數據分析的過程。

啟用 Jupyter Notebook 的?3 種方式：

• 1. 點擊安裝時生成的快捷方式（方便，但不推薦使用）

• 2. 在 CMD 中執行: jupyter notebook。（推薦使用）或者 打開任意文件夾，shift+鼠標右擊，然后再 shell 框中輸入 jupyter notebook （推薦使用，此方法的好處是形成的 ipynb 文件會保存在當前的文件夾中，方便管理）

• 3. 在?Anaconda Navigtor 中啟動?Jupyter notebook。

Jupyter notebook 啟動后，會打開一個網頁，如圖所示：

常用的編輯器或集成開發環境：

• PyCharm：有免費社區版和收費的專業版，專為 Python 而生的 IDE
• NotePad++：免費開源的編輯器，支持豐富的插件，支持中文界面
• Atom：Github 推出的免費開源編輯器，支持豐富的插件
• Sublime：收費的 Python 編輯器，支持豐富的插件
• Spyder：Anaconda 內置的 IDE，開源。
• IDLE：Python 官方的內置編輯器。
• jupyter notebook：集成很多使用功能的編輯器同時兼具交互式的優點。 它支持多種語言，如 Python （ IPython ），Julia，R 等。可以在同一個界面中保存展示代碼，展現運行結果，實時交互模式運行代碼等功能，并且對新手非常友好，不需要過多的配置。
• JupyterLab：是 jupyter notebook 的升級版本。它具有模塊化結構，您可以在同一窗口中打開多個筆記本或文件（例如 HTML，文本，Markdown 等）作為選項卡。 它提供了更多類似 IDE 的體驗。

Qtconsole

一個可執行?IPython?的仿終端圖形界面程序，相比?Python Shell?界面，qtconsole?可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。（?jupyter qtconsole 簡直就是ipython的加強版，每個命令都直接顯示幫助信息，配合matplotlib，能夠在shell里直接顯示繪圖結果?）

ipython qtconsole 已經被 jupyter qtconsole 所替代，需要安裝 jupyter。

pip install jupyter

然后運行：

jupyter qtconsole

Spyder

一個使用 Python 語言、跨平臺的、科學運算集成開發環境。Spyder 編輯器截圖如下：

以后就可以用這款編輯器來編寫代碼，它最大優點就是模仿 MATLAB 的“工作空間”。spyder.exe 放在安裝目錄下的 Scripts 里面，如我的是 C:\ProgramData\Anaconda2\Scripts\spyder.exe，直接雙擊就能運行。我們可以右鍵發送到桌面快捷方式，以后運行就比較方便了。

我們簡單編寫一個程序來測試一下安裝是否成功，該程序用來打開一張圖片并顯示。首先準備一張圖片，然后打開spyder，編寫如下代碼：

# -*- coding: utf-8 -*-""" Spyder Editor This is a temporary script file. """from skimage import ioimg = io.imread('D:/yangmi.jpg') io.imshow(img)

點擊上面工具欄里的 綠色三角 運行程序，最終顯示如下：

jupyterlab?

Jupyter Lab?的啟用 和 Jupyter Notebook 方法一樣，只需要將輸入的 jupyter notebook 換成 jupyter lab 即可。

我們點擊?jupyterlab?下面的?Launch?，會在默認瀏覽器（我這里是?Chrome）打開?http://localhost:8888/lab?這樣一個東東，這里就可以輸入?Python?代碼啦，來一句?Hello World?吧。

我們可以打開?Anaconda Navigator -> Launch jupyterlab?，也可以直接在瀏覽器輸入?http://localhost:8888/lab?（可以保存為書簽）。如果是布置在云端，可以輸入服務器域名（IP），是不是很爽？

?

VSCode

Visual Studio Code是一個輕量級但功能強大的源代碼編輯器，可在桌面上運行，適用于Windows，macOS和Linux。它內置了對JavaScript，TypeScript和Node.js的支持，并為其他語言（如C ++，C＃，Java，Python，PHP，Go）和運行時（如.NET和Unity）提供了豐富的擴展生態系統。

Microsoft Visual Studio Code：Microsoft Visual Studio Code_freeking101的博客-CSDN博客

Glueviz

Glue 是一個Python 庫，用于探索相關數據集內部和之間的關系。其主要特點包括：

鏈接統計圖形。使用Glue，用戶可以創建數據的散點圖，直方圖和圖像（2D和3D）。膠水專注于刷牙和鏈接范例，其中任何圖形中的選擇傳播到所有其他圖形。

靈活地跨數據鏈接。Glue使用不同數據集之間存在的邏輯鏈接來覆蓋不同數據的可視化，并跨數據集傳播選擇。這些鏈接由用戶指定，并且是任意靈活的。

完整的腳本功能。Glue是用Python編寫的，并且建立在其標準科學庫（即Numpy，Matplotlib，Scipy）之上。用戶可以輕松地集成他們自己的python代碼進行數據輸入，清理和分析。

Orange3

交互式數據可視化

通過巧妙的數據可視化執行簡單的數據分析。探索統計分布，箱形圖和散點圖，或深入了解決策樹，層次聚類，熱圖，MDS和線性投影。即使您的多維數據也可以在2D中變得合理，特別是在智能屬性排名和選擇方面。

老師和學生都喜歡它

在教授數據挖掘時，我們喜歡說明而不是僅僅解釋。而橙色很棒。Orange在世界各地的學校，大學和專業培訓課程中使用，支持數據科學概念的實踐培訓和視覺插圖。甚至還有專門為教學設計的小部件。

附加組件擴展功能

使用Orange中可用的各種附加組件從外部數據源挖掘數據，執行自然語言處理和文本挖掘，進行網絡分析，推斷頻繁項目集并執行關聯規則挖掘。此外，生物信息學家和分子生物學家可以使用Orange通過差異表達對基因進行排序并進行富集分析。

Rstudio

R軟件自帶的有寫腳本的工具，可是我不是很喜歡用（并不是說不好哈），我更喜歡用RStudio（網上還有Tinn-R，RWinEdt等）。因為我覺得其本身比較方便，另外在編程的時候有些功能很方便。下面這個界面是我修改了主題的，下面我將介紹如何修改主題，來方便編程。

結語

現在你是不是發現用上anaconda就可以十分優雅簡單的解決上面所提及的單個python環境所帶來的弊端了呢, 而且也明白了其實這一切的實現并沒有那么神奇.

當然anaconda除了包管理之外還在于其豐富數據分析包, 不過那就是另一個內容了, 我們先學會用anaconda去換一種方法管里自己的開發環境, 這已經是一個很大的進步了.

總結

以上是生活随笔為你收集整理的Anaconda 完全入门指南的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。